トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2826 1...281928202821282228232824282528262827282828292830283128322833...3399 新しいコメント Aleksey Nikolayev 2022.11.29 09:19 #28251 mytarmailS #: アレクセイ、キャピタルカーブのタイプは？ ランダムとか確率的とか？ どのような予測が適用できるのか？ 金融商品とTSによると思う。ソビエト貯蓄銀行の預金の場合 - 決定論的、例えば）。 伝統的に、トレンド付きSB（再投資なし）と幾何学的SB（再投資あり）のモデルが使用されます。これらのモデルは、評価にシャープを使用する際に暗黙的に仮定されている。 mytarmailS 2022.11.29 09:57 #28252 Aleksey Nikolayev #:金融商品とTSによると思う。例えば、ソ連のスベルバンクの預金の場合、決定論的である。）伝統的に、トレンドSBモデル（再投資なし）とジオメトリックSBモデル（再投資あり）を使用する。これらのモデルは、評価にシャープを使用する際に暗黙の前提となっています。 例えば、貿易収支曲線における有馬の予測を、モデルの学習の質を測る尺度として使ったらどうだろうか。予想が上向きで、信頼区間が狭ければ、資本曲線が上向く可能性がある。 Aleksey Nikolayev 2022.11.29 10:23 #28253 mytarmailS #:idea：モデルの学習の質を測る尺度として、有馬の貿易収支曲線の予測を使ったらどうだろう？予想が上向きで、信頼区間が狭ければ、資本曲線が上向く可能性があるというような、モンテカルロ・シミュレーションのようなものです。 いつものように、最適化されるべき2つの量 - トレンド速度とボラティリティ（おそらく信頼区間の幅に関連している） - があります。そのどちらか（たとえばシャープ）を構築するか、最適な曲線を構築し（たとえばマーコウィッツのポートフォリオ理論のように）、その上の点を選択する必要がある。 mytarmailS 2022.11.29 10:35 #28254 Aleksey Nikolayev #:いつものように、最適化すべき2つの量 - トレンド速度とボラティリティ（おそらく信頼区間の幅に関連する） - がある。そのどちらかを構築するか（たとえばシャープ）、最適曲線を構築して（たとえばマーコウィッツのポートフォリオ理論のように）、その上の点を選択する必要がある。 理解できない) Aleksey Nikolayev 2022.11.29 15:38 #28255 mytarmailS #: 理解できない) 資本曲線のタイプに最適化することはよくあることだ。通常、トレンド率を高め、トレンドライン周辺の変動幅を小さくしようとします。つまり、最適化には2つの基準があります。この2つの基準による最適化問題は、従来の最適化（例えばシャープなど、2つの基準のどちらかを作る）に還元することもできるし、平面上のパレート最適 線を探索し、何らかの考察（例えばマーコウィッツのポートフォリオ理論）からその上の点を選択することもできる。 このトピックには多くのバリエーションがあり、記事数も多い。 mytarmailS 2022.11.29 16:52 #28256 Aleksey Nikolayev #:まあ、資本曲線のタイプに合わせて最適化するのは当たり前のことだ。 ああ、なるほど、でもそういうことではなくて、資本曲線そのもの ではなく、資本曲線が将来伸びるという 予測を最適化するのが面白いと言っているんです。 資本曲線を最適化することで、予想が可能な限り良くなるような（赤い水路のような）。 資本曲線そのものは常に下降している可能性がありますが...。 autoarimaで試したところ、かなり良い結果が得られたが、トレーニングに時間がかかった。 Aleksey Nikolayev 2022.11.29 17:37 #28257 mytarmailS #:ああ、なるほど、でもそういう意味ではなくて、最適化するのに興味深いのは資本曲線そのもの ではなく、資本曲線が将来成長するという予測 だと言っているんだ。資本曲線を最適化することで、予測ができるだけ良くなるような（赤いチャンネルのような）。資本曲線自体はずっと下がり続けている可能性もあるが...。autoarimaで試したところ、かなり良い結果が得られたが、トレーニングに時間がかかった。 なぜなら、最適化する最終的な資本曲線が常に存在するからです。ARIMAではなく、ニューラルネットワークのようなブラックボックスを使うことを想像すれば、唯一の違いは、元のシステムの資本曲線に対応する特徴を追加することである。 私は、別のTSをベースにメタシステムとしてTSを構築するという考えには偏見がある。もしこの手法がうまくいくのであれば、その理由を理解し、直接的かつ明示的に使用することが必要である。 この方向で私が行った最も困難なことは、ドローダウン時に取引を停止し、成長時に再開することである。 Forester 2022.11.29 18:50 #28258 Aleksey Nikolayev #: この方向で最も難しいのは、ドローダウン時に取引を停止し、 成長時に再開 することである。 また、取引を停止した場合、デポはどのように成長し始めるのでしょうか？))) Aleksey Nikolayev 2022.11.29 19:11 #28259 elibrarius #:また、取引が停止した場合、デポはどのように成長し始めるのだろうか？))) 実取引は停止するが、仮想取引は継続する）実資本と仮想資本が異なることは明らかだが、これは無視されている。 mytarmailS 2022.11.30 07:32 #28260 同じことを言ってるとは思えないけど、まあいいや。 1...281928202821282228232824282528262827282828292830283128322833...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
アレクセイ、キャピタルカーブのタイプは？
金融商品とTSによると思う。ソビエト貯蓄銀行の預金の場合 - 決定論的、例えば）。
伝統的に、トレンド付きSB（再投資なし）と幾何学的SB（再投資あり）のモデルが使用されます。これらのモデルは、評価にシャープを使用する際に暗黙的に仮定されている。
金融商品とTSによると思う。例えば、ソ連のスベルバンクの預金の場合、決定論的である。）
伝統的に、トレンドSBモデル（再投資なし）とジオメトリックSBモデル（再投資あり）を使用する。これらのモデルは、評価にシャープを使用する際に暗黙の前提となっています。
例えば、貿易収支曲線における有馬の予測を、モデルの学習の質を測る尺度として使ったらどうだろうか。予想が上向きで、信頼区間が狭ければ、資本曲線が上向く可能性がある。
idea：モデルの学習の質を測る尺度として、有馬の貿易収支曲線の予測を使ったらどうだろう？予想が上向きで、信頼区間が狭ければ、資本曲線が上向く可能性があるというような、モンテカルロ・シミュレーションのようなものです。
いつものように、最適化されるべき2つの量 - トレンド速度とボラティリティ（おそらく信頼区間の幅に関連している） - があります。そのどちらか（たとえばシャープ）を構築するか、最適な曲線を構築し（たとえばマーコウィッツのポートフォリオ理論のように）、その上の点を選択する必要がある。
いつものように、最適化すべき2つの量 - トレンド速度とボラティリティ（おそらく信頼区間の幅に関連する） - がある。そのどちらかを構築するか（たとえばシャープ）、最適曲線を構築して（たとえばマーコウィッツのポートフォリオ理論のように）、その上の点を選択する必要がある。
理解できない)
資本曲線のタイプに最適化することはよくあることだ。通常、トレンド率を高め、トレンドライン周辺の変動幅を小さくしようとします。つまり、最適化には2つの基準があります。この2つの基準による最適化問題は、従来の最適化（例えばシャープなど、2つの基準のどちらかを作る）に還元することもできるし、平面上のパレート最適 線を探索し、何らかの考察（例えばマーコウィッツのポートフォリオ理論）からその上の点を選択することもできる。
このトピックには多くのバリエーションがあり、記事数も多い。
まあ、資本曲線のタイプに合わせて最適化するのは当たり前のことだ。
ああ、なるほど、でもそういうことではなくて、資本曲線そのもの ではなく、資本曲線が将来伸びるという 予測を最適化するのが面白いと言っているんです。
資本曲線を最適化することで、予想が可能な限り良くなるような（赤い水路のような）。
資本曲線そのものは常に下降している可能性がありますが...。
autoarimaで試したところ、かなり良い結果が得られたが、トレーニングに時間がかかった。
ああ、なるほど、でもそういう意味ではなくて、最適化するのに興味深いのは資本曲線そのもの ではなく、資本曲線が将来成長するという予測 だと言っているんだ。
資本曲線を最適化することで、予測ができるだけ良くなるような（赤いチャンネルのような）。
資本曲線自体はずっと下がり続けている可能性もあるが...。
autoarimaで試したところ、かなり良い結果が得られたが、トレーニングに時間がかかった。
なぜなら、最適化する最終的な資本曲線が常に存在するからです。ARIMAではなく、ニューラルネットワークのようなブラックボックスを使うことを想像すれば、唯一の違いは、元のシステムの資本曲線に対応する特徴を追加することである。
私は、別のTSをベースにメタシステムとしてTSを構築するという考えには偏見がある。もしこの手法がうまくいくのであれば、その理由を理解し、直接的かつ明示的に使用することが必要である。
この方向で私が行った最も困難なことは、ドローダウン時に取引を停止し、成長時に再開することである。
この方向で最も難しいのは、ドローダウン時に取引を停止し、 成長時に再開 することである。
また、取引を停止した場合、デポはどのように成長し始めるのでしょうか？)))
また、取引が停止した場合、デポはどのように成長し始めるのだろうか？)))
実取引は停止するが、仮想取引は継続する）実資本と仮想資本が異なることは明らかだが、これは無視されている。