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 2836 1...282928302831283228332834283528362837283828392840284128422843...3399 新しいコメント Evgeni Gavrilovi 2022.12.08 10:39 #28351 Maxim Dmitrievsky #: 学習成果は上がったか?) いいえ、残念ながら。 今、ロペス・デ・プラドのウェブサイトを見ている。https://quantresearch.org/Patents.htm。 彼は9月に新しい特許を取得した(モンテカルロ・バックテストによる戦術的投資アルゴリズム)。 例えば、彼はナウキャスティング(短期予測)を強調している。 引用:"短期予測は長期予測よりも統計的に信頼できる" https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3562025 コロナウイルスのパンデミックから得られた主な知見。 この危機の中で、我々はどのような教訓を得ることができるだろうか? 1. 予測を減らし、ナウキャスティングを増やす。 2.取引ルールではなく、理論を構築する 3.オール体制戦略は避ける Maxim Dmitrievsky 2022.12.08 10:43 #28352 Evgeni Gavrilovi #:いや、残念ながら。今、ロペス・デ・プラドのウェブサイトを見ているんだ。https://quantresearch.org/Patents.htm。彼は、9月に発行された新しい特許を持っている(モンテカルロ・バックテストによる戦術的投資アルゴリズム)。例えば、彼はナウキャスティング(短期予測)を重視している。引用:「短期予測は長期予測よりも統計的に信頼できる」。https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3562025コロナウイルスのパンデミックから得られた主な知見。この危機の中で私たちは何を学ぶことができるのか? 1. ナウキャスティングを増やす、予測を減らす 2.取引ルールではなく、理論を発展させる 3.オールレジーム戦略は避ける 思い出させてくれてありがとう。 mytarmailS 2022.12.08 11:04 #28353 Evgeni Gavrilovi #:いや、残念ながら。 良いトレーニングを受けたのですか、それともまったく受けなかったのですか? Evgeni Gavrilovi 2022.12.08 11:49 #28354 mytarmailS #:トレーニングはうまくいったのか、それともまったくトレーニングはなかったのか? 計算が正しいという意味では正常です(レベル3~4でシャープが最大になりました)。ただ、njitデコレーターがないクラスなので、トレーニングに非常に時間がかかります。 mytarmailS 2022.12.08 11:57 #28355 Evgeni Gavrilovi #:計算が正しいという意味ではいいのですが(私が持っていた最大のシャープはレベル3~4でした)、このクラスはnjitデコレーターがないので、学習が非常に遅いのです njitデコレーターとは何ですか? Evgeni Gavrilovi 2022.12.08 12:15 #28356 mytarmailS #:njitのデコレーターとは? pandasの開発者が、関数内のコード実行を高速化するために添付したものです。 СанСаныч Фоменко 2022.12.08 12:46 #28357 Andrey Dik #:歴史上だろうが未来だろうが関係ない。テスター自体も関係ない。重要なのは、評価基準の大域的最適値を求めるアルゴリズム(最適化アルゴリズム単体またはグリッドの一部)の特性です。強調したいのは、評価基準 です。評価基準は必ずしも利益だけとは限りません。例えば、OOSの仕事の評価基準は、基準(サンプルとOOSの差を最小化する)ではないのですか?- 単なる思いつきです。基準は何でもよく、どんな複雑なものでもよい。そのため、人々はよりスムーズで単調な評価基準を考え出そうとします。それが一般的に、最適化そのものや、特にニューロニクスのトレーニングの質を向上させるのです。したがって、私が非常に芸術的な絵に描いたことに戻ると、局所極限の数も特徴もわからない状況では、計算能力が限られている条件下で可能な限り可能なものを探すしかないという事実を視覚的に説明したものである。プラトー - 確かにそのような概念はあるが、それは最適化とは関係なく、ある属性によって類似したパラメータセットを分類する問題である。安定したプラトーを探すのは、別の複雑な作業だ。 繰り返しになるが、極値には価値がない。ランダムな過程、それも非定常な過程を扱っているのだから、不安定な点は存在しない。 たとえ局所最小値や大域最小値より上であっても、それが有益である限り、図に示したようなプラトーを探す必要がある。そのようなプラトーは、理論的にはTSの収益性の上限を示す。そして、発見された極限値は、まったく何の意味もない。それらは間違いなく未来にはないが、プラトーの希望はある。 Andrey Dik 2022.12.08 12:56 #28358 プラトーとは、研究対象の関数上の領域の一種ではない。プラトーとは、ある属性上のパラメーターのセットのことである。 利益は、系列の非定常性とは何の関係もないし、未知のデータで同様の結果を学習して機能するネットワークの能力とも何の関係もない。 あなたは利益のような関数を文字通りに、つまりこの関数がテスターのバランスグラフのように見えるかのように受け取っているが、これは根本的に間違っている。 Maxim Dmitrievsky 2022.12.08 14:07 #28359 СанСаныч Фоменко #:もう一度言う:極値には何の価値もない:不安定な点であり、しかも我々が扱っているのはランダムな過程であり、非定常な過程であるから、存在しない。たとえ局所最小値や大域最小値より上であっても、それが有益である限り、図に示したようなプラトーを探す必要がある。そのようなプラトーは、理論的にはTSの収益性の上限を示す。そして、発見された極限値は、まったく何の意味もない。それらは間違いなく未来にはないが、プラトーの希望はある。 最適化とは、何かわからないものを見つけることではなく、例えばTSの収益性を向上させることである。 あなたは、正常な状況での興味の全表面を持っており、特に潜在的な利益の増加としての極値を持っています。そして、プラトーまで転がり落ちる時間があるでしょう。 あるいは、表面全体が沈んでいて、水面から突き出ている極限とプラトーだけを見つける必要があるのか?それなら、それはすでに初期適合だ。 何かを最適化してプラトーを探そう」と集まって、プラトーが見つかればそこに宝があるようなものだ。そういうことですか? もちろん救いの望みはあるが、それはごくわずかだ。 Andrey Dik 2022.12.08 14:37 #28360 その課題は、道の角度が3度を超えないように、そして道ができるだけ短くなるように、頂上までの道を敷設することである。もし頂上までまっすぐな道を探せば、多くの人が必ず墜落して死ぬだろう(彼らは麓に着地して平らになり、風速の非定常性に文句を言いながら泣くだろう)。なぜそのような最大値が必要なのか?山の関数の微分という別の関数があり、これには山の傾斜角度と道の長さという2つの基準が含まれる。この問題は最適化に還元され、山からこの微分関数の最小値を見つける(傾斜角度と道の長さの最小化)。したがって、この関数は多くの局所的極値を持ち、大域的極値は1つだけである。この問題を解決することで、エベレストの頂上への安全な道を見つけることができ、誰も死ぬことはなく、風の非定常性は問題にならない。 一般論としてはそういうことだ。すべてのアルゴリズムが「安全な」道を見つけられるわけではない。探索特性と収束性、収束速度の両方が重要である。 1...282928302831283228332834283528362837283828392840284128422843...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
学習成果は上がったか?)
いいえ、残念ながら。
今、ロペス・デ・プラドのウェブサイトを見ている。https://quantresearch.org/Patents.htm。
彼は9月に新しい特許を取得した(モンテカルロ・バックテストによる戦術的投資アルゴリズム)。
例えば、彼はナウキャスティング(短期予測)を強調している。
引用:"短期予測は長期予測よりも統計的に信頼できる"
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3562025
コロナウイルスのパンデミックから得られた主な知見。
この危機の中で、我々はどのような教訓を得ることができるだろうか?
1. 予測を減らし、ナウキャスティングを増やす。
2.取引ルールではなく、理論を構築する
3.オール体制戦略は避ける
いや、残念ながら。
今、ロペス・デ・プラドのウェブサイトを見ているんだ。https://quantresearch.org/Patents.htm。
彼は、9月に発行された新しい特許を持っている(モンテカルロ・バックテストによる戦術的投資アルゴリズム)。
例えば、彼はナウキャスティング(短期予測)を重視している。
引用:「短期予測は長期予測よりも統計的に信頼できる」。
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3562025
コロナウイルスのパンデミックから得られた主な知見。
この危機の中で私たちは何を学ぶことができるのか?
1. ナウキャスティングを増やす、予測を減らす
2.取引ルールではなく、理論を発展させる
3.オールレジーム戦略は避ける
いや、残念ながら。
良いトレーニングを受けたのですか、それともまったく受けなかったのですか?
トレーニングはうまくいったのか、それともまったくトレーニングはなかったのか?
計算が正しいという意味では正常です(レベル3~4でシャープが最大になりました)。ただ、njitデコレーターがないクラスなので、トレーニングに非常に時間がかかります。
計算が正しいという意味ではいいのですが(私が持っていた最大のシャープはレベル3~4でした)、このクラスはnjitデコレーターがないので、学習が非常に遅いのです
njitデコレーターとは何ですか?
njitのデコレーターとは?
pandasの開発者が、関数内のコード実行を高速化するために添付したものです。
歴史上だろうが未来だろうが関係ない。テスター自体も関係ない。
重要なのは、評価基準の大域的最適値を求めるアルゴリズム(最適化アルゴリズム単体またはグリッドの一部)の特性です。強調したいのは、評価基準 です。評価基準は必ずしも利益だけとは限りません。例えば、OOSの仕事の評価基準は、基準(サンプルとOOSの差を最小化する)ではないのですか?- 単なる思いつきです。基準は何でもよく、どんな複雑なものでもよい。そのため、人々はよりスムーズで単調な評価基準を考え出そうとします。それが一般的に、最適化そのものや、特にニューロニクスのトレーニングの質を向上させるのです。
したがって、私が非常に芸術的な絵に描いたことに戻ると、局所極限の数も特徴もわからない状況では、計算能力が限られている条件下で可能な限り可能なものを探すしかないという事実を視覚的に説明したものである。
プラトー - 確かにそのような概念はあるが、それは最適化とは関係なく、ある属性によって類似したパラメータセットを分類する問題である。安定したプラトーを探すのは、別の複雑な作業だ。
繰り返しになるが、極値には価値がない。ランダムな過程、それも非定常な過程を扱っているのだから、不安定な点は存在しない。
たとえ局所最小値や大域最小値より上であっても、それが有益である限り、図に示したようなプラトーを探す必要がある。そのようなプラトーは、理論的にはTSの収益性の上限を示す。そして、発見された極限値は、まったく何の意味もない。それらは間違いなく未来にはないが、プラトーの希望はある。
プラトーとは、研究対象の関数上の領域の一種ではない。プラトーとは、ある属性上のパラメーターのセットのことである。
利益は、系列の非定常性とは何の関係もないし、未知のデータで同様の結果を学習して機能するネットワークの能力とも何の関係もない。
あなたは利益のような関数を文字通りに、つまりこの関数がテスターのバランスグラフのように見えるかのように受け取っているが、これは根本的に間違っている。
もう一度言う:極値には何の価値もない:不安定な点であり、しかも我々が扱っているのはランダムな過程であり、非定常な過程であるから、存在しない。
たとえ局所最小値や大域最小値より上であっても、それが有益である限り、図に示したようなプラトーを探す必要がある。そのようなプラトーは、理論的にはTSの収益性の上限を示す。そして、発見された極限値は、まったく何の意味もない。それらは間違いなく未来にはないが、プラトーの希望はある。
最適化とは、何かわからないものを見つけることではなく、例えばTSの収益性を向上させることである。
あなたは、正常な状況での興味の全表面を持っており、特に潜在的な利益の増加としての極値を持っています。そして、プラトーまで転がり落ちる時間があるでしょう。
あるいは、表面全体が沈んでいて、水面から突き出ている極限とプラトーだけを見つける必要があるのか?それなら、それはすでに初期適合だ。
何かを最適化してプラトーを探そう」と集まって、プラトーが見つかればそこに宝があるようなものだ。そういうことですか?
もちろん救いの望みはあるが、それはごくわずかだ。
その課題は、道の角度が3度を超えないように、そして道ができるだけ短くなるように、頂上までの道を敷設することである。もし頂上までまっすぐな道を探せば、多くの人が必ず墜落して死ぬだろう(彼らは麓に着地して平らになり、風速の非定常性に文句を言いながら泣くだろう)。なぜそのような最大値が必要なのか?山の関数の微分という別の関数があり、これには山の傾斜角度と道の長さという2つの基準が含まれる。この問題は最適化に還元され、山からこの微分関数の最小値を見つける(傾斜角度と道の長さの最小化)。したがって、この関数は多くの局所的極値を持ち、大域的極値は1つだけである。この問題を解決することで、エベレストの頂上への安全な道を見つけることができ、誰も死ぬことはなく、風の非定常性は問題にならない。
一般論としてはそういうことだ。すべてのアルゴリズムが「安全な」道を見つけられるわけではない。探索特性と収束性、収束速度の両方が重要である。