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 2969

[Maxim Dmitrievsky]

mytarmailS #:

そのためにあるのではないのだから。

なぜ誰もC++でウェブサイトを書かないのか？

より馴染みがあって、よりmqlに似ているものを選んだだけで、あまり馴染みのない（馴染みのない）ものはjerkyと呼ばれた。勉強すればいいのに・・・。

何かを学ぶのは難しくない。しかし、合理的な穀物は、彼らの工芸品に意味も利点もないことを示唆した。

私はほとんど勉強することなく、すぐにPythonでコードを書き始めた。そして、いくつかの基本的なライブラリが必要になった。

Rが勝てる仕事はない。統計学なんて神話だ。サンシュのように、このように自分の選択を正当化する人もいる。

[mytarmailS]

Maxim Dmitrievsky #:

私はPythonをほとんど学ぶことなく、すぐにPythonでコードを書き始めた。その後、いくつかの基本的なライブラリが必要になり、それで終わりでした。

まあ、それはそれでいいんだけどね。

Pythonはそのタスクに最適な言語であり、そのために作られたものだ、

Pythonは一般的な言語で、習得しやすいという建前があるが......。

Pythonは習得が簡単なふりをした一般的な言語だ...主なことはそんなことではなく、アルゴリズムの助けを借りて美しい取引をすることだ。

[Maxim Kuznetsov]

mytarmailS #:

そのためにあるのではないのだから。

なぜ誰もC++でウェブサイトを書かないのか？

それぞれの言語にはそれぞれのタスクがある。

より馴染みのあるもの、よりmqlに近いものを選び、馴染みの薄い（馴染みのない）ものをjerkyと呼んだだけだ。そして、あなたは勉強すべきだった...

C++のバックエンドは 需要が高く、最も高価な仕事だ。

[mytarmailS]

Maxim Kuznetsov #:

C++のバックエンドは 需要が高く、最も高価な仕事だ。

ウェブサイトはバックエンドだけではないのだ。）

[Renat Fatkhullin]

誰もがMQL5の開発を追いかけているわけではないが、MQL5には行列とベクトルの標準メソッドが ある。

これらはこの言語の標準メソッドであり、サードパーティのライブラリではない。行列/ベクトル/複素数の型の導入により、この言語は統計解析や重い数学に対して非常に強力になった。

機能	アクション	カテゴリー
活性化	活性化関数の値を計算し、渡されたベクトル/行列に書き込む。	機械学習
ArgMax	最大値のインデックスを返す	統計
ArgMin	最小値のインデックスを返す	統計
ソート	ソートされたインデックスを返します。	操作
代入	行列、ベクトル、配列を自動変換してコピーします。	初期化
平均	行列/ベクトル値の加重平均を計算します。	統計
コレスキー	コレスキー分解を計算します。	変換
クリップ	行列/ベクトル要素を指定された許容値の範囲に制限する	操作
Col	列ベクトルを返します。指定された列にベクトルを書き込みます。	操作
Cols	行列の列数を返します。	特徴
比較	2つの行列/ベクトルの要素を指定された精度で比較します。	操作
CompareByDigits	2つの行列/ベクトルの要素を有効桁数の精度で比較します。	操作
Cond	行列の条件数を計算します。	特徴
畳み込み	Convolve関数は、2つのベクトルの離散線形畳み込みを返します。	微分
コピー	指定された行列／ベクトルのコピーを返します。	操作
コピーレート	指定されたシンボル期間のMqlRates構造体のヒストリカルシリーズを、指定された量の行列またはベクトルに取得します。	初期化
コピーティック	MqlTick 構造体のティックを行列またはベクトルに取得	初期化
コピー範囲	MqlTick 構造体から指定された日付範囲の目盛りの行列またはベクトルを取得します。	初期化
CorrCoef	ピアソン相関係数（線形相関係数）を計算します。	微分
相関	2つのベクトルの相互相関を計算します。	微分
共分散	共分散行列を計算する	製品
累積積	指定された軸に沿った要素を含む、行列/ベクトル要素の累積積を返します。	統計
累積和	CumSum関数は、指定された軸に沿った要素を含む、行列／ベクトル要素の累積和を返します。	統計
導関数	活性化関数の導関数の値を計算し、渡されたベクトル/行列に書き込む。	機械学習
行列式	正方非整数行列の行列式を計算します。	特徴
Diag	対角行列の抽出、または対角行列の構築	操作
ドット	2つのベクトルのスカラー積	微分
固有値	正方行列の固有値と右固有ベクトルを計算する。	変換
EigVals	一般行列の固有値を計算する	変換
目	対角上に 1、それ以外に 0 を持つ行列を返します。	初期化
塗りつぶし	既存の行列またはベクトルを指定された値で埋めます。	初期化
フラット	2つのインデックスではなく、1つのインデックスを使って行列要素にアクセスできるようにします。	操作
フル	指定された値で満たされた新しい行列を作成し，それを返します．	初期化
GeMM	2つの行列の一般行列乗算（General Matrix Multiply）	製品
Hsplit	行列を複数の部分行列に水平分割．軸=0 の Split と同じ．	操作
恒等式	指定されたサイズの単一の行列を作成します.	初期化
初期化	行列またはベクトルを初期化します。	初期化
Inner	2つの行列の内積	微分
逆行列	Jordaan-Gauss法を用いて正方非正則行列の（乗法）逆行列を計算する。	解法
Kron	2つの行列、行列とベクトル、ベクトルと行列、または2つのベクトルのクロネッカー積を返します。	積
損失	損失関数の値を計算し、渡されたベクトル/行列に書き込む。	機械学習
LstSq	線形代数方程式の最小二乗解を返す（非正方行列または退化行列の場合）	解
LU	下三角行列と上三角行列の積としての行列のLU分解	変換
LUP	部分的並べ替えを伴うLUP分解。行の並べ替えのみを伴うLU分解のこと：PA=LU	変換
MatMul	2つの行列の行列積	微分
最大値	行列／ベクトルの最大値を返します。	統計
平均	要素値の算術平均を返します。	統計
中央値	行列/ベクトル要素の中央値を計算します。	統計
度最小値	行列/ベクトルの最小値を返します。	術量
度	行列またはベクトルのノルムを返します。
	1 で埋め尽くされた新しい行列を作成し返します。	度初期化
度外視	2つの行列または2つのベクトルの外積を計算します。	度積
パーセンタイル	Percentile関数は、行列/ベクトルの要素または指定された軸に沿った要素の指定されたパーセンタイルを返します。	度
度逆行列	Moore-Penrose法を使用して擬似逆行列を計算します。	ソリューション
べき乗	正方行列を整数に昇格させる	製品
積	行列/ベクトル要素の積を返します。	統計
Ptp	Ptp関数は、行列/ベクトル値の範囲または指定された行列軸を返します。	統計
QR	行列の QR 因数分解を計算します。	変換
分位数	指定された軸に沿った行列/ベクトル要素の値または要素の指定された分位を返します。	統計
ランク	ガウス法を使用して行列のランクを返します。	特性
回帰メトリック	指定されたデータセットに描かれた回帰直線からの偏差の誤差として回帰メトリックを計算します。	統計
再形成	データを変更せずに行列の形状を変更します。	操作
サイズ変更	形状およびサイズを変更した新しい行列を返します。	操作
行	ベクトルの行を返します。指定した行にベクトルを書き込みます。	操作
行数	行列の行数を返します。	特徴
サイズ	ベクトルのサイズを返します。	特徴
SLogDet	行列式の符号と対数を計算する	特性
解く	線形行列方程式または線形代数方程式系を解く	解法
ソート	場所によるソート	操作
スペクトル	積AT*Aから固有値の集合として行列のスペクトルを計算する。	特徴
分割	行列をいくつかの部分行列に分割する。	操作
標準偏差	Std関数は、行列/ベクトルの要素値または指定された軸に沿った要素の標準偏差を返します。	統計
合計	指定された軸で実行可能な行列/ベクトル要素の合計を返します。	統計
SVD	特異値分解	変換
スワップ列	行列の列を入れ替える	操作
行の入れ替え	行列の行を入れ替える	操作
トレース	行列の対角線の和を返します。	特徴
転置	行列を転置（軸を入れ替える）し、変更後の行列を返す。	操作
三角行列	指定された対角線上とその下に1、それ以外に0を持つ行列を作成します。	初期化
TriL	k 番目の対角上の要素が 0 の行列のコピーを返します。下三角行列	操作
TriU	k 番目の対角以下の要素をゼロにした行列のコピーを返します。上三角行列	操作
Var	行列/ベクトル要素の値の分散を計算します。	統計
Vsplit	行列を複数の部分行列に垂直方向に分割。axis=1でのSplitと同じ	操作
ゼロ	ゼロで埋め尽くされた新しい行列を作成し、返します。	初期化

[Maxim Dmitrievsky]

mytarmailS #:

なるほど、そういう意図だったのか......。

しかし、なぜいつもRを攻撃するのだろうか？ Rはそのタスクに最適な言語であり、そのために設計されたのだ、

Pythonは、簡単に学べるように見せかけた汎用的な言語だ。

Pythonは簡単に学べるように見せかけた汎用的な言語だ...主なことはそんなことではなく、アルゴリズムの助けを借りて美しい取引をすることだ。

必要なのはあなたの取引ではなく、バックテストだ！

取引は科学的なものではなく、状況に応じたものだ。今日の取引は＋、明日の取引は-。

女性には花を、自分には車を買うという裁定取引が普通に行われていたのに、いつの間にかそれがデフレになってしまった。そして、どんな統計を使っても、ミコラは石の花を作らない。

ニューロンのもう一つの問題は、モデルの選択だ。あるモデルは1年間うまくいっているのに、他のモデルは吹っ飛んでしまう。すると、あるエジプト人が、おまえはだましたと怒鳴る。どうするんだ？それが物事の本質だ。そして、統計はどうにかまた通り過ぎる。だから、選択は明白だった--最大限のシンプルさと利便性を求めて。

[mytarmailS]

Maxim Dmitrievsky #:
あなたの取引ではなく、あなたのバックテストが必要なのです！

取引は科学的なものではなく、状況に応じたものだ。今日の取引は上、明日の取引は下。

私の知識では、どのようにアルゴリズム化すればいいのかわかりません。

手口はインジケーターのようなもので、私の背後にある知的ロボットの99%は...

1)こうで、うまくいっている。

2) あるいは、すべてが自動的で、決してうまくいかない。

今のところ、私は1)に座っているが、2)を夢見ている。

[Maxim Dmitrievsky]

mytarmailS #:

私の知識では、それをアルゴリズム化する方法を知らないんだ。

IOはインジケーターのようなもので、インテリジェントロボットの99％は私の後ろにいる...。

1)それか、それが機能しているか。

2) あるいは、すべて自動で、決して機能しない。

私は1)にとどまっているが、2)を夢見ている。

FFクラフトをよりよく検証する方法を見つけ、それを自動化するんだ。クールなアイデアだ。

[mytarmailS]

Maxim Dmitrievsky #:
FFの技術をより良く検証する方法を考えれば、自動的にそうなる。クールなアイデアだ。

普通のアルゴリズムと同じように検証すればいいんだ。

私が発明したのは1年以上前のことだから、発見という話ではないんだけど......。

その男は、利益のためにAMOをトレーニングする方法を尋ねてきた。

[Maxim Dmitrievsky]

mytarmailS #:

通常のアルゴリズムと同じように検証するだけだ。

発見という話ではなく、私が1年以上前に発明したものなんだけど......。

彼は利益のためにAMOをどのように訓練するのかと聞いてきた。

普通のものとは違う。未知のデータに対するトリッキーなオートチューニングや、ノイズ信号の選別などが必要で、人間とほぼ同じことができる。