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 30 1...232425262728293031323334353637...3399 新しいコメント Yury Reshetov 2016.06.30 14:19 #291 サンサニッチ・フォメンコ2.動画をご覧ください。申し訳ないが、無教養な博士号取得者のいつもの戯言．曰く、「買ったものは売る」。質問されたので、詳しい答えの動画をあげました。講師は賢いのではなく、統計的学習理論を説いているのです。をご覧ください。ヴァプニック V.N.統計的学習理論。NY: John Wiley, 1998.サンサニッチ・フォメンコ1.標本から少なくとも1つの有益な予測因子を取り除くと、一般化可能性が著しく低下すること。信じてください、残念ながらこれは何の証明にもならないのです。さらに、予測変数のセットが悪い（ノイズが多い）場合、この効果はノイズが多いほど強くなります。これは非常に簡単に説明すると、ノイズが多いほどアルゴリズムが「都合の良い」値を見つけやすくなるのです。よく言われるように、味と色に・・・。 サンサンフォーメンコ。ファイルについて1.あなたのデータで6つの分類モデルを構築するのに失敗しました：誤差は50％以上です。もしご希望であれば、ここに結果を掲載します 情報提供ありがとうございました。その結果はすでに明らかで、完全な欠如です。サンサニッチ・フォメンコ 2.この結果の理由は、予測変数のセットが非常に貧弱であること、つまりノイズ、つまりターゲット変数に関連しない予測変数を持っていることです。予測因子6、7、8は、ある程度の予測力を持つが、ごくわずかである。私はそのような予想屋とは一緒に仕事をしない。 他はノイズにしかならない。 まあまあ、ノイズがなければどんなバカでも正しく分類できる。ノイズはそこそこ、量もそこそこ。役立つ情報もあります。例えば、古いlibVMR 3.01 の結果は以下の通りです。/*** サンプル外でのモデリングの質。** TruePositives: 245* TrueNegative: 113* 偽陽性：191件* FalseNegatives: 73* 統計処理されたサンプルのパターン数：622個* アウトオブサンプルの総エラー数：264個* 汎化能力感度：56.19266055045872%。* 汎化能力の特異性：60.752688172043015%。* 一般化能力：16.94534872250173%。* レシェトフによる指標：0.1075044213677977*/つまり、一般化能力が17％近くアップしているんです。 新人の演技が目立つ。 Machine learning in trading: Dr. Trader 2016.06.30 21:10 #292 アレクセイ・ブルナコフ クロスバリデーションで成分数をピックアップする。クロスバリデーションで最適な値を出し、検証セットで確認する。また良くないものが出てきてしまった。min(trainwinrate. validate1winrate, validate2winrate) が他の成分量と比較して最大であるため、20個の成分量を取ることにしました。そして、フロントテストでは、以前よりさらに悪い、55％程度の結果を得ることができました。勝率が50％強（FXには向かない）、クロスバリデーションがうまくいかない、予測因子の重要度が取れないなど、おかしなモデルが出てきました。プリントアウトして壁に貼るしかないですね :) Dr. Trader 2016.06.30 21:13 #293 ユーリー・レシェトフ* TruePositives: 245* TrueNegative: 113* 偽陽性：191件* FalseNegatives: 73 test.csvの勝率は57.6％ということですね。私の方法で予測因子をふるい分け、ニューロンを訓練してみますので、明日結果を報告します。 Alexey Burnakov 2016.06.30 21:24 #294 Dr.トレーダーまた良くないものが出てきてしまった。min(trainwinrate. validate1winrate, validate2winrate) が他の成分量と比較して最大であるため、20個の成分量を取ることにしました。そして、フロントテストでは、以前よりさらに悪い、55％程度の結果を得ることができました。勝率が50％強（FXには向かない）、クロスバリデーションがうまくいかない、予測因子の重要度が取れないなど、おかしなモデルが出てきました。プリントアウトして壁に貼るしかないですね :) データが十分でない場合、クロスバリデーションは悪い結果をもたらす可能性があります。機械学習では、何万回もの観測が行われます。クロスバリデーションが悪いということは、モデル全体がそうなっているということです。 Alexey Burnakov 2016.06.30 21:27 #295 これが、私の大きな実験の結果です。風のバグでコードが途切れてしまい、全キャラクターでの学習が終わらなかった。でも、今はこれで十分です。ユーラスドに良い結果が出た。パラメータを指定せずに、私が見つけた最大値のみを表示しました。すでに良い結果が出ています。GBMの設定の微妙なところが効いていますね。 Dr. Trader 2016.06.30 21:46 #296 512分先のユーロドルを予測することで、1回の取引で1.5pipsを稼ぐことができますが、間違いないでしょうか？スプレッドも考慮されているのですか？また、その時の最大ドローダウンを知ることも重要で、その時のドローダウンがすべて200であれば、10pipsでも取引する意味はない。トレードの推定には、Sharpe Ratioを使うのが良いのでしょうが、Rでは見たことがありません、そもそも、次のような要素に限定できます：（最終利益）/（全時間におけるエクイティの最大ドローダウン）です。例えば、シグナル1があったとする。 このトレーダーは、1年間に1000%の利益を得たが、最大ドローダウンは50%であった。同時に、シグナル2は1年間で600％の利益しか出ていないが、最大ドローダウンは25％であった。トレーダー1の方が（利益面で）優れているように見えるかもしれないが、実際はそうではなく、リスクが2倍になっただけである。最初のトレーダーは1000/50=20、2番目のトレーダーは600/25=24である。ですから、2つ目のシグナルに登録し、保証金の50％をリスクにさらすのであれば、リスクを2倍にしたほうがよいでしょう。また、実験では、リスクを評価することも重要です。小さな間隔で取引する方が、ストップロスに引っかかるリスクを負って大きなドローダウンを待つよりも、価格の急騰に時間差で反応して利益を得ることができるため、はるかに収益性が高い場合があります。 Vladimir Suslov 2016.06.30 22:11 #297 アレクセイ・ブルナコフ同僚たち、もし時間があれば、記事の下で質問してくれませんか？https://habrahabr.ru/company/aligntechnology/blog/303750/。Habrが沈黙しているからだ! Hubrは沈黙しているのではない、Hubrは読んでいるのだ。 非常に多くの文字がある。 Alexey Burnakov 2016.07.01 08:18 #298 Dr.トレーダー512分先のユーロドルを予測することで、1回の取引で1.5pipsを稼ぐことができますが、間違いないでしょうか？スプレッドも考慮されているのですか？また、その時の最大ドローダウンを知ることも重要で、その時のドローダウンがすべて200であれば、10pipsでも取引する意味はない。トレードの見積もりには、Sharpe Ratioを使うのが良いのですが、Rでは見たことがありません。まず、次の係数を使います。（最終利益）/（全時間における自己資本の最大ドローダウン）です。例えば、シグナル1があったとする。 このトレーダーは、1年間に1000%の利益を得たが、最大ドローダウンは50%であった。同時に、シグナル2は1年間で600％の利益しか出ていないが、最大ドローダウンは25％であった。トレーダー1の方が（利益面で）優れているように見えるかもしれないが、実際はそうではなく、リスクが2倍になっただけである。最初のトレーダーは1000/50=20、2番目のトレーダーは600/25=24である。ですから、2つ目のシグナルに登録し、保証金の50％をリスクにさらすのであれば、リスクを2倍にしたほうがよいでしょう。また、実験では、リスクを評価することも重要です。小さな間隔で取引する方が、ストップロスのリスクを負って大きなドローダウンを待つよりも、価格の急騰に時間通りに反応して利益を得ることができるため、はるかに収益性が高くなる場合があります。 はい1.5pt、スプレッドは1です。他のすべての指標は一緒に評価されます：私は訓練されたモデルでmt4上のフクロウを投稿する予定です。残念ながら，RでSharpなどを計算することはできません。なぜなら，49個のランダムなサンプルがあり，トレードのシーケンスが復元できないからです。結果は、特にeurusdの13000の取引について与えられている。 Yury Reshetov 2016.07.01 09:26 #299 Dr.トレーダー では、test.csvでの勝率は57.6％ですね？私の方法で予測因子をふるい分け、ニューロンを学習させ、明日結果を報告する予定です。利益ではなく、将来の価格の方向性を正しく予測した数です。分類器は、テストサンプルに対して2つの値のいずれかを生成します：正 - 将来の価格上昇が予想される、負 - 将来の価格低下が予想される。テストサンプルを正しく予測した場合、「真」が割り当てられます。もしそれが間違っているならば、それは偽りである。 一般化能力の感度：56.19266055045872% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 100% * 245 / 436 = 56.192660550458715% - 一般化能力の感度：56.19266055046% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 245 = 56.1926605504715一般化能力の特異性：60.752688172043015% - 将来の価格下落を正しく予測：100% * TN / (TN + FN) = 100% * 113 / (113 + 73) = 100% * 113 / 186 = 60.75268817204302 Alexey Burnakov 2016.07.01 14:29 #300 ユーリー・レシェトフ利益ではなく、将来の価格の方向性を正しく予測した数です。テストサンプルの分類器は2つの値のいずれかを生成します：ポジティブ - 将来の価格上昇を仮定、ネガティブ - 将来の価格下落を仮定。テストサンプルを正しく予測した場合、「真」が割り当てられます。もしそれが間違っているならば、それは偽りである。 一般化能力の感度：56.19266055045872% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 100% * 245 / 436 = 56.192660550458715% - 一般化能力の感度：56.19266055046% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 245 = 56.1926605504715一般化能力の特異性：60.752688172043015% - 将来の価格下落を正しく予測：100% * TN / (TN + FN) = 100% * 113 / (113 + 73) = 100% * 113 / 186 = 60.75268817204302ユーリ、あなたのデータで最初のトライアルを。 方法 loss_function cv_folds bag_frac model_params AUC_cv accuracy_train accuracy_validate ジーエムビー ベルヌーイ 4 0.4 0.015_|_7_|_70_|_600 0.429659 0.590361 0.50501 ジーエムビー ベルヌーイ 4 0.6 0.02_|_5_|_110_|_600 0.485727 0.586345 0.51503 学習用の2種類のパラメータ値セット。注目すべきは、クロスバリデーションでAUCがプラマイゼロ以下になっていることである。全体としては、51.5％のテスト精度が最高であることが判明しました。6割をどう回避するのかもわからない。 1...232425262728293031323334353637...3399 新しいコメント 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
2.動画をご覧ください。
申し訳ないが、無教養な博士号取得者のいつもの戯言．
曰く、「買ったものは売る」。質問されたので、詳しい答えの動画をあげました。講師は賢いのではなく、統計的学習理論を説いているのです。
をご覧ください。ヴァプニック V.N.統計的学習理論。NY: John Wiley, 1998.
サンサニッチ・フォメンコ
1.標本から少なくとも1つの有益な予測因子を取り除くと、一般化可能性が著しく低下すること。
信じてください、残念ながらこれは何の証明にもならないのです。さらに、予測変数のセットが悪い（ノイズが多い）場合、この効果はノイズが多いほど強くなります。これは非常に簡単に説明すると、ノイズが多いほどアルゴリズムが「都合の良い」値を見つけやすくなるのです。
よく言われるように、味と色に・・・。
サンサンフォーメンコ。
ファイルについて
1.あなたのデータで6つの分類モデルを構築するのに失敗しました：誤差は50％以上です。もしご希望であれば、ここに結果を掲載します
サンサニッチ・フォメンコ
2.この結果の理由は、予測変数のセットが非常に貧弱であること、つまりノイズ、つまりターゲット変数に関連しない予測変数を持っていることです。予測因子6、7、8は、ある程度の予測力を持つが、ごくわずかである。私はそのような予想屋とは一緒に仕事をしない。 他はノイズにしかならない。まあまあ、ノイズがなければどんなバカでも正しく分類できる。ノイズはそこそこ、量もそこそこ。役立つ情報もあります。例えば、古いlibVMR 3.01 の結果は以下の通りです。
/**
* サンプル外でのモデリングの質。
*
* TruePositives: 245
* TrueNegative: 113
* 偽陽性：191件
* FalseNegatives: 73
* 統計処理されたサンプルのパターン数：622個
* アウトオブサンプルの総エラー数：264個
* 汎化能力感度：56.19266055045872%。
* 汎化能力の特異性：60.752688172043015%。
* 一般化能力：16.94534872250173%。
* レシェトフによる指標：0.1075044213677977
*/
つまり、一般化能力が17％近くアップしているんです。
新人の演技が目立つ。
クロスバリデーションで成分数をピックアップする。クロスバリデーションで最適な値を出し、検証セットで確認する。
また良くないものが出てきてしまった。min(trainwinrate. validate1winrate, validate2winrate) が他の成分量と比較して最大であるため、20個の成分量を取ることにしました。そして、フロントテストでは、以前よりさらに悪い、55％程度の結果を得ることができました。勝率が50％強（FXには向かない）、クロスバリデーションがうまくいかない、予測因子の重要度が取れないなど、おかしなモデルが出てきました。プリントアウトして壁に貼るしかないですね :)
* TruePositives: 245
* TrueNegative: 113
* 偽陽性：191件
* FalseNegatives: 73
また良くないものが出てきてしまった。min(trainwinrate. validate1winrate, validate2winrate) が他の成分量と比較して最大であるため、20個の成分量を取ることにしました。そして、フロントテストでは、以前よりさらに悪い、55％程度の結果を得ることができました。勝率が50％強（FXには向かない）、クロスバリデーションがうまくいかない、予測因子の重要度が取れないなど、おかしなモデルが出てきました。プリントアウトして壁に貼るしかないですね :)
これが、私の大きな実験の結果です。風のバグでコードが途切れてしまい、全キャラクターでの学習が終わらなかった。でも、今はこれで十分です。ユーラスドに良い結果が出た。
パラメータを指定せずに、私が見つけた最大値のみを表示しました。すでに良い結果が出ています。GBMの設定の微妙なところが効いていますね。
512分先のユーロドルを予測することで、1回の取引で1.5pipsを稼ぐことができますが、間違いないでしょうか？スプレッドも考慮されているのですか？また、その時の最大ドローダウンを知ることも重要で、その時のドローダウンがすべて200であれば、10pipsでも取引する意味はない。トレードの推定には、Sharpe Ratioを使うのが良いのでしょうが、Rでは見たことがありません、そもそも、次のような要素に限定できます：（最終利益）/（全時間におけるエクイティの最大ドローダウン）です。
例えば、シグナル1があったとする。 このトレーダーは、1年間に1000%の利益を得たが、最大ドローダウンは50%であった。同時に、シグナル2は1年間で600％の利益しか出ていないが、最大ドローダウンは25％であった。トレーダー1の方が（利益面で）優れているように見えるかもしれないが、実際はそうではなく、リスクが2倍になっただけである。最初のトレーダーは1000/50=20、2番目のトレーダーは600/25=24である。ですから、2つ目のシグナルに登録し、保証金の50％をリスクにさらすのであれば、リスクを2倍にしたほうがよいでしょう。
また、実験では、リスクを評価することも重要です。小さな間隔で取引する方が、ストップロスに引っかかるリスクを負って大きなドローダウンを待つよりも、価格の急騰に時間差で反応して利益を得ることができるため、はるかに収益性が高い場合があります。
同僚たち、もし時間があれば、記事の下で質問してくれませんか？https://habrahabr.ru/company/aligntechnology/blog/303750/。
Habrが沈黙しているからだ!
非常に多くの文字がある。
512分先のユーロドルを予測することで、1回の取引で1.5pipsを稼ぐことができますが、間違いないでしょうか？スプレッドも考慮されているのですか？また、その時の最大ドローダウンを知ることも重要で、その時のドローダウンがすべて200であれば、10pipsでも取引する意味はない。トレードの見積もりには、Sharpe Ratioを使うのが良いのですが、Rでは見たことがありません。まず、次の係数を使います。（最終利益）/（全時間における自己資本の最大ドローダウン）です。
例えば、シグナル1があったとする。 このトレーダーは、1年間に1000%の利益を得たが、最大ドローダウンは50%であった。同時に、シグナル2は1年間で600％の利益しか出ていないが、最大ドローダウンは25％であった。トレーダー1の方が（利益面で）優れているように見えるかもしれないが、実際はそうではなく、リスクが2倍になっただけである。最初のトレーダーは1000/50=20、2番目のトレーダーは600/25=24である。ですから、2つ目のシグナルに登録し、保証金の50％をリスクにさらすのであれば、リスクを2倍にしたほうがよいでしょう。
また、実験では、リスクを評価することも重要です。小さな間隔で取引する方が、ストップロスのリスクを負って大きなドローダウンを待つよりも、価格の急騰に時間通りに反応して利益を得ることができるため、はるかに収益性が高くなる場合があります。
では、test.csvでの勝率は57.6％ですね？私の方法で予測因子をふるい分け、ニューロンを学習させ、明日結果を報告する予定です。
利益ではなく、将来の価格の方向性を正しく予測した数です。分類器は、テストサンプルに対して2つの値のいずれかを生成します：正 - 将来の価格上昇が予想される、負 - 将来の価格低下が予想される。テストサンプルを正しく予測した場合、「真」が割り当てられます。もしそれが間違っているならば、それは偽りである。
一般化能力の感度：56.19266055045872% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 100% * 245 / 436 = 56.192660550458715% - 一般化能力の感度：56.19266055046% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 245 = 56.1926605504715
一般化能力の特異性：60.752688172043015% - 将来の価格下落を正しく予測：100% * TN / (TN + FN) = 100% * 113 / (113 + 73) = 100% * 113 / 186 = 60.75268817204302
利益ではなく、将来の価格の方向性を正しく予測した数です。テストサンプルの分類器は2つの値のいずれかを生成します：ポジティブ - 将来の価格上昇を仮定、ネガティブ - 将来の価格下落を仮定。テストサンプルを正しく予測した場合、「真」が割り当てられます。もしそれが間違っているならば、それは偽りである。
一般化能力の感度：56.19266055045872% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 100% * 245 / 436 = 56.192660550458715% - 一般化能力の感度：56.19266055046% - 将来の価格上昇が正しい：100% * TP / (TP + FP) = 100% * 245 / (245 + 191) = 245 = 56.1926605504715
一般化能力の特異性：60.752688172043015% - 将来の価格下落を正しく予測：100% * TN / (TN + FN) = 100% * 113 / (113 + 73) = 100% * 113 / 186 = 60.75268817204302
ユーリ、あなたのデータで最初のトライアルを。
学習用の2種類のパラメータ値セット。注目すべきは、クロスバリデーションでAUCがプラマイゼロ以下になっていることである。
全体としては、51.5％のテスト精度が最高であることが判明しました。
6割をどう回避するのかもわからない。