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 3038 1...303130323033303430353036303730383039304030413042304330443045...3399 新しいコメント Aleksey Vyazmikin 2023.04.16 20:25 #30371 Maxim Dmitrievsky #:私もあまり好きではないが、アレクセイは効果があると言っている。しかし、アレクセイは効果があると言っている。問題は、なぜ彼がそれを使わないのかということだ。 ルールを選択することが判明したが、その中には毎年安定して機能しないものもあれば、まったく機能しなくなるものもあれば、安定して機能し続けるものもあることを理解しておく必要がある。 もちろん、私たちは機能し続けるものに興味がある。他のものと区別するのは、どんなTSでも大幅に改善するミステリーである。 それこそ、限られたセクションの予測因子を選択することで、良いルールの潜在的な数を増やそうとしているのだ。そのためには、ルールを作成するために使用する各予測子の「安定した」パフォーマンスの領域を特定する必要がある。これが現在私が興味を持っている課題である。 私はこれらのルールをマイニングするために、今よりもコストのかからない方法を探しているので、他のターゲットでは実験していません。 この2つの方法を比較するための共同研究を行わないことに決めたということですが、正しく理解できましたか？ Maxim Dmitrievsky 2023.04.16 20:31 #30372 Aleksey Vyazmikin #:しかし、その中には毎年安定して機能しないものもあれば、まったく機能しなくなるものもある。もちろん、私たちは機能し続けるものに興味がある。それらを他と区別するのは、どんなTSでも大幅に改善するミステリーである。それこそが、限られたセクションの予測因子を選択することで、良いルールの数を潜在的に増やそうとしていることなのだ。そのためには、ルールを作成するために使用する各予測子の「安定した」パフォーマンスの領域を特定する必要がある。これが現在私が興味を持っている課題である。私はこれらのルールをマイニングするために、今よりもコストのかからない方法を探しているので、他のターゲットでは実験していない。2つの方法を比較するための共同研究を行わないことに決めたということですが、正しく理解できましたか？ 今のところ自動でやろうと思っています。 mytarmailS 2023.04.16 20:49 #30373 Aleksey Vyazmikin #:しかし、その中には毎年安定して機能しない ものもあれば、 まったく機能しなく なる ものも ある。 実は、1000人のTCを無作為に抽出しても、まったく同じ結果になる。 さらに、テスト 用にもう1つのサンプル、4番目のタイプ（Train-Test-Valid-Test2. その結果、"他の部分は着実に機能して いる" ことがわかる。 まったく同じではうまくいかないのである）。 すべてランダムであり、発見されたパターンも実はランダムなのである。 Aleksey Vyazmikin 2023.04.16 21:09 #30374 mytarmailS #:1,000人のTCを無作為に選んだとしても、まったく同じ結果が得られるということだ。さらに、テスト 用に別のサンプルを作れば、Train-Test-Valid-Test2という 4番目のタイプになる。を作れば、"他の部分が安定して働き続けて いる" ことがわかるだろう。は同じようには働かないだろう ))すべてランダムであり、見つけたパターンも実はランダムなのだ。 私は10000のモデルを訓練してきたが、これはそうではないことを知っている - ほとんどのモデルは新しいデータで機能しなくなる。 そして、葉は - そう、あなたは明らかに注意深く読んでいない - 私は検証を含め、2014年から2019年（数ヶ月）のデータで訓練し、2021年にそれらがどのように機能するかを示したと書いた - つまり、ここでは、将来を見ずに、正直なテストだった - 利益50％である。 すべてはランダムかもしれないが、すべてのランダムは、それがランダムでないことが起こるに従って周期性を持っている :) mytarmailS 2023.04.16 21:23 #30375 Aleksey Vyazmikin #:私は1万個のモデルをトレーニングしてきたが、そうではないことを知っている。そして、葉は - そう、あなたは明らかに注意深く読んでいない - 私は、検証を含め、2014年から2019年（数ヶ月）のデータで訓練し、2021年にそれらがどのように機能するかを示したと書いた - つまり、ここでは、将来を見据えることなく、正直なテストだった - 利益の50％である。すべてがランダムなのかもしれないが、すべてのランダムには循環性があり、それによればランダムではない :) 循環的でない循環性...あなたはランダムに戻ってきた。 Andrey Dik 2023.04.17 06:56 #30376 Maxim Dmitrievsky #: FFで定常状態を得れば、それは定常状態のTCを特徴づけるというような？これがクルワフィッティングであることは誰もが気づいている 偶然、力技で安定したFSを得る唯一の方法だ。 FFは安定したTCの規則を記述しなければならない。もしTCが不安定だとわかったら、FFのルールは間違っていることになる。 問題は、そのようなFFのルールをまだ誰も見つけられていないことだ（少なくとも私は見たことがない）。2つの方法がある。TSを単純化して自由度をできるだけ少なくするか、つまり安定したドレインか安定した注ぎになる可能性を高くするか、あるいはFFのルールを見つけるかだ。 一般的に、グレイル・ビルダーにとって普遍的なアクションのセットは存在しない。第3の方法として、ChatGPTのような柔軟な自己学習AIを作る方法もありますが、ここでもトレーニングに使われるのはFFです。FFは常に何らかの形で存在し、それを取り除く方法はありません。 問題は、安定したTSの構築にあるのではなく、FFに込められた記述特性にあるのです。 Mikhail Mishanin 2023.04.17 07:04 #30377 Andrey Dik #:FFは安定したTCのルールを記述すべきである。TCが不安定であることが判明した場合、FFのルールは間違っていることになる。 問題は、そのようなFFのルールを誰も見つけることができていないことだ（少なくとも私は見たことがない）。2つの方法がある。TSを単純化して自由度をできるだけ少なくするか、つまり安定したドレインか安定した注ぎになる可能性を高くするか、あるいはFFのルールを見つけるかだ。 一般的に、グレイル・ビルダーにとって普遍的なアクションのセットは存在しない。第3の方法として、ChatGPTのような柔軟な自己学習AIを作る方法もあるが、ここでもトレーニングに使われるFFがある。FFは常に何らかの形で存在し、それを取り除く方法はありません。問題は、安定したTSの構築にあるのではなく、FFに込められた記述特性にあるのです。 持続可能なTSを構築することではなく」、「持続的に利益を生むTSを構築／選択／進化させる技術に問題があるのであり、我々はそのために努力して いるのだ。 СанСаныч Фоменко 2023.04.17 07:31 #30378 Andrey Dik #:FFは安定したTCのルールを記述すべきである。TCが不安定であることが判明した 場合、FFのルールは間違って いることになる。 FFは定義上、いかなる問題も解決できない。単位パーセンテージで改善できることがたくさんあるか、ないかのどちらかだ。ゴミをいくら掘り返しても、ゴミはゴミのままである。 したがって、ターゲットと予測因子の関係を最初に 検討する。さらに、この関係の定量的評価が必要であり、さらに関係の評価だけでなく、予測変数 （教師）の将来の値を予測する予測変数の 能力の定量的評価が必要である。この推論の連鎖の中にFFの居場所はないので、何百とあるMOアルゴリズムを、特定のアルゴリズムで何かを「改善」しようとすることなく、あからさまに取り上げて／選んで、ブラックボックスとして使うことができる。 さらに、FFクラスというのは危ういもので、歴史に当てはめすぎの臭いが強すぎる。 СанСаныч Фоменко 2023.04.17 07:41 #30379 Forester #:その通り。、20％にも8％にも50％にも何の意味もない。数字には何の意味もない。 バランスは興味深い。グラフはないのか？ 分類エラーという欄があるが、今は分類は関係ない。 理解するのは不可能だ。理解できればいいのだが。 もっと明確に結果を述べられるのでは？ mytarmailS 2023.04.17 07:54 #30380 クレイジー、クレイジー、クレイジー、クレイジー、クレイジー。いつ終わるんだ？ 1...303130323033303430353036303730383039304030413042304330443045...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
私もあまり好きではないが、アレクセイは効果があると言っている。
しかし、アレクセイは効果があると言っている。問題は、なぜ彼がそれを使わないのかということだ。
ルールを選択することが判明したが、その中には毎年安定して機能しないものもあれば、まったく機能しなくなるものもあれば、安定して機能し続けるものもあることを理解しておく必要がある。
もちろん、私たちは機能し続けるものに興味がある。他のものと区別するのは、どんなTSでも大幅に改善するミステリーである。
それこそ、限られたセクションの予測因子を選択することで、良いルールの潜在的な数を増やそうとしているのだ。そのためには、ルールを作成するために使用する各予測子の「安定した」パフォーマンスの領域を特定する必要がある。これが現在私が興味を持っている課題である。
私はこれらのルールをマイニングするために、今よりもコストのかからない方法を探しているので、他のターゲットでは実験していません。
この2つの方法を比較するための共同研究を行わないことに決めたということですが、正しく理解できましたか？
しかし、その中には毎年安定して機能しないものもあれば、まったく機能しなくなるものもある。
もちろん、私たちは機能し続けるものに興味がある。それらを他と区別するのは、どんなTSでも大幅に改善するミステリーである。
それこそが、限られたセクションの予測因子を選択することで、良いルールの数を潜在的に増やそうとしていることなのだ。そのためには、ルールを作成するために使用する各予測子の「安定した」パフォーマンスの領域を特定する必要がある。これが現在私が興味を持っている課題である。
私はこれらのルールをマイニングするために、今よりもコストのかからない方法を探しているので、他のターゲットでは実験していない。
2つの方法を比較するための共同研究を行わないことに決めたということですが、正しく理解できましたか？
今のところ自動でやろうと思っています。
しかし、その中には毎年安定して機能しない ものもあれば、 まったく機能しなく なる ものも ある。
実は、1000人のTCを無作為に抽出しても、まったく同じ結果になる。
さらに、テスト 用にもう1つのサンプル、4番目のタイプ（Train-Test-Valid-Test2.
その結果、"他の部分は着実に機能して いる" ことがわかる。
まったく同じではうまくいかないのである）。
すべてランダムであり、発見されたパターンも実はランダムなのである。
1,000人のTCを無作為に選んだとしても、まったく同じ結果が得られるということだ。
さらに、テスト 用に別のサンプルを作れば、Train-Test-Valid-Test2という 4番目のタイプになる。
を作れば、"他の部分が安定して働き続けて いる" ことがわかるだろう。
は同じようには働かないだろう ))
すべてランダムであり、見つけたパターンも実はランダムなのだ。
私は10000のモデルを訓練してきたが、これはそうではないことを知っている - ほとんどのモデルは新しいデータで機能しなくなる。
そして、葉は - そう、あなたは明らかに注意深く読んでいない - 私は検証を含め、2014年から2019年（数ヶ月）のデータで訓練し、2021年にそれらがどのように機能するかを示したと書いた - つまり、ここでは、将来を見ずに、正直なテストだった - 利益50％である。
すべてはランダムかもしれないが、すべてのランダムは、それがランダムでないことが起こるに従って周期性を持っている :)
私は1万個のモデルをトレーニングしてきたが、そうではないことを知っている。
そして、葉は - そう、あなたは明らかに注意深く読んでいない - 私は、検証を含め、2014年から2019年（数ヶ月）のデータで訓練し、2021年にそれらがどのように機能するかを示したと書いた - つまり、ここでは、将来を見据えることなく、正直なテストだった - 利益の50％である。
すべてがランダムなのかもしれないが、すべてのランダムには循環性があり、それによればランダムではない :)
FFで定常状態を得れば、それは定常状態のTCを特徴づけるというような？これがクルワフィッティングであることは誰もが気づいている
FFは安定したTCの規則を記述しなければならない。もしTCが不安定だとわかったら、FFのルールは間違っていることになる。
問題は、そのようなFFのルールをまだ誰も見つけられていないことだ（少なくとも私は見たことがない）。2つの方法がある。TSを単純化して自由度をできるだけ少なくするか、つまり安定したドレインか安定した注ぎになる可能性を高くするか、あるいはFFのルールを見つけるかだ。
一般的に、グレイル・ビルダーにとって普遍的なアクションのセットは存在しない。第3の方法として、ChatGPTのような柔軟な自己学習AIを作る方法もありますが、ここでもトレーニングに使われるのはFFです。FFは常に何らかの形で存在し、それを取り除く方法はありません。
問題は、安定したTSの構築にあるのではなく、FFに込められた記述特性にあるのです。
FFは安定したTCのルールを記述すべきである。TCが不安定であることが判明した場合、FFのルールは間違っていることになる。
問題は、そのようなFFのルールを誰も見つけることができていないことだ（少なくとも私は見たことがない）。2つの方法がある。TSを単純化して自由度をできるだけ少なくするか、つまり安定したドレインか安定した注ぎになる可能性を高くするか、あるいはFFのルールを見つけるかだ。
一般的に、グレイル・ビルダーにとって普遍的なアクションのセットは存在しない。第3の方法として、ChatGPTのような柔軟な自己学習AIを作る方法もあるが、ここでもトレーニングに使われるFFがある。FFは常に何らかの形で存在し、それを取り除く方法はありません。
問題は、安定したTSの構築にあるのではなく、FFに込められた記述特性にあるのです。
持続可能なTSを構築することではなく」、「持続的に利益を生むTSを構築／選択／進化させる技術に問題があるのであり、我々はそのために努力して いるのだ。
FFは安定したTCのルールを記述すべきである。TCが不安定であることが判明した 場合、FFのルールは間違って いることになる。
FFは定義上、いかなる問題も解決できない。単位パーセンテージで改善できることがたくさんあるか、ないかのどちらかだ。ゴミをいくら掘り返しても、ゴミはゴミのままである。
したがって、ターゲットと予測因子の関係を最初に 検討する。さらに、この関係の定量的評価が必要であり、さらに関係の評価だけでなく、予測変数 （教師）の将来の値を予測する予測変数の 能力の定量的評価が必要である。この推論の連鎖の中にFFの居場所はないので、何百とあるMOアルゴリズムを、特定のアルゴリズムで何かを「改善」しようとすることなく、あからさまに取り上げて／選んで、ブラックボックスとして使うことができる。
さらに、FFクラスというのは危ういもので、歴史に当てはめすぎの臭いが強すぎる。
その通り。
、20％にも8％にも50％にも何の意味もない。数字には何の意味もない。
バランスは興味深い。グラフはないのか？
分類エラーという欄があるが、今は分類は関係ない。
理解するのは不可能だ。理解できればいいのだが。
もっと明確に結果を述べられるのでは？