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 3042 1...303530363037303830393040304130423043304430453046304730483049...3399 新しいコメント mytarmailS 2023.04.21 10:34 #30411 データからいくつかの「良い」ルール/戦略を抽出する... 全ステップ 1) データの変換と正規化 2) モデルのトレーニング 3) ルール抽出 4) ルールのフィルタリング 5) 可視化 コードを用意し、データを代入するだけである。 close <- cumsum(rnorm(10000,sd = 0.00001))+100 par(mar=c(2,2,2,2)) plot(close,t="l") sw <- embed(x = close,dimension = 10)[,10:1] # make slide window data X <- t(apply(sw,1,scale)) # normalase data dp <- c(diff(close),0) # diff prices Y <- as.factor( ifelse(dp>=0,1,-1) ) # target for classification tr <- 1:500 library(inTrees) # ?inTrees::getRuleMetric() library(RRF) rf <- RRF(x = X[tr,],y = Y[tr],ntree=100) rule <- getRuleMetric(unique(extractRules(RF2List(rf),X[tr,])),X[tr,],Y[tr]) rule <- data.frame(rule,stringsAsFactors = F) for(i in c(1,2,3,5)) rule[,i] <- as.numeric(rule[,i]) buy_rules <- rule$condition[ rule$pred==1 ] plot(x = 1:1000,y = rep(NA,1000), ylim = c(-0.001,0.001)) for(i in 1:length(buy_rules)){ cum_profit <- cumsum( dp[ eval(str2expression(buy_rules[i])) ] ) lines(cum_profit,col=8,lwd=1) } for(i in 1:length(buy_rules)){ cum_profit <- cumsum( dp[ eval(str2expression(buy_rules[i])) ] ) ccor <- cor(cum_profit, 1:length(cum_profit)) if(ccor>=0.9) lines(cum_profit,col=i,lwd=2) } abline(h = 0,col=2,lty=2) 疑問なのは、もしランダムで "働くTC "を見つけることができたとして、実際のデータで見つかったTCがランダムではないことを証明する方法はあるのだろうか? アレクセイはここでそれをやっているが、この種のタスクのための統計的検定があるのだろうか? Maxim Dmitrievsky 2023.04.21 17:41 #30412 chatgptに聞くと、人間よりも有益な答えが返ってくることが多い :)プロンプトだけでボットを ゼロから書くという実験をしてみたい。 Valeriy Yastremskiy 2023.04.21 19:09 #30413 Maxim Dmitrievsky ボットを ゼロから書くという実験をしてみたい。 なぜですか?リリスに勝つため?とはいえ、何を...............I'd like to))))))))))))))))))))))))巧みな手にかかると、実にクールな道具だ(笑)。 Maxim Dmitrievsky 2023.04.21 19:36 #30414 Valeriy Yastremskiy #:どうして?リリスを出し抜くため?リリスに勝つため?sya))))。正しい使い方をすれば、本当にクールなツールだよ。) プログラミングのメタレベルだし、それに彼女はパイソンを完璧に知ってる。私はソファに寝転がりながら、声でプロンプトを出すこともあります。アイデアはあるんだけど、またこのコードを書くのが億劫になることがよくあるんだ :)。 Valeriy Yastremskiy 2023.04.21 20:13 #30415 Maxim Dmitrievsky #: メタレベルのプログラミングで、しかも彼女はパイソンを完璧に知っている。ソファに寝転がりながら音声でプロンプトを出すこともあります。アイデアはあるんだけど、またこのコードを書くのが億劫になることがよくあるんだ :) そうだね、正しい質問はメタレベルだね。) まあ、コード実行の正しさをチェックすることだ)) Maxim Dmitrievsky 2023.04.21 23:27 #30416 Valeriy Yastremskiy #:私は同意する、適切に提起された質問はメタレベルである)))) まあ、そしてコード実行の正しさをチェックする) 口を動かさなくていいように、ニューラル・インターフェースをくれ。 mytarmailS 2023.04.22 08:14 #30417 劣化だと思う Aleksey Nikolayev 2023.04.23 09:03 #30418 mytarmailS #:データからいくつかの "良い "ルール/戦略を抽出する...フルステップ1) データの変換と正規化2) モデルのトレーニング3) ルール抽出4) ルール・フィルタリング5) 視覚化すぐに使えるコード、データを置き換えるだけ問題は、もしランダムで "働くTC "を見つけることができるのであれば、実際のデータで見つかったTCがランダムでないことを どのような方法で証明 できるかということだ。アレクセイはここでそれをやっているが、この種のタスクに対する統計的検定が あるのだろうか? このような問題にmatstatを適用する際の主な問題は、TCの探索が多数の変種からの選択によって行われることです。単純な例として、価格をSBとしてモデル化することで、取引に適した週の時間帯を常に「見つける」ことができることをここで示したことがある。そして、それは120のバリエーションから選択するだけです。 matstatは、選択されたTSが必ずしも悪いとは言っておらず、そのような結果はSBからの選択の結果である可能性がある(MUSTではない)と言っているだけである。 Aleksey Vyazmikin 2023.04.23 09:13 #30419 mytarmailS #:データからいくつかの "良い "ルール/戦略を抽出する... 起動時にエラーが出る > sw <- embed(x = close,dimension = 10)[,10:1] # make slide window data Error in h(simpleError(msg, call)) : ошибка при оценке аргумента '.data' при выборе метода для функции 'embed': argument ".data" is missing, with no default Aleksey Nikolayev 2023.04.23 09:19 #30420 純粋に理論的な疑問として、あるONNXモデルは別のONNXモデルを導き出すために使用できるのか、というものがある。例えば、最初のモデルは、定期的に新しいデータで再学習し、作業モデルを更新するために使われます。つまり、パイソンなどを使わずに。 一見したところ、このようなことはできそうにありませんが、このようなことを試みた人がいるかもしれません。 私はAIから意味のある答えを得ることができませんでした - それはできると書き、質問とは何の関係もない参考文献を引用しています)。 1...303530363037303830393040304130423043304430453046304730483049...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
データからいくつかの「良い」ルール/戦略を抽出する...
全ステップ
1) データの変換と正規化
2) モデルのトレーニング
3) ルール抽出
4) ルールのフィルタリング
5) 可視化
コードを用意し、データを代入するだけである。
疑問なのは、もしランダムで "働くTC "を見つけることができたとして、実際のデータで見つかったTCがランダムではないことを証明する方法はあるのだろうか?
アレクセイはここでそれをやっているが、この種のタスクのための統計的検定があるのだろうか?
なぜですか?リリスに勝つため?とはいえ、何を...............I'd like to))))))))))))))))))))))))巧みな手にかかると、実にクールな道具だ(笑)。
どうして?リリスを出し抜くため?リリスに勝つため?sya))))。正しい使い方をすれば、本当にクールなツールだよ。)
メタレベルのプログラミングで、しかも彼女はパイソンを完璧に知っている。ソファに寝転がりながら音声でプロンプトを出すこともあります。アイデアはあるんだけど、またこのコードを書くのが億劫になることがよくあるんだ :)
そうだね、正しい質問はメタレベルだね。)
まあ、コード実行の正しさをチェックすることだ))私は同意する、適切に提起された質問はメタレベルである))))
まあ、そしてコード実行の正しさをチェックする)データからいくつかの "良い "ルール/戦略を抽出する...
フルステップ
1) データの変換と正規化
2) モデルのトレーニング
3) ルール抽出
4) ルール・フィルタリング
5) 視覚化
すぐに使えるコード、データを置き換えるだけ
問題は、もしランダムで "働くTC "を見つけることができるのであれば、実際のデータで見つかったTCがランダムでないことを どのような方法で証明 できるかということだ。
アレクセイはここでそれをやっているが、この種のタスクに対する統計的検定が あるのだろうか?
このような問題にmatstatを適用する際の主な問題は、TCの探索が多数の変種からの選択によって行われることです。単純な例として、価格をSBとしてモデル化することで、取引に適した週の時間帯を常に「見つける」ことができることをここで示したことがある。そして、それは120のバリエーションから選択するだけです。
matstatは、選択されたTSが必ずしも悪いとは言っておらず、そのような結果はSBからの選択の結果である可能性がある(MUSTではない)と言っているだけである。
データからいくつかの "良い "ルール/戦略を抽出する...
起動時にエラーが出る
純粋に理論的な疑問として、あるONNXモデルは別のONNXモデルを導き出すために使用できるのか、というものがある。例えば、最初のモデルは、定期的に新しいデータで再学習し、作業モデルを更新するために使われます。つまり、パイソンなどを使わずに。
一見したところ、このようなことはできそうにありませんが、このようなことを試みた人がいるかもしれません。
私はAIから意味のある答えを得ることができませんでした - それはできると書き、質問とは何の関係もない参考文献を引用しています)。