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 3056 1...304930503051305230533054305530563057305830593060306130623063...3399 新しいコメント Maxim Dmitrievsky 2023.05.03 19:25 #30551 mytarmailS #: たった1行のコードだ。そして、自己欺瞞に陥らないように、自分のためだけに、自分でやるべきだったんだ......。だから、あなたがまだ知らないというのは奇妙なことだ。:) しかし、私たちはそれについて知る必要はない:) この話題について何か?読むと面白いですよ。いや~まあ、神に感謝 mytarmailS 2023.05.03 19:28 #30552 Maxim Dmitrievsky #: この話題について何か? いや、よかった。 話題になっていない? 何がそんなにおかしいんだ? fxsaber 2023.05.03 20:25 #30553 Maxim Dmitrievsky #:matstatレベルであろう。新しいデータ(検証サブサンプル)において、複数のモデルが平均して同じことを予測するのに間違っている場合、それはまったく予測不可能であり、"取引しない "ことに移行する。 特定の時間とサイン/シグナルの対応する値を "同じもの "とみなすことができる。 時々、穴の開いたキルトを取得し、(ゴミを捨てて)再フィッティングを行いました。その後、残りのキルトのピースを分類し、いくつかの穴をダーニングして、すでに小さなキルトを得る。その後、もう何も捨てずに、それぞれの小さなキルトをトレーニングした。 このようにして、オーバーフィッティングは予測可能な島を素早く特定するのに役立った。同時に、再適合から逃れることもできた。 例えば、私は午後に30分間続く長時間のパターンを見つけた。 Maxim Dmitrievsky 2023.05.03 21:56 #30554 fxsaber #:時々、(ゴミを混ぜて)仕立て直しをして、穴のあいたキルトを作った。そして、残ったキルトのピースを分類し、穴のいくつかを縢り、小さなキルトを作る。その後、それぞれの小さなキルトを捨てずに訓練した。このようにして、オーバーフィッティングは予測可能な島を素早く特定するのに役立った。同時に、オーバーフィッティングからの脱却にも役立った。例えば、午後に30分間続く長時間のパターンを見つけた。 毛玉はすでに小さな毛布に乗っていたのだろうか?:) fxsaber 2023.05.04 05:54 #30555 Maxim Dmitrievsky #: 毛玉はもう小さな毛布の上を転げ回った?:) はい、そうでないと、意味がなくなります。 Maxim Dmitrievsky 2023.05.04 06:31 #30556 fxsaber #:そうでないと、意味がなくなってしまう。 また、トレーニングのないサブサンプルとトレーニングのあるサブサンプルをols回帰係数(「治療」の効果の推定)によって比較する場合、パンで表現することもできます。 T=1が治療ありのサンプル、T=0が治療なしのサンプルで、平均が治療効果の有無の差である。 因果推論はまだまだ未熟です。 fxsaber 2023.05.04 09:56 #30557 Maxim Dmitrievsky #:また、トレーニングのないサブサンプルとトレーニングのあるサブサンプルを比較する際に、ols回帰係数を用いてパンを表現することも可能である(「トリートメント」効果の推定)。T=1 標本は治療あり、T=0 標本は治療なし、平均は平均で治療効果があったかどうかの差である。 私は関連に弱い。MEの理解はゼロ。 因果推論はやっぱり苦手。 コミュニケーションの形式が悪いだけなのに、変な人だ。間違いなく、深く考える良いきっかけになる。本当に市場に蹴られた。 mytarmailS 2023.05.05 16:11 #30558 ーグラフはー乱数関数でーによってーによってーによってーによってー のののののののののののののののののののののののののののののののののののののののののす。 ー ローソク足のー、ー エスキモー、ー テイクオーバーーーーすべてそこにある。 library(quantmod) library(xts) len <- 20000 times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec") random_prices <- cumsum(rnorm(len)) s <- as.xts(random_prices,order.by = times) s <- to.period(s,period = "minutes",k = 5,indexAt = 'startof') chart_Series(s) ーなにがー本物、ーなにがー錯覚ー そして、筆者の正確なインプットのテクニックは、そこでも機能する。 mytarmailS 2023.05.05 19:42 #30559 あらゆるトレンドやさまざまな状況をモデル化し、TSのパラメーターを計算することができる。 mytarmailS 2023.05.05 20:22 #30560 「ローソク足に身を包んだ "あなたの正弦波モデル 2つの正弦波モデルのローソク足で見た反転とは? それは、ボラティリティが大きな波の中で統計的な安値まで下がることです。 トレンド・エントリーとは何かは、こちらをご覧ください。 1...304930503051305230533054305530563057305830593060306130623063...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
たった1行のコードだ。
この話題について何か?
話題になっていない?
何がそんなにおかしいんだ?matstatレベルであろう。新しいデータ(検証サブサンプル)において、複数のモデルが平均して同じことを予測するのに間違っている場合、それはまったく予測不可能であり、"取引しない "ことに移行する。
特定の時間とサイン/シグナルの対応する値を "同じもの "とみなすことができる。時々、穴の開いたキルトを取得し、(ゴミを捨てて)再フィッティングを行いました。その後、残りのキルトのピースを分類し、いくつかの穴をダーニングして、すでに小さなキルトを得る。その後、もう何も捨てずに、それぞれの小さなキルトをトレーニングした。
このようにして、オーバーフィッティングは予測可能な島を素早く特定するのに役立った。同時に、再適合から逃れることもできた。
例えば、私は午後に30分間続く長時間のパターンを見つけた。
時々、(ゴミを混ぜて)仕立て直しをして、穴のあいたキルトを作った。そして、残ったキルトのピースを分類し、穴のいくつかを縢り、小さなキルトを作る。その後、それぞれの小さなキルトを捨てずに訓練した。
このようにして、オーバーフィッティングは予測可能な島を素早く特定するのに役立った。同時に、オーバーフィッティングからの脱却にも役立った。
例えば、午後に30分間続く長時間のパターンを見つけた。
毛玉はもう小さな毛布の上を転げ回った?:)
はい、そうでないと、意味がなくなります。
そうでないと、意味がなくなってしまう。
また、トレーニングのないサブサンプルとトレーニングのあるサブサンプルをols回帰係数(「治療」の効果の推定)によって比較する場合、パンで表現することもできます。
T=1が治療ありのサンプル、T=0が治療なしのサンプルで、平均が治療効果の有無の差である。
因果推論はまだまだ未熟です。
また、トレーニングのないサブサンプルとトレーニングのあるサブサンプルを比較する際に、ols回帰係数を用いてパンを表現することも可能である(「トリートメント」効果の推定)。
T=1 標本は治療あり、T=0 標本は治療なし、平均は平均で治療効果があったかどうかの差である。
私は関連に弱い。MEの理解はゼロ。
因果推論はやっぱり苦手。
コミュニケーションの形式が悪いだけなのに、変な人だ。間違いなく、深く考える良いきっかけになる。本当に市場に蹴られた。
ーグラフはー乱数関数でーによってーによってーによってーによってー
のののののののののののののののののののののののののののののののののののののののののす。
ー ローソク足のー、ー エスキモー、ー テイクオーバーーーーすべてそこにある。
ーなにがー本物、ーなにがー錯覚ー
そして、筆者の正確なインプットのテクニックは、そこでも機能する。
あらゆるトレンドやさまざまな状況をモデル化し、TSのパラメーターを計算することができる。
「ローソク足に身を包んだ "あなたの正弦波モデル
2つの正弦波モデルのローソク足で見た反転とは?
それは、ボラティリティが大きな波の中で統計的な安値まで下がることです。
トレンド・エントリーとは何かは、こちらをご覧ください。