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 3061

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

おそらく、私は本当にこのすべての目的を理解していなかった....しかし、私には、新しい要因の影響を検出すること、または指標（価格または何か他のもの - 回帰は、ほとんどの例では）上の予測変数の過去の値の異常値と考えることができることが目標であるように思えました。そして、イベントの時系列が変化しないときに、これらの外れ値を検出することが課題となります（時系列のサンプル・ラインを無作為化することはできません）。そして、これはまれな出来事、または1回限りの変化であることが判明する。それなら，一定の時間窓にわたる予測変数の分布の変化を見れば十分である．そのような変化を持つ予測変数が原因であり（あるいはそうでないかもしれない-ここでは、原因または結果を決定する方法を私は理解していなかった）、テストの異なる部分におけるこれらの変化が、より頻繁に「モデルが機能しない」という結果をもたらすのであれば、これらの予測変数でモデルをより注意深く機能させる必要がある...。

予測因子とトリットメントは異なるものである。コーザルは結果に対して働き、形質が関与しない場合はATE（平均治療効果）、共変量（形質）がある場合はCATE（条件付き......）を決定し、何らかの外部影響（例えば広告キャンペーン、これがトリメントである）を考慮する。これは、対照群に効果があったかどうかを判断するためである。そして、その効果があれば、モデルを分析し、改善することができます。

...どう適用すればいいのかわからないものを、どう適用すればいいのか考えようとしているのは、あなた自身なのです。

無料の短期入門コースを 受講する

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

予測因子と治療因子は異なる。Causalは結果と連動し、形質が関与しない場合はATE（平均治療効果）、共変量（形質）がある場合はCATE（条件付き......）を決定し、何らかの外的影響（例えば広告キャンペーン、これがtritmentである）を考慮する。これは、対照群に効果があったかどうかを判断するためである。、ーこのーこのーこのーこのーこのーこのー効果ーー

...、ータはータはータはータはータはータはータはータ

無料のちょっとした入門コースを受けて みよう。

ーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

https://habr.com/ru/companies/ru_mts/articles/485980/

https://habr.com/ru/companies/ru_mts/articles/485976/&nbsp；

ーまあ、ー僕もー私もー私もーもーでーにーでーにーにーにーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーしかし、そうですね。新しい用語は混乱を招きます。

Subtracting probabilities of model predictions - well, I don't think it's any good, especially if you know how these probabilities are distributed in CB.

フレンドリーなフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリー

フレンドリーなフレンドリーなフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリー）

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

私はこの2人の記事を読んだことがある。このビデオと連動したアイデアの基礎となったものだ。

https://habr.com/ru/companies/ru_mts/articles/485980/

https://habr.com/ru/companies/ru_mts/articles/485976/&nbsp；

まあ、私も同じような仕事をしているので、ニュアンスについては私なりの見解を持っている。でも、そうだね、新しい用語は混乱する。

モデル予測の確率を差し引くというのは、特にCBでこれらの確率がどのように分布しているかがわかっているのであれば、あまりいいアイデアとは思えません。

もし、このような問題に特化した図書館で実験をするのであれば、その結果と状況についてのビジョンを共有してください。

彼らのアプローチの主な考え方がすんなり入ってくる限り、主なことは分析対象に関する分析者の経験と知識です :)

ツールキットは提供される。

あまりに抽象的に考えすぎると、誰もが「似たような仕事」に取り組んでいることになる（ただ、どの仕事なのかを定式化することはできない）。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

ツールキットが提供されているのだから、それを使いこなせ。

あまり抽象的に考えすぎると、誰もが「似たような仕事」に取り組んでいることになる（ただ、どの仕事なのかが定まらないだけ）。

私はこの問題を解決するために、フォーラムに別のスレッドを持って いる。目標は、予測因子（量子セグメント）の確率分布に影響を与える新しい因子が現れるかどうかを確立することだけです。

とはいえ、長い間それに取り組んできたわけではありません。より正確には、アイデアを紙からコードに移す必要がある。

パイソンやerの基本的な知識がないと、このようなことに対処するのは難しい。自由な時間はまったくないし、すぐに疲れてしまう。薬で少しはましになったが、気が向いたときに飲んでいる......。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

この問題を解決するために、フォーラムに別のスレッドを 立てました。目標は、予測因子（量子セグメント）の確率分布に影響を与える新しい因子が現れるかどうかを確立することです。

まだ長い間取り組んでいませんが。より正確には、アイデアを紙からコードに移す必要がある。

パイソンやerの基本的な知識がないと、このようなことを扱うのは難しい。自由な時間はまったくないし、すぐに疲れてしまう。薬も少しは効くのですが......気が向いたときに飲んでいます......。

自分ができるタスクを設定しなければならない。何が書いてあるか読めない。頻度に時間軸がある...露骨すぎる。 そして反射的に指で十字架を突いてしまった❌。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
自分で目標を設定しなければならない。なんて書いてあっても読みようがない。度数には時間軸がある...露骨すぎる。 その時、反射的に指が十字を突いた❌。

そう、時間軸を取ったのは、あのサンプルで独立した尺度を標準化する唯一の方法であり、応用値が失われないためだ。

問題が難しく、解決策が見つからないかもしれないことは同意します。予測変数の範囲における確率シフト分布は時間とともに大きく変化します。そしてここで、なぜこのようなことが起こるのか、つまり新しい因子の出現の瞬間を検出するための理由を探すか、あるいは「生命」の歴史から変動の前提条件を探すか、一種のサバイバル・タスクのようなものです。

この知識を通してあなたのアプローチを見ると、あなたは間接的に、その時点で有意な予測因子について分布が安定している訓練期間中の領域を探し、ある基準に従って分布が異なる他の領域を除外する。しかし，標本中のこれらの領域が予測変数ごとに異なるという事実は，非常に大きなサンプリング期間が切り取られる原因となる．各反復で予測変数の数を減らすことを試みる - これは予測変数間の確率バイアスの衝突を減少させ，したがってRecallを増加させることができる．

[Maxim Dmitrievsky]

周波数に時間軸はない。私はただモデルのエラーと取り組んでいるだけだ。ほぼ同じことをやっていることがわかった。これらの分布を見る意味は何ですか？すでに明らかになっていることを視覚化すること。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
周波数に時間軸はない。私はただモデルのエラーと取り組んでいるだけだ。ほぼ同じことをやっていることがわかった。このような分布を見ることに何の意味があるのでしょうか？すでに明確になっているものを視覚化する。

多分、私はこの用語について間違っているのだろう。ある事象の、ある瞬間における頻度を他に何と呼ぶのだろうか？

私は視覚化について話しているのではない...この問題にもっと効果的に対処する方法について話しているのだ。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

この言葉は間違っているかもしれないが、ある事象がある瞬間に起こる頻度を他に何と呼ぶのだろうか？

私は視覚化について話しているのではない...この問題により効果的に取り組む方法について話しているのだ。

このスレッドにすべて書いてあるから、あとはググってくれ。私は因果関係についての本を入れた。

その通り、このトピックにない用語がたくさんあるせいで、起きていることの意味が抜け落ちてしまう。課題そのものは非常に単純かもしれないが。

[Vladimir Perervenko]

あなたがこのトピックに惹かれた理由はわかりません。Rユーザーのために、このトピックに関するパッケージをいくつか紹介しよう。理解や使用に役立つかもしれない。R 4.2.3/4.3.0

other attached packages:
 [1] regmedint_1.0.0               PSweight_1.1.8                MatchIt_4.5.3                
 [4] InvariantCausalPrediction_0.8 mboost_2.9-7                  stabs_0.6-4                  
 [7] glmnet_4.1-7                  Matrix_1.5-4                  grangers_0.1.0               
[10] dagitty_0.3-1                 CompareCausalNetworks_0.2.6.2 CERFIT_0.1.0                 
[13] causalweight_1.0.4            ranger_0.15.1                 causalsens_0.1.2             
[16] CausalQueries_0.1.0           Rcpp_1.0.10                   dplyr_1.1.2                  
[19] causalPAF_1.2.5               causaloptim_0.9.7             igraph_1.4.2                 
[22] CausalMBSTS_0.1.1             KFAS_1.5.0                    CausalKinetiX_0.2.1          
[25] CausalImpact_1.3.0            bsts_0.9.9                    xts_0.13.1                   
[28] zoo_1.8-12                    BoomSpikeSlab_1.2.5           Boom_0.9.11                  
[31] CausalGAM_0.1-4               gam_1.22-2                    foreach_1.5.2                
[34] causaleffect_1.3.15           causaldrf_0.4.2               causaldata_0.1.3             
[37] causalCmprsk_1.1.0            causal.decomp_0.1.0       

今のところ "sr "のみ適用。

幸運を祈る。