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 3077

新しいコメント
 
Maxim Dmitrievsky #:
あなたが記事を斜め読みして、何も理解していないことがわかった。ここでの質問はもはや科学者向けではない。

では、対照的な質問をしよう。迷惑F-yにはどんな種類があり、どう違うのか？また、それらをどう呼び分けるのか？集団農家では全くなく、青い血の持ち主であること。

とはいえ、あなたのレッテル貼りの独りよがりな傾向のせいで、あなたと接するのは不愉快なのだが、後で、非常に興味深い記事の例で用語の翻訳について公に議論するために、あなたに答えることにしよう。

とりあえず、nuisanceの Yandex 訳は こうだ。

迷惑、迷惑 、 迷惑、負担．

まったく納得がいかない。後日、私の訳を述べ、それを正当化するつもりだ。今は忙しい。

 
СанСаныч Фоменко #:

あなたの独りよがりなレッテル貼りの傾向は、あなたと付き合うのを不愉快にさせるが、非常に興味深い記事の例で用語の翻訳について公に議論するために、私は必ず後で返信する。

とりあえず、nuisanceの Yandex 訳は 以下の通りである。

迷惑、厄介 、 迷惑、負担．

は、私にはまったく似合わない。後で私の訳を説明してあげよう。今は忙しいんだ。

とても興味深い話の前に、インターネットで定義を調べてください（統計のセクション）。

また、RFは記事の中で言及されているだけで、記事の基本ではない。

記事を読まずに結論を出した。

 
Maxim Dmitrievsky #:

非常に興味深い話の前に、インターネット（統計セクション）で定義を調べてほしい。

また、RFは記事の中で言及されているだけで、記事の基本ではない。

記事を読まずに結論を出した。

4 シミュレーション

研究 我々は、ランダムフォレスト（Breiman, 2001; 包括的な紹介はBiau & Scornet, 2016も参照）に基づく異質な治療効果の推定のためのメタ学習器の有限標本性能を研究する。モンテカルロ研究の焦点は、因果効果推定におけるサンプル分割とクロスフィッティングの影響の評価にある。この目的のために、我々は、フルサンプル、ダブルサンプルスプリッティング、ダブルクロスフィッティングで推定された上述のメタイヤを比較する。


我々は、いくつかの理由から、全てのメタ学習器のベース学習器としてランダムフォレストに依存している。


記事を読まずに結論を 出した。

あなたと議論する意味はないと思います！

 
СанСаныч Фоменко #:

4 モデリング

研究 我々は、ランダムフォレスト（Breiman, 2001; Biau & Scornet, 2016, 詳細な紹介も参照）に基づく異質な治療効果を推定するための有限標本メタ研究の有効性を調査する。モンテカルロ研究の焦点は、因果効果の推定に対する標本分割とクロスフィッティングの影響を評価することである。この目的のために、完全サンプリング、ダブルサンプリングスプリット、ダブルクロスフィッティングで推定された上述のメタ学習者を比較する。


我々は、いくつかの理由から、すべてのメタ学習のベースライン学習法としてランダムフォレストに依存している。


論文はまだ読んでいないが、一応読んでみた。

あなたと議論する意味はないと思います！

この記事はRFに関するものではなく、因果推論に関するものです。

あなたはまだ何も議論する立場にない。
 

I propose to join efforts to search for useful information in the code base, namely interesting indicators.

ー時間がー時間はー時間はー時間はー時間がー時間はー時間がーにはー時間はー時間がー時間がーにはー時間がーにはーにはのー時間がーにはー（ー確率ー確率ー確率分布のー解析ーしてー

ののののののののののののののののののののののカルシ ョナルのカルシンドローム（カルシンドローム、 ョナルシンドローム

ーそのーーそのーーーー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ーーーーーーーーーーーーーーーーーーー

私の側からは、約200コアが作業に参加する予定です。私は共同作業を組織し、必要なコードを書きます。

As a result, we will be able to use any of the analysed indicators in our code, having a standard for their settings, including the range and step of variation of each setting.

この共同作業の参加者全員が、その成果を利用することができる。

Discordでプロセスを整理するのが便利だろう。どう思う？ー秘密はータはータはータがータはータはータはータはータはータはータこのータはータ、ータ、ー

 

自分のアプリケーションのために、Rでshinyを使ってインタラクティブなグラフを表示する方法を勉強しているんだ。

dashライブラリはまだ試していないけど・・・。

興味のある方は使ってみてください。グラフはブラウザで開き、ダブルクリックでフルスクリーンモードにできます。


チャートはフル機能で、トレードの表示、描画、オブジェクトの選択、値の取得などができる。(ただし、これは別のコードになります)


library(xts)
library(plotly)
library(shiny)
library(shinyfullscreen)


len <- 50000
times <- seq(as.POSIXct("2016-01-01 00:00:00"), length = len, by = "sec")
prices <- cumsum(rnorm(len)) +1000

p <- to.minutes5(as.xts(prices,order.by = times))

dat <- cbind.data.frame(index(p) , coredata(p))
colnames(dat) <- c("date","open","high","low","close")




my_plot <- function(dat,width,height){
  library(plotly)
  
  pl <- plot_ly(dat, x = ~date, type="candlestick",
                open = ~open, close = ~close,
                high = ~high, low = ~low,
                line = list(width = 1),
                width = width, height = height)
  
  pl <- layout(pl,
               xaxis = list(rangeslider = list(visible = F),
                            title = ""),
               yaxis = list(side = "right"),
               plot_bgcolor='rgb(229,229,229)',
               paper_bgcolor="white",
               margin = list(l = 0, r = 0, t = 0, b = 0))
  pl
}
resize_tag <- function(){
  tags$head(tags$script('
                        var dimension = [0, 0];
                        $(document).on("shiny:connected", function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        $(window).resize(function(e) {
                        dimension[0] = window.innerWidth;
                        dimension[1] = window.innerHeight;
                        Shiny.onInputChange("dimension", dimension);
                        });
                        '))
}







ui <- fluidPage(
  resize_tag(),
  #plotlyOutput("plot")
  fullscreen_this(   plotlyOutput("plot")   )
)


server <- function(input, output) {
  output$plot <- renderPlotly( {   
    my_plot(dat,
            width  = (0.95*as.numeric(input$dimension[1])),
            height =  as.numeric(input$dimension[2]))
  })
}

#shinyApp(ui = ui, server = server)
shinyApp(ui, server, options = list(launch.browser = TRUE))
 
Aleksey Vyazmikin custom indicators with their settings for different TFs and trading instruments.

私の側からは、約200コアが作業に参加する予定です。私は共同作業を組織し、必要なコードを書きます。

As a result, we will be able to use any of the analysed indicators in our code, having a standard for their settings, including the range and step of variation of each setting.

この共同作業の参加者全員が、この成果を利用することができる。

このプロセスはDiscordで行うのが便利だろう。どう思う？ー秘密ははー、ーしかしーしかしーしかしー、ーしかしー、ーしかしー、ーこのークソのー

このような指標のМАの90％は、デジタル・フィルターとウェーブレットに置き換えられる。では、何が残るのでしょうか？ボラティリティ・インディケータ、他には？

 
Rorschach #:

このような指標の90％のMAは、デジタルフィルターとウェーブレットに置き換えられている。何が残っているのでしょうか？ボラティリティ・インディケーター、他には？

また、インジケータの値の一般的なタスクにリターンによってその値を予測する試みを追加することができます - それは100％の精度で出てきた場合は、それをゴミ箱に。

オシレーター、MAのようなアベレージャー、レベル・インジケータなど、比較的まれに再計算されるものをタイプ別に分類するのです。

そして、このプロジェクトの枠組みの中で過去のニュースを処理することができます。
 

では、誰も私のアイデアを気に入ってくれなかったのだろうか？

みんな自分の方が賢いと思っていて、インジケーターの中に有益なアイデアなんてあるはずがないと思っているのか？

それとも、単に有益な情報を得ることに興味がないのか？自分のためでも、他人のためでもない？

それとも、10人分の命を蓄えていて、自分一人ですべてを管理したいと思っているのか？

 
Aleksey Vyazmikin カスタム・インディケータを 選択することができます。

私の側からは、約200コアが作業に参加する予定です。私は共同作業を組織し、必要なコードを書きます。

その結果、分析されたインジケーターのどれでも、各設定の変動幅と変動ステップを含む設定の標準を持ち、我々のコードで使用することができるようになる。

この共同作業の参加者全員が、この成果を利用することができる。

このプロセスはDiscordで行うのが便利だろう。どう思う？秘密を共有することなく、有益な結果を得ることができる。

アレクセイ、それはほとんど不可能だ

1...307030713072307330743075307630773078307930803081308230833084...3399
新しいコメント
理由: