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 3090 1...308330843085308630873088308930903091309230933094309530963097...3399 新しいコメント Viktor Kudriavtsev 2023.06.03 03:57 #30891 Linuxにmt5をインストールした場合、OpenALは機能するのでしょうか？試した人はいますか？ Forester 2023.06.03 06:59 #30892 mytarmailS #: 私自身はまだ調べたことがない。 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2326253、30ページにわたる説明がある。私はそれを読み始めた。どうやらクロスバリデーションに基づいているようだが、コンビナトリアルシンメトリックという独自の特殊性がある。 The Probability of Backtest Overfitting papers.ssrn.com Most firms and portfolio managers rely on backtests (or historical simulations of performance) to select investment strategies and allocate them capital. Standa СанСаныч Фоменко 2023.06.03 07:34 #30893 Andrey Dik #:誰もRを攻撃していなかった。 サンシュは私やRの祭壇に額をぶつけない人を集団農民と呼んだ。 コルホーズ、正確ではないかもしれないが、申し訳ない。 もう一度、プロフェッショナルな開発と村の開発の違いを「村の最初の人」の原則で説明しようと思う。 Rは単なるプログラミング言語ではなく、統計学という狭く専門化されたタスクを開発するための媒体であり、MOやその他のものも含まれる。 Rのパッケージは言語の一部である。言語配布パッケージを見てみよう。そこにはすでにいくつかの基本パッケージがある。 10,000以上のパッケージと100,000以上の関数からなるRのパッケージ群は、例えばMOのような問題を解決するためのFUNCTIONALLY FULLなセットです。 MOの例で説明しよう。 このサイトでは、主に分類アルゴリズムの様々なバリエーション、特にNSのバリエーションについて議論しています。pythonのメタ引用は特に明らかにされている。 MOの観点からすると、分類アルゴリズム自体は問題の一部、30％です。残りの70％をPythonという村で探してみてください。そして、分類モデルの他の変種を見つけることはほとんど不可能であり、その数は200（1）に上る。 Rには、足りないものを見つけることができる優れたリファレンス装置がある。 何を探せばいいのかわからない場合は、最初の段階でRattleを使って、MOのためのツール一式が 何であるかを確認することができる：一次データ分析、変換、予測変数の選択、テスト用ファイルの準備、モデルまたはモデルによる計算、適切なグラフ表示による結果の評価。これが基本レベルである。 Rattleを卒業したら、最高レベルのMO問題をカバーするCaretシェルを利用できます。Caretは、取引のシグナルとなるパケットを最大200個（！）まで利用できる。これらのパケットを比較したり、選択したり、モデルのアンサンブルを作ったりすることができる。CaretはRattleが持っていたものすべてを備えているが、よりプロフェッショナルなレベルである。 Caretが持っているものすべてに対して、Rは類似ツールやその他膨大な数のサポートツールを備えている。これらはすべて、ひとつの目的を表している。 これらはすべて、特に統計とIOで働くためのプロフェッショナル環境と呼ばれている。 Maxim Dmitrievsky 2023.06.03 07:39 #30894 😂😂😂😂 Forester 2023.06.03 07:41 #30895 Page 7. 第四に、研究者が大規模なサンプルを使って作業している場合でも、 OOS分析が決定的であるためには、サンプルの大部分をカバーしなければならない。 これは戦略開発にとって不利である（Hawkins [15]を参照）。OOS が時系列の最後から取られている場合、しばしば将来の最も代表的である最新の オブザベーションを失う。OOS が時系列の最初から取られている場合、テストは おそらくデータの最も代表的でない部分で行われた。 mytarmailS 2023.06.03 07:48 #30896 Forester #: その方法については、ここに30ページにわたる説明があるhttps://papers.ssrn.com/sol3/papers.cfm?abstract_id=2326253。読み始めた。どうやら、クロスバリデーションに基づいているようだが、コンビナトリアルシンメトリックという独自の特殊性があるようだ。 もう読みたくもない、燃え尽きた。 でも、非学習の基準をチェックしながら戦略を自動合成することは書ける......。 つまり、「鍛えない」という基準を最大化する戦略を作ることはできる。 この基準に従ってストラテジーを合成し、それを新しいデータでテストする。 テストする → 結果が出る→ 捨てる／学ぶ。 しかし、「気軽な道化師」のように1つのアイデアを持って何年も走り回り、何もせず、誰にでもそれを投げつけるのは行き止まりだ。 学ばないための基準とは？ Forester 2023.06.03 07:48 #30897 Forester #: Page 7. 第四に、研究者が大規模なサンプルを使って作業している場合でも、 OOS分析が決定的であるためには、サンプルの大部分をカバーしなければならない。 これは戦略開発にとって不利である（Hawkins [15]を参照）。OOS が時系列の終端から取られた場合，しばしば将来の最も代表的である最新の オブザベーションを失う．OOS が時系列の最初から取られている場合、 おそらくデータの最も代表的でない部分でテストが行われた ことになる。 そのため、データのすべてのセクションがOOSで一度に1つずつになるように、交差検証を使用しているのだと思います。 Forester 2023.06.03 07:51 #30898 mytarmailS #:未経験の基準は？ ここまで8ページ。そして、これはまだ入門編です)) クロス・バリデーションでのシャープによる比較（ただし、他の指標を使ってもいいと書いてあります）になるようです。 Maxim Dmitrievsky 2023.06.03 07:56 #30899 うわあ、プラドまで来てる。 彼のテクニックはどれも私には通用しなかった（笑)。 Forester 2023.06.03 07:59 #30900 Maxim Dmitrievsky #:うわぁ、プラドまで来ている。彼のテクニックはどれも僕には通用しなかったよ（笑)。 クロスバリデーションでうまくいったエンバーゴのプロットがある。これは有害であり、常に取り除くべきである。 他にも何かあるかもしれない...全部は思い出せない。 でも、それが彼の発明だという事実はない。もしかしたら、有用なアイデアを再話しただけかもしれない。 1...308330843085308630873088308930903091309230933094309530963097...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
私自身はまだ調べたことがない。
コルホーズ、正確ではないかもしれないが、申し訳ない。
もう一度、プロフェッショナルな開発と村の開発の違いを「村の最初の人」の原則で説明しようと思う。
Rは単なるプログラミング言語ではなく、統計学という狭く専門化されたタスクを開発するための媒体であり、MOやその他のものも含まれる。
Rのパッケージは言語の一部である。言語配布パッケージを見てみよう。そこにはすでにいくつかの基本パッケージがある。
10,000以上のパッケージと100,000以上の関数からなるRのパッケージ群は、例えばMOのような問題を解決するためのFUNCTIONALLY FULLなセットです。
MOの例で説明しよう。
このサイトでは、主に分類アルゴリズムの様々なバリエーション、特にNSのバリエーションについて議論しています。pythonのメタ引用は特に明らかにされている。
MOの観点からすると、分類アルゴリズム自体は問題の一部、30％です。残りの70％をPythonという村で探してみてください。そして、分類モデルの他の変種を見つけることはほとんど不可能であり、その数は200（1）に上る。
Rには、足りないものを見つけることができる優れたリファレンス装置がある。
何を探せばいいのかわからない場合は、最初の段階でRattleを使って、MOのためのツール一式が 何であるかを確認することができる：一次データ分析、変換、予測変数の選択、テスト用ファイルの準備、モデルまたはモデルによる計算、適切なグラフ表示による結果の評価。これが基本レベルである。
Rattleを卒業したら、最高レベルのMO問題をカバーするCaretシェルを利用できます。Caretは、取引のシグナルとなるパケットを最大200個（！）まで利用できる。これらのパケットを比較したり、選択したり、モデルのアンサンブルを作ったりすることができる。CaretはRattleが持っていたものすべてを備えているが、よりプロフェッショナルなレベルである。
Caretが持っているものすべてに対して、Rは類似ツールやその他膨大な数のサポートツールを備えている。これらはすべて、ひとつの目的を表している。
これらはすべて、特に統計とIOで働くためのプロフェッショナル環境と呼ばれている。
第四に、研究者が大規模なサンプルを使って作業している場合でも、
OOS分析が決定的であるためには、サンプルの大部分をカバーしなければならない。
これは戦略開発にとって不利である（Hawkins [15]を参照）。OOS
が時系列の最後から取られている場合、しばしば将来の最も代表的である最新の
オブザベーションを失う。OOS
が時系列の最初から取られている場合、テストは
おそらくデータの最も代表的でない部分で行われた。
その方法については、ここに30ページにわたる説明があるhttps://papers.ssrn.com/sol3/papers.cfm?abstract_id=2326253。読み始めた。どうやら、クロスバリデーションに基づいているようだが、コンビナトリアルシンメトリックという独自の特殊性があるようだ。
もう読みたくもない、燃え尽きた。
でも、非学習の基準をチェックしながら戦略を自動合成することは書ける......。
つまり、「鍛えない」という基準を最大化する戦略を作ることはできる。
この基準に従ってストラテジーを合成し、それを新しいデータでテストする。
テストする → 結果が出る→ 捨てる／学ぶ。
しかし、「気軽な道化師」のように1つのアイデアを持って何年も走り回り、何もせず、誰にでもそれを投げつけるのは行き止まりだ。
学ばないための基準とは？
Page 7. 第四に、研究者が大規模なサンプルを使って作業している場合でも、 OOS分析が決定的であるためには、サンプルの大部分をカバーしなければならない。 これは戦略開発にとって不利である（Hawkins [15]を参照）。OOS が時系列の終端から取られた場合，しばしば将来の最も代表的である最新の オブザベーションを失う．OOS
が時系列の最初から取られている場合、 おそらくデータの最も代表的でない部分でテストが行われた
ことになる。
未経験の基準は？
ここまで8ページ。そして、これはまだ入門編です))
クロス・バリデーションでのシャープによる比較（ただし、他の指標を使ってもいいと書いてあります）になるようです。
うわあ、プラドまで来てる。
彼のテクニックはどれも私には通用しなかった（笑)。
うわぁ、プラドまで来ている。
彼のテクニックはどれも僕には通用しなかったよ（笑)。
他にも何かあるかもしれない...全部は思い出せない。
でも、それが彼の発明だという事実はない。もしかしたら、有用なアイデアを再話しただけかもしれない。