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 3095 1...308830893090309130923093309430953096309730983099310031013102...3399 新しいコメント Maxim Dmitrievsky 2023.06.04 07:01 #30941 Pythonを例に、GPTがインターネット検索よりも便利なことがあることはすでに何度か述べた。同じPandasでも100万のフレーズがあり、そのすべてを覚えていることはできない。しかも、抽象的な例ではなく、質問の文脈に沿った答えがすぐに返ってくる。悪くない。 Vladimir Perervenko 2023.06.04 07:21 #30942 Renat Fatkhullin #: 私たちは、以前に書かれたR用のパッケージを一般に公開することがある。私たちはそれを修正し、不足している機能を追加すべきである。 以前公開したPythonパッケージは爆発的な成長を見せ、今も成長を続けている。このようなことが起こるとは予想していなかった。 これは非常に良い決断だろう。必要であればテストに参加したい。 幸運を祈る。 mytarmailS 2023.06.04 07:53 #30943 Vladimir Perervenko #:それはとても良い解決策だろう。必要であれば、テストに参加する準備はできている。 幸運を祈る。 私も喜んで参加するよ。 Maxim Dmitrievsky 2023.06.05 02:22 #30944 記事で提案されている方法では、最適なもの（ptuスタイル）を選択するためにさまざまなモデルを通過することはできません。これはhttps://en.wikipedia.org/wiki/Multiple_comparisons_problem。 Maxim Dmitrievsky 2023.06.05 07:08 #30945 mytarmailS #:1回の実験に1台の車両を使用私は長い間、オーバーフィットと格闘してきた。プラドは（部分的に）そこにインスパイアされている。統計学のMLへの一般化です。 与えられた基準（tritment）によってモデルの推論を行うことができます。新しいデータでよりうまく機能するように、データのバイアスや分散を取り除くことだ。 Forester 2023.06.05 07:17 #30946 Maxim Dmitrievsky #: この記事で提案されている方法では、最適なもの（ptuスタイル）を選ぶためにさまざまなモデルを見て回ることはできない。それは https://en.wikipedia.org/wiki/Multiple_comparisons_problem。 何千もの選択肢の中から、どうやって作業するモデルを選択するのですか？ このパッケージは、選択された予測変数の上で、選択されたターゲットのトレーニングが成功する可能性を評価します。ほとんどのモデルが成功すれば、選択されたモデルも成功する可能性が高いです。 私が理解したところでは）1つの特定のモデルを選択することはありません。別の方法によって選択されるはずだが、この記事では議論されていない。そして、多くの注意事項や制限事項があり（2、3ページ）、そのうちのいくつかは私が再録したものである。 mytarmailS#: 記事では、1つのTCだけが実験に関与しています。 そこでのモデルは、指標パラメータが異なるため、異なっている。しかし、指標のセットは同じです。これが混乱の元だと思います。 戦略は同じだが、モデル（バリアント）は異なる。 Maxim Dmitrievsky 2023.06.05 07:21 #30947 Forester #:何千ものオプションの中から、どのように作業するモデルを選択するのですか？ そのパッケージは、むしろ選択された予測変数の上で選択されたターゲットのトレーニングが成功する可能性を評価します。ほとんどのモデルが成功すれば、選択されたモデルも成功する可能性が高いです。 私が理解したところでは）1つの特定のモデルを選択することはありません。別の方法によって選択されるはずだが、この記事では議論されていない。そして、多くの注意事項や制限事項があり（2、3ページ）、そのうちのいくつかは私が説明したものである。そこでのモデルは、指標のパラメータが異なるため、異なっている。しかし、指標のセットは同じである可能性がある。これが混乱の原因だと思う。 すべての指標が良いものであれば、良いものだけを選ぶことができる。このように、あるいはある程度の信頼区間をとって選択するのであれば、すべてが良いということになる。そうでなければ、上記のような問題になり、より多くの努力が必要になる。 具体的に誰が何をするのかが分からないので、私には漠然とした問題である。 mytarmailS 2023.06.05 07:38 #30948 実験をしたり、コードを書いたり...。 そして、どのTCを使うのがいいのかなどを考え、さらに深めていく...。 そしてまた1年かけて理論を議論し、そして諦めて、それで終わり。 Forester 2023.06.05 07:42 #30949 これはまだ理解できない。 Forester #: しかし、トレーニングなしでどうやってクロスバリデーションを行うのか理解できない。彼らはただリターンの準備できたセットを与え、それを12000のバリアントで混ぜる。12000のISそれぞれについてトレーニングし、対応するOOSそれぞれについて予測する必要がある。 トレーンからリターンをフィードするのですか？そして、ISとOOSと思われる12000以上のバリアントでそれをミックスする。 私の意見では - これはトレイネ上のバランス曲線の直線性を評価するためのオプションの一つです。 Forester 2023.06.05 08:10 #30950 Maxim Dmitrievsky #:クロスバリデーションによってバイアスと分散を取り除くことで、モデルは新しいデータに対して適切な挙動を示すようになる。その後、微調整が可能になります。 美しいバランスライン） トレーディングにも応用できる。 1...308830893090309130923093309430953096309730983099310031013102...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
私たちは、以前に書かれたR用のパッケージを一般に公開することがある。私たちはそれを修正し、不足している機能を追加すべきである。
これは非常に良い決断だろう。必要であればテストに参加したい。
幸運を祈る。
それはとても良い解決策だろう。必要であれば、テストに参加する準備はできている。
幸運を祈る。
1回の実験に1台の車両を使用
私は長い間、オーバーフィットと格闘してきた。プラドは（部分的に）そこにインスパイアされている。
統計学のMLへの一般化です。
与えられた基準（tritment）によってモデルの推論を行うことができます。新しいデータでよりうまく機能するように、データのバイアスや分散を取り除くことだ。この記事で提案されている方法では、最適なもの（ptuスタイル）を選ぶためにさまざまなモデルを見て回ることはできない。それは https://en.wikipedia.org/wiki/Multiple_comparisons_problem。
何千もの選択肢の中から、どうやって作業するモデルを選択するのですか？
このパッケージは、選択された予測変数の上で、選択されたターゲットのトレーニングが成功する可能性を評価します。ほとんどのモデルが成功すれば、選択されたモデルも成功する可能性が高いです。
私が理解したところでは）1つの特定のモデルを選択することはありません。別の方法によって選択されるはずだが、この記事では議論されていない。そして、多くの注意事項や制限事項があり（2、3ページ）、そのうちのいくつかは私が再録したものである。
そこでのモデルは、指標パラメータが異なるため、異なっている。しかし、指標のセットは同じです。これが混乱の元だと思います。
戦略は同じだが、モデル（バリアント）は異なる。
何千ものオプションの中から、どのように作業するモデルを選択するのですか？
そのパッケージは、むしろ選択された予測変数の上で選択されたターゲットのトレーニングが成功する可能性を評価します。ほとんどのモデルが成功すれば、選択されたモデルも成功する可能性が高いです。
私が理解したところでは）1つの特定のモデルを選択することはありません。別の方法によって選択されるはずだが、この記事では議論されていない。そして、多くの注意事項や制限事項があり（2、3ページ）、そのうちのいくつかは私が説明したものである。
そこでのモデルは、指標のパラメータが異なるため、異なっている。しかし、指標のセットは同じである可能性がある。これが混乱の原因だと思う。
すべての指標が良いものであれば、良いものだけを選ぶことができる。このように、あるいはある程度の信頼区間をとって選択するのであれば、すべてが良いということになる。そうでなければ、上記のような問題になり、より多くの努力が必要になる。
具体的に誰が何をするのかが分からないので、私には漠然とした問題である。
実験をしたり、コードを書いたり...。
そして、どのTCを使うのがいいのかなどを考え、さらに深めていく...。
そしてまた1年かけて理論を議論し、そして諦めて、それで終わり。
しかし、トレーニングなしでどうやってクロスバリデーションを行うのか理解できない。彼らはただリターンの準備できたセットを与え、それを12000のバリアントで混ぜる。12000のISそれぞれについてトレーニングし、対応するOOSそれぞれについて予測する必要がある。
私の意見では - これはトレイネ上のバランス曲線の直線性を評価するためのオプションの一つです。
クロスバリデーションによってバイアスと分散を取り除くことで、モデルは新しいデータに対して適切な挙動を示すようになる。その後、微調整が可能になります。
トレーディングにも応用できる。