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 3116

新しいコメント
 
Maxim Dmitrievsky #:

時間軸の他に何かありますか？)

他の通貨ペアの増分を考慮したらどうでしょうか？役に立つでしょうか？

 
Evgeni Gavrilovi #:

他の通貨ペアの増分を考慮したら？役に立つだろうか？

他のシンボルのインクリメントを加えただけでは、そのアプローチがそれなしで機能しない場合、結果は改善されない。もしそれがなくても機能するのであれば、バリエーションがあるかもしれません。ボットが多通貨に対応するよう計画されている場合。あるいは、異なる相場間で共通する何かを推測したいが、それは他のアプローチになる。
 
Evgeni Gavrilovi #:

他の通貨ペアの増分を考慮したら？生かせるだろうか？

「インパクト」は定性的な特性です。

予測因子とターゲットの関係の強さを定量的に測る必要があります。私はこのフォーラムに何度も書き、Rのパッケージを参照し、計算結果も引用しました。

他の通貨ペアに基づく予測因子を含めるというアイデアは、非常に有効です。


PS.前処理の段階でこのようなリンケージの尺度を使わないのであれば、MOの話は一切すべきではない。

 

前処理が "我々のすべて "であるという時代遅れの情報とは反対に、前処理と後処理はどちらもよく研究され、その効果が証明されている。

例えば、特徴学習（または表現学習）は前処理に関連しており、様々なタスクでその効果が実証されている。
 

Let us present a hypothetical situation with one theoretical TS, which consists of a basic model that predicts thedirection of the trade and a meta model that predicts the probability of winning (to trade or not to trade):

最初のモデルをメイン・モデルと呼び、特徴空間を黒い線で買い/売りに分けます。そして2つ目は、全特徴 空間をトレードする／しないに分けるメタモデルです（赤線）。

ーここでー（ー2のー（ー（ー）

考えるべき」純粋に理論的な疑問は、2番目のオプションの方が良いかどうかということです。そして、もしその方が良いのであれば、それはなぜか。コメントをお願いします。

おそらくアレクセイ・ニコラエフにもお願いしたいのですが、このような「介入」の効果をどのように判断できるのでしょうか？結局のところ、私たちは2つのメタモデルの2つの確率分布を得ることになり、それはコーナーによって比較／評価／分布することができる。
 

私は 2 番目のバリエーションを使っている。
、雄牛と熊は異なるトレードをすると思う。、ー同じユーロでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーでもーーーーーーーーーーーーー異なる行動だ。チップの違いも重要になる。ータがーもー。ー 買い/売りだけではーではーではーではー 異なるー 異なるーその中間があるはずだ。

 
Forester #:

私は 2 番目のバリエーションを使っている。
、雄牛と熊は異なるトレードをすると思う。同じユーロでも、通常は急速に下落し、その後ゆっくりと上昇する。異なる行動だ。チップの違いも重要になる。モデルのハイパーパラメーターが異なる。買い/売りの1つだけでは、異なる行動の異なる挙動をうまく組み合わせることはできないだろう。その中間的なものになるだろう。

直感的にはそのように思える。しかし、メイン・モデルによってどちらの方向が予測されるかに関係なく、一度に2つのモデルの買い/売りについて取引する/しない確率を得ることも可能である。両者を比較し、取引を開始する確率が大きく異なるように追加チェックを行う。
 
Maxim Dmitrievsky 方向性を 予測する基本モデルと、勝つ確率（トレードするかしないか）を予測するメタモデルから構成される1つの理論的TSで、仮想的な状況を提示してみよう：

トレードの 方向を 予測するとはどういう意味ですか？

勝つ 確率を予測するとはどういう意味ですか？

あまりにも漠然とした概念ですが...。


一般的なケースでは、市場の成長／衰退予測を確率の形で二値分類することでこの問題を解決できます。


成長する確率が0.5以上 - これは取引の方向性 です。

高い確率、例えば0,8 - それは勝利の確率に なります。

そして、モデルをメタしないでください。

しかし、これは一般的な場合ですが、私たちは一般的な場合について話していないことを理解しているので、我々は以下の用語を明確にする必要があります。


ディールの方向 性を予測する

勝つ 確率を予測する


 
Maxim Dmitrievsky #:
直感的にはそのようにも思える。しかし、どちらの方向が予測されているかにかかわらず、一度に2つのモデルから売買の確率を得ることも可能です。両者を比較して追加チェックを行い、取引を開始する確率が大きく異なるようにします。
試したことはない。直感的に）しかし、マルクスが言ったように、実践こそが真理の基準である。実践でうまくいくのであれば、それはいいことだ。）
 
mytarmailS #:

取引の方向性を 予測 するとはどういう意味ですか？

どういう意味 -勝つ確率を予測する

あいまいな概念だ。


一般的なケースでは、市場の成長/衰退予測を確率の形で二値分類することで、この問題を解決することができる。


0.5より大きい成長確率は、取引の方向 です。

確率が例えば0,8のように高い - これは勝利の確率に なります。

そして、メタ・モデルはない。

しかし、それは一般的なケースでの話であって、一般的なケースの話をしているわけではないことは理解しているので、何が一般的なケースなのか、用語を明確にする必要がある。


トランザクションの方向を 予測する

勝つ確率を 予測する


これはすべて、前史においてここで何度も議論されてきたことだ。売買で訓練された最初のモデルは、新しいデータでテストされる。間違っているケースは「売買しない」、それ以外は「売買する」に分類される。2つ目の分類器はそれに対して学習される。2つのモデルが得られる。そのうちの1つは方向性を予測し、もう1つはトレードをやめるべきかどうかを予測する。これにより、1つのモデルでトレードの閾値を設定するだけで、柔軟性が生まれます。というのも、2つのモデルは、一方を通してもう一方を改良することができるからだ。前回の記事では、オリジナルの方法を説明した。その後、修正ロジックに切り替えた。

ところで、これは未解決の問題だ。というのも、それぞれを別の方法で改善することは可能らしいからだ。

そこで私は、同じような方法で推論を行うコズル推論に出会った。

1...310931103111311231133114311531163117311831193120312131223123...3399
新しいコメント
理由: