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 3124 1...311731183119312031213122312331243125312631273128312931303131...3399 新しいコメント Maxim Dmitrievsky 2023.07.05 09:25 #31231 Renat Akhtyamov #:何詩や本を書くのめり込むのか。それがあなたの仕事だし、おそらくその方が儲かる。 そんなにバカならYouTubeでも見ればいい。 Forester 2023.07.05 09:47 #31232 Maxim Dmitrievsky #: モデルには偏りがある。そこで、そのようなバイアスがないように強制的に学習させる必要がある。しかし、その前にバイアス係数を見つける必要がある。例えば、回帰のように勾配や自由項(切片)だとしよう。この項がトレーンやOOSによって変化しないように学習させたらどうだろう。 。 catbustaなどでは、学習時にラベルに重みをつけることができる。例えばオフセットが出力され、それが重みに変換され、トラインにすでに補正係数がかかっているモデルが学習される。これは一つの方法です。 例えば、3ヶ月間上昇トレンドがあったとします。価格は7%上昇した。 1本目、2本目......のレタナメントH1にどのような重みを与えるべきか?100小節?そして残りのフィッシュ。科学的に(少なくとも実験的に)正当化された公式があるとは思えない。 何百もの重みを与えることは、適切なモデルの探索をさらに困難にする。すでに多くのハイパーパラメータがある。 Maxim Dmitrievsky 2023.07.05 09:56 #31233 Forester #:世界的な上昇トレンドが3ヶ月続いたとしよう。価格は7%上昇した。 1本目、2本目......のリターンH1にどのようなウェイトを置くべきか?100 bar?そして残りのフィッシュ。科学的に(少なくとも実験的に)正当化された公式があるとは思えない。 何百もの重みを与えることは、適切なモデルの検索をさらに困難にする。すでにハイパーパラメータは山ほどある。 原因と結果の明確な確証がない場合、無作為化された実験によってのみ得られる。超信頼性はないが、他に方法はない。科学的に有効なFrisch-Wu-Lovellの公式がある。どうやらあなたはその本を読んでいないようだ。もちろん、「このレベルから跳ね返って、あのカーブの下に飛び込み、ニュースではまたすべてが打ちのめされた」という言い方を続けることはできるが、そんな公式の有用性は誰も証明していない。しかし、そのような公式の有用性は誰も証明していない。 Uladzimir Izerski 2023.07.05 13:22 #31234 Maxim Dmitrievsky #: 原因と結果が明確でない場合、 いくつかのティックがすでに将来の価格の方向性を予測しています。 もちろん、1時間足や日足ではそれはわかりません。 これは提案です。 そして、原則的には、そうすべきではありません。 Maxim Dmitrievsky 2023.07.05 13:44 #31235 Uladzimir Izerski #:そして原則的には、そうすべきではない。+ СанСаныч Фоменко 2023.07.05 14:02 #31236 Forester #: グローバルな(わずか1~1.5年の)トレンドが上昇に転じると、売りのモデルは下落し始める。 おそらく、1つのモデルで買い/売りを選択する最初のバリエーションがより良いだろう 。 しかし、世界的なトレンドに合わせるのであれば、トレンドが変わる瞬間に資金を流出させることになる。そして、おそらく何年もの間、一方通行のトレードを続けるだろう。 モデルのオーバートレーニングの 主な兆候は、TRAINとOOSの乖離です。このような乖離がある場合、すべてを捨てるべきである。 Maxim Dmitrievsky 2023.07.06 00:46 #31237 СанСаныч Фоменко #:モデルのオーバートレーニングの 主な兆候は、トレインとOOSの乖離である。このような不一致がある場合、すべてを捨てるべきで、すべてが空であり、ハイキング全体が偽である。時代遅れの情報だ。 マハラノビスと何をするか、より良い教えてください。 СанСаныч Фоменко 2023.07.06 09:15 #31238 Maxim Dmitrievsky #:時代遅れの情報。 マハラノビスで何をしているのか教えてください。 時代遅れの情報(モデル再トレーニングの 主な兆候は、トレインとOOSの乖離)。 もちろん、それは時代遅れだ。私は、適用された場合、あなたが行うすべてのものは、神話的なバランスにすべてのあなたのp乗を捨てなければならないことを疑う。 マハラノビスをどうするのか、よく教えて ください。 私はしません。 Rでは、fastmatrix::Mahalanobis(x, center, cov, inverted = FALSE)パッケージがベクトル間のユークリッド距離をカウントします。 なぜこれが必要なのでしょうか? 予測変数の予測力、すなわち、異なるクラスを予測する能力、将来予測する能力が必要です。だから私は別のアプローチを使うのです。一度計算結果を投稿したことがあります。 Maxim Dmitrievsky 2023.07.06 09:30 #31239 СанСаныч Фоменко #:古くなった情報(モデル再トレーニングの 主な兆候は、トラインとOOSの不一致である)。もちろん時代遅れだ。適用すれば、神話的なバランスをとるためにp2乗をすべて捨てなければならなくなるのではないだろうか。マハラノビスをどう使って いるのか教えてください。 私はやらない。Rパッケージ fastmatrix::Mahalanobis(x, center, cov, inverted = FALSE) は、ベクトル間のユークリッド距離をカウントします。 なぜこれが必要なのでしょうか? 我々は,予測変数の予測力,すなわち,異なるクラスを予測する能力,そして将来予測する能力が必要で,予測力の変動が最小になるように,まあ,少なくとも10%以内になるようにします.だから私は別のアプローチを使っていて、一度計算結果を投稿したんだ。 そして、なぜ私たちはあなたの未知数を必要とするのでしょうか?未知数について書くことに何の意味があるのでしょうか? СанСаныч Фоменко 2023.07.06 09:47 #31240 Maxim Dmitrievsky #: マハラノビス マハラノビスについて質問されたので 答えたが、ただ答えただけでなく、私がマハラノビスを使わない理由を書いた。 1...311731183119312031213122312331243125312631273128312931303131...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
何
詩や本を書く
のめり込むのか。
それがあなたの仕事だし、おそらくその方が儲かる。
モデルには偏りがある。そこで、そのようなバイアスがないように強制的に学習させる必要がある。しかし、その前にバイアス係数を見つける必要がある。例えば、回帰のように勾配や自由項(切片)だとしよう。この項がトレーンやOOSによって変化しないように学習させたらどうだろう。 。
例えば、3ヶ月間上昇トレンドがあったとします。価格は7%上昇した。
1本目、2本目......のレタナメントH1にどのような重みを与えるべきか?100小節?そして残りのフィッシュ。科学的に(少なくとも実験的に)正当化された公式があるとは思えない。
何百もの重みを与えることは、適切なモデルの探索をさらに困難にする。すでに多くのハイパーパラメータがある。
世界的な上昇トレンドが3ヶ月続いたとしよう。価格は7%上昇した。
1本目、2本目......のリターンH1にどのようなウェイトを置くべきか?100 bar?そして残りのフィッシュ。科学的に(少なくとも実験的に)正当化された公式があるとは思えない。
何百もの重みを与えることは、適切なモデルの検索をさらに困難にする。すでにハイパーパラメータは山ほどある。
原因と結果が明確でない場合、
いくつかのティックがすでに将来の価格の方向性を予測しています。
もちろん、1時間足や日足ではそれはわかりません。
これは提案です。
そして、原則的には、そうすべきではありません。
そして原則的には、そうすべきではない。
グローバルな(わずか1~1.5年の)トレンドが上昇に転じると、売りのモデルは下落し始める。 おそらく、1つのモデルで買い/売りを選択する最初のバリエーションがより良いだろう
。 しかし、世界的なトレンドに合わせるのであれば、トレンドが変わる瞬間に資金を流出させることになる。そして、おそらく何年もの間、一方通行のトレードを続けるだろう。
モデルのオーバートレーニングの 主な兆候は、TRAINとOOSの乖離です。このような乖離がある場合、すべてを捨てるべきである。
モデルのオーバートレーニングの 主な兆候は、トレインとOOSの乖離である。このような不一致がある場合、すべてを捨てるべきで、すべてが空であり、ハイキング全体が偽である。
時代遅れの情報だ。
マハラノビスと何をするか、より良い教えてください。時代遅れの情報。
マハラノビスで何をしているのか教えてください。時代遅れの情報(モデル再トレーニングの 主な兆候は、トレインとOOSの乖離)。
もちろん、それは時代遅れだ。私は、適用された場合、あなたが行うすべてのものは、神話的なバランスにすべてのあなたのp乗を捨てなければならないことを疑う。
マハラノビスをどうするのか、よく教えて ください。
私はしません。
Rでは、fastmatrix::Mahalanobis(x, center, cov, inverted = FALSE)パッケージがベクトル間のユークリッド距離をカウントします。
なぜこれが必要なのでしょうか?
予測変数の予測力、すなわち、異なるクラスを予測する能力、将来予測する能力が必要です。だから私は別のアプローチを使うのです。一度計算結果を投稿したことがあります。
古くなった情報(モデル再トレーニングの 主な兆候は、トラインとOOSの不一致である)。
もちろん時代遅れだ。適用すれば、神話的なバランスをとるためにp2乗をすべて捨てなければならなくなるのではないだろうか。
マハラノビスをどう使って いるのか教えてください。
私はやらない。
Rパッケージ fastmatrix::Mahalanobis(x, center, cov, inverted = FALSE) は、ベクトル間のユークリッド距離をカウントします。
なぜこれが必要なのでしょうか?
我々は,予測変数の予測力,すなわち,異なるクラスを予測する能力,そして将来予測する能力が必要で,予測力の変動が最小になるように,まあ,少なくとも10%以内になるようにします.だから私は別のアプローチを使っていて、一度計算結果を投稿したんだ。
マハラノビス
マハラノビスについて質問されたので 答えたが、ただ答えただけでなく、私がマハラノビスを使わない理由を書いた。