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 3127 1...312031213122312331243125312631273128312931303131313231333134...3399 新しいコメント СанСаныч Фоменко 2023.07.09 12:19 #31261 Aleksey Vyazmikin #:この戦略を踏まえると、相場は日中にトレンドを変え始めたと暫定的に結論づけることができると思う。問題は、履歴の中に、今まさに頻繁に出現している要因があるのか、そして、もしかしたらそれが予測できるのか、あるいは、確率のバイアスに直線的な伸びがまったくないのか、ということである。あるいは、これまでになかったまったく新しい事象(予測指標の組み合わせ)なのか。ひとつ明らかなことは、状況のダイナミクスを考慮に入れたモデルを構築する別の方法が必要だということだ。そうすれば、他の要因の出現/強化による量子セグメントの確率の変化を説明し、その他の要因を事前に予測しようとすることができる。つまり、何が変化したのか、その変化を予測できるのかを理解し、さらにその変化を最終的なモデルに加味することが必要なのである。 何を取引するのか? トレンド? パターン? ガーチを通じた増分の統計? まずは決断し、結論を出す必要がある。 mytarmailS 2023.07.09 12:24 #31262 またガーキーだ。 СанСаныч Фоменко 2023.07.09 12:27 #31263 mytarmailS #: またガルチだ。 ガルチの何が悪い? 選択肢は2つだけ、トレンド・トレードはカウントされないから、MO経由のパターンかガルチのどちらかだ。 Aleksey Vyazmikin 2023.07.09 12:39 #31264 СанСаныч Фоменко #:何を取引するのか?トレンド?パターン?ガルチを通じた増分の統計?まず決めて、それから結論を出さなければならない。サンプルサイズについて質問がありますか?本質的なことはわからない。 日中のトレンドの始まりのパターンでしょう。 Bohdan Suvorov 2023.07.09 23:18 #31265 Aleksey Vyazmikin #:どんな図書館なんだろう? このDLLは アクセスキーをチェックするための ものです。 リアル からの アクセスキーをチェックするためのものです。接続はGoogle Cloudの 私のクラウドに行きます。このDLLは 自動定期最適化にも使用されます。DEMOソースの投稿の添付ファイル(コードの一部は公開されていません-特に自動最適化のコード)にあります。 ファイル: MarketTraderDLL.zip 2 kb Alexander Ivanov 2023.07.10 03:17 #31266 こんにちは! 時々、私はここで10〜20年間の最適化されたチャートを見ます。ー3年後、ー2年後、ー1ー1ー1ー1ー梅のーしかし、チャートは成長している。 Is it possible to find patterns of growth spikes, in which the robot trades profitably? Maxim Dmitrievsky 2023.07.10 07:10 #31267 Aleksey Vyazmikin #:ここで面白いことに気づいた。誰もがデータ・ドリフトについて知っている。私たちは予測だけをキックすることに慣れているが、私は時間の経過とともに戦略自体に何が起こるか見てみることにした。 この実験の意味がわからない。戦略結果の弾力性は予測変数のドリフトに依存するのでは?戦略は予測変数に依存する。 Aleksey Vyazmikin 2023.07.10 10:05 #31268 Maxim Dmitrievsky #:この実験の意味がわからない。戦略結果の弾力性は予測変数のドリフトに依存するのでは?戦略は予測変数に依存する。 それはターゲットのドリフトについてであり、ある時間間隔における統計的特性の変化についてである。 Maxim Dmitrievsky 2023.07.10 10:48 #31269 Aleksey Vyazmikin #:それは本質的にターゲットのドリフト、つまりある時間間隔における統計的特性の変化についてだ...。これは特徴のドリフトに依存する この依存性曲線を仮に理論的な特徴のドリフト(主婦の間ではCATE)に対してプロットすると、対象の特性の変化の弾力性が得られる。 Aleksey Vyazmikin 2023.07.10 11:59 #31270 Maxim Dmitrievsky #:形質のドリフトに依存するもの 仮説理論的な形質のドリフト(主婦のCATE)に対して依存曲線をプロットすれば、対象特性の変化の弾力性が得られます。 残念ながら、あなたの回答は理解できません。具体的に何をすればいいのですか?また、"hyptoetic-theoretic drift of traits "とはどういう意味ですか?パイソンでこれをやってみましたか?A/Bテストでは移行点がわかりますが、ここではそのような点はありません。 予測変数のドリフトは、分散の変化と確率分布の変化によって現れます。 したがって、最初のケースでは、ロジックは過去のサンプルに残っているが、貪欲な方法ではそれを引き出すことができない。 2番目のケースでは、予測変数によって記述されたイベントの結果の論理が変化している。 これとは別に、データの正規化の欠如によって引き起こされるドリフトに注意することができます。私たちの場合、価格が範囲外に移動し、予測変数がそれを考慮しない場合に関係します。例えば、ポイントだけで何かを測定する。 1...312031213122312331243125312631273128312931303131313231333134...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
この戦略を踏まえると、相場は日中にトレンドを変え始めたと暫定的に結論づけることができると思う。
問題は、履歴の中に、今まさに頻繁に出現している要因があるのか、そして、もしかしたらそれが予測できるのか、あるいは、確率のバイアスに直線的な伸びがまったくないのか、ということである。
あるいは、これまでになかったまったく新しい事象(予測指標の組み合わせ)なのか。
ひとつ明らかなことは、状況のダイナミクスを考慮に入れたモデルを構築する別の方法が必要だということだ。そうすれば、他の要因の出現/強化による量子セグメントの確率の変化を説明し、その他の要因を事前に予測しようとすることができる。つまり、何が変化したのか、その変化を予測できるのかを理解し、さらにその変化を最終的なモデルに加味することが必要なのである。
何を取引するのか?
トレンド?
パターン?
ガーチを通じた増分の統計?
まずは決断し、結論を出す必要がある。
またガルチだ。
ガルチの何が悪い?
選択肢は2つだけ、トレンド・トレードはカウントされないから、MO経由のパターンかガルチのどちらかだ。
何を取引するのか?
トレンド?
パターン?
ガルチを通じた増分の統計?
まず決めて、それから結論を出さなければならない。
サンプルサイズについて質問がありますか?
本質的なことはわからない。
日中のトレンドの始まりのパターンでしょう。どんな図書館なんだろう?
このDLLは アクセスキーをチェックするための ものです。 リアル からの アクセスキーをチェックするためのものです。接続はGoogle Cloudの 私のクラウドに行きます。このDLLは 自動定期最適化にも使用されます。DEMOソースの投稿の添付ファイル(コードの一部は公開されていません-特に自動最適化のコード)にあります。
こんにちは!
時々、私はここで10〜20年間の最適化されたチャートを見ます。ー3年後、ー2年後、ー1ー1ー1ー1ー梅のーしかし、チャートは成長している。
Is it possible to find patterns of growth spikes, in which the robot trades profitably?
ここで面白いことに気づいた。
誰もがデータ・ドリフトについて知っている。私たちは予測だけをキックすることに慣れているが、私は時間の経過とともに戦略自体に何が起こるか見てみることにした。
この実験の意味がわからない。戦略結果の弾力性は予測変数のドリフトに依存するのでは?戦略は予測変数に依存する。
この実験の意味がわからない。戦略結果の弾力性は予測変数のドリフトに依存するのでは?戦略は予測変数に依存する。
それはターゲットのドリフトについてであり、ある時間間隔における統計的特性の変化についてである。
それは本質的にターゲットのドリフト、つまりある時間間隔における統計的特性の変化についてだ...。
これは特徴のドリフトに依存する
この依存性曲線を仮に理論的な特徴のドリフト(主婦の間ではCATE)に対してプロットすると、対象の特性の変化の弾力性が得られる。形質のドリフトに依存するもの
仮説理論的な形質のドリフト(主婦のCATE)に対して依存曲線をプロットすれば、対象特性の変化の弾力性が得られます。残念ながら、あなたの回答は理解できません。具体的に何をすればいいのですか?また、"hyptoetic-theoretic drift of traits "とはどういう意味ですか?パイソンでこれをやってみましたか?A/Bテストでは移行点がわかりますが、ここではそのような点はありません。
予測変数のドリフトは、分散の変化と確率分布の変化によって現れます。
したがって、最初のケースでは、ロジックは過去のサンプルに残っているが、貪欲な方法ではそれを引き出すことができない。
2番目のケースでは、予測変数によって記述されたイベントの結果の論理が変化している。
これとは別に、データの正規化の欠如によって引き起こされるドリフトに注意することができます。私たちの場合、価格が範囲外に移動し、予測変数がそれを考慮しない場合に関係します。例えば、ポイントだけで何かを測定する。