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 3128

[Maxim Dmitrievsky]

デッキのシャッフル不良を意味する

バイアス - 分散トレードオフ

[Uladzimir Izerski]

Maxim Dmitrievsky #:

デックのシャッフルが悪かったことを意味する

バイアス - 分散トレードオフ

マキシム、あなたの発言と市場に関する知識を考慮して、「尻尾が犬を振る 」という表現の意味を説明しよう。

あなたの怒りや不満の原因になることは分かっている。でも、私は怖くない。

説明しよう。

犬の尻尾とは、ゼロバーの後ろの 左側に 見えるグラフのことだが、このまさにダ犬は右側にいることになる。

この犬は、フォーラムの他の部分と同様に理解され、尊重されなければならない。そうすれば成功のチャンスはある。心理学の本を読みましょう。）

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

デックのシャッフルが悪かったことを意味する

り - 分散トレードオフ

そこがポイントです。データのドリフトがある場合、デッキをシャッフルすることはできません。もしそれが単なる範囲の変動ではなく、顕著なベクトルを持つものであれば、それを予測し、場合によってはそれを考慮した符号を生成する必要がある。

ここで私は興味深いアルゴリズム "Isolation Forest "を発見した。

理論的には、新しいデータが到着したときに、それがトレーニングが実施されたものと大きく異なる場合、元のサンプルをフィルタリングし、信号を無視するために使用することができます。

これを一緒に考えてみませんか？

例えば、ここで もっと読むことができます。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

ポイントは、データのドリフトがある場合、デッキをシャッフルすることはできないということだ。ドリフトを予測し、それを考慮したサインを生成する必要がある。

ここで、私は興味深いアルゴリズム「Isolation Forest」を発見した。これは、理論的には、トレーニングや新しいデータに対して、サンプル内の異常値/外れ値を修正することができる。

理論的には、新しいデータが到着したとき、それがトレーニングが行われたものと大きく異なる場合、元のサンプルをフィルタリングし、信号を無視するために使用することができます。

これを一緒に考えてみませんか？

例えば、ここで もっと読むことができます。

そのばらつきを考慮してバイアスを決定する段階では、シャッフルが必要です。この目的のために、クロスフィットが行われる（Sanychによる安定性の類似）。このバイアスのばらつきはまったく線形ではないかもしれないので、この問題は単純な推論では解決できない。部分的には解決できるようになったが、より良い解決策を常に求めている。

アノマリーの方向性も調べたが、今のところコズールの方が興味深い。

[Uladzimir Izerski]

Maxim Dmitrievsky #:
この患者たちを追放してくれ、ついに )

彼らはフォーラムをゴミ溜めにしている。

もし私が2回の投稿でゴミ箱に変えたのなら、あなたは自分が管理する巨大なゴミ箱を作ったことになる。

では、本題に入りましょう。

国防総省に質の高い予測が できると思いますか？

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
バイアスをその変動性に関して定義する段階では、シャッフルしなければならない。この目的のために、クロスフィットが行われる（Sanychによる安定性の類似）。このバイアスの変動性はまったく線形ではないかもしれないので、この問題は単純な推論では解決できない。部分的には解決できるようになったが、もっとうまくやりたいと常に思っている。

原因を突き止めなければ、人気のあるさまざまな方法を使っても生産的ではない。したがって、私はモデルによってではなく、変化の原因を理解した上で個々の予測因子によってデータの変動を測定したいと考えている。

[Uladzimir Izerski]

Maxim Dmitrievsky #:
黙れ。

あなたが予測能力を問題にしているのはわかったが、それならMOについて人々に何を教えているんだ？

自動車業界ではMOとハードウェアが頼りになる道があり、0バーの後ろの市場では地平線の四方に明確な道があるとしよう。

ドッグテール部分を狭くしたり広くしたりすれば有利になると思っているのなら。そんなことはない。

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

その原因がわからなければ、様々な一般的な手法を用いても生産的ではない。、、ータがータがータがータがというーモデルでーモデルをーモデルとータそういうータそういうータそういうータこのータこのータこのータこのータこのータこのータこのータ、ータこのータ。

そうすれば、個々の予測因子を測定することができる。想像力に限界はない。MatstatとMOを応用すればいいのだ。

アノマリーはもっと簡単だ。何も読んでいない人にこれ以上コズールについて説明するつもりはない。

[Uladzimir Izerski]

Aleksey Vyazmikin #:

その原因がわからなければ、様々な一般的な手法を用いても生産的ではない。したがって、モデルではなく、原因を理解した上で個々の予測因子によってデータの変動を測定したい。

検出器を正しく使うことが重要である。これが運動の基本である。

追伸

必ずしも技術的なものだけでなく、FA、ニュース、噂などとの組み合わせでも、さまざまな要因が検出器として機能する。

ご興味のある方は、タイミングを見計らって、もちろん無料でヒントを差し上げます)))。

[Sergey Golubev]

議論されている理論（またはスレッドのトピックや具体的な内容）に同意できない場合、そしてその同意できない内容が1～3回以上の投稿に及ぶ場合は、次のようにすることを強くお勧めします：

• 自分のスレッドを立てる。
• スレッドの最初の投稿で、スレッドのルール（何を議論し、何を議論しないか、どのように議論するか、など）を概説する。
• 問題がなければ、モデレーターがそのブランチのルールに従って監視する。

しかし、これが「互いに触れ合う」ことなく、ここでのさまざまな側面を発展させる唯一の方法なのです。
--------------------

参考までに。