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 316

[Mihail Marchukajtes]

上記について補足します。MOに携わるには、その分野に関する十分な知識が必要です。私たちの場合は、トレーディングです。多くの人は、不安定な時系列の カティールを見るだけで、これが市場であり、一定のルールとニュアンスがあることを忘れている。どんなプロセスでも自動化しようとすると、そのプロセスの技術を細部まで知っておく必要があります。長年の経験を持つメカニックとしてお伝えしています。

[Vizard_]

http://radikal.ru/video/6X0MyhuW8Bp

[Mihail Marchukajtes]

ヴィザード_。
http://radikal.ru/video/6X0MyhuW8Bp

興味深い映像です。何が言いたいの？

[Dr. Trader]

ミハイル・マルキュカイツ

何が言いたいの？

クラスタリングにおいて。

機械学習は、非常に大雑把に言うと、クラスタリングと言えます。予測変数のハイパースペースがあり、それをいくつかの部分空間に分割する必要があります。特定の部分空間（クラス）に属する点は、FXの取引のアクションを意味します - 3クラスの場合 - 「買い」、「売り」、「終了」。
動画では、2つの予測因子（XとY）に対する教師なし学習、データ量に応じて部分空間の境界を自動で変化させる方法などをわかりやすく紹介しています。FXに関しては、バックテストの期間と、その（期間の）変化がクラスタリング結果にどのように影響するかを隠喩的に示しています。1週間のデータで学習したモデルは、2週間、3週間...と学習したモデルに比べて、見るものも知るものもはるかに少ない。

ビデオの後半では、専門家がクラスタリング結果を評価し、モデルに調整を加える様子を紹介しています。専門家は、得られた3つのクラスだけでは不十分で、少なくとも6つのクラスを見分けることができると判断し、モデルがこの6つのクラスを正確に吸収するように、経験に基づいてモデルのパラメータを調整する。
これは一般的な考え方です。私の考えでは、FXでは何十もの予測要因があり、3次元以上の知覚は難しいので、このステップは不可能だと思います。このステップでは、手動修正ではなく、モデルパラメータの変更に伴う自動修正、つまり、パラメータの選択が 適切かどうかがトレードの基準となるトレードを経験していると理解しています。

[pantural]

Dr.トレーダー

機械学習は、非常に大雑把に言うと、クラスタリングと言えます。予測器のある超空間があり、それをいくつかの部分空間に分割する必要がある......。

取引ばかりでなく、リスクもない。取引はまず心理学であり、数学ではない。あなたは間違った方向に掘っている。

[Roffild]

また、これらのネットワークのコード品質を誰がチェックするのでしょうか？

https://www.mql5.com/ru/forum/190948

[Алексей Тарабанов]

pantural。

そう、これか、これか、どちらかであって、同時にではないのです。

マネージャー、トレーダー、ソフトウェア開発者の少なくとも3人が必要で、まとまりのあるチーム、マネージャーはチームビルディングを実践し、トレーダーは平均的に、開発者はデザインペーターを随所で使い、一人がペアプログラミングを実践しても、うまくいく。

また、アーキビストも必要です。そして、その傍らには...

[Dr. Trader]

ユーロスドで様々なパターンで実験した結果、ブローカーや銀行に多くの利益をもたらすために、価格が大きく規制されているように思えます。

典型的な例として、数週間のデータでモデルを訓練し、新しいデータでは50％しか利益が出ず（実際はランダム）、スプレッドでゆっくりと損失が発生することが挙げられます。
しかし、モデルを使って実験し、パターンを探してみると、少し違った状況が見えてきます。あるパターンは何週間か利益を上げ、その後突然50％の成功率に落ちる、つまりランダムなのです。しかし、1、2ヵ月後にはまた動くのですが、その予測に反して取引しなければならないのです。そして、数週間後、彼らの予測は再び50％のランダム性になる。そして、未来のどこかで、また利益を出すのです。などなど。

これらのことから、私は次のような結論を得ました。銀行は、プログラム、アルゴリズムに従って価格を設定します。これらのプログラムは、定期的に変更され、それらの異なる組み合わせを使用し、そのプログラムが示唆するものとは逆方向に価格を変更するなど、すべて市場に新しい状況を作り出すために使用されます。そうでなければ、彼らのアルゴリズムは解明され、不利に利用されていたことでしょう。
そして同時に、テハ解析や機械学習を行う人たちは、昔からあるパターンを探そうとしています。しかも、そのパターンが誰かの指一本で変わったり、矛盾していたりするのだから、トレードが難しいのも頷ける。

作業モデルは、これらすべてを考慮に入れなければならない。また、パターンが特定の時間セグメントでしか機能しないこと、時には逆方向に機能すること、そして現状からどのパターンのセットを使用すべきかを理解できなければならない。

すべては無益？

[削除済み]

ここでも、少しずつ、困難ながらも、理解が進んでいることがわかります。

市場は制御されたダイナミックなシステムです。

しかし、この事実を認識することで、私たちはその見方や表現方法を見直す必要に迫られます。

そして、統計的手法は、市場の適切なモデルを構築するための適切な手法ではなく、テールについて「語る」ことにのみ適しているという事実が理解されるようになる。テールが薄いか、厚いか。

;)

[Maxim Dmitrievsky]

Dr.トレーダー

ユーロスドで様々なパターンで実験した結果、ブローカーや銀行に多くの利益をもたらすために、価格が大きく規制されているように思えます。

典型的な例として、数週間のデータでモデルを訓練し、新しいデータでは50％しか利益が出ず（実際はランダム）、スプレッドでゆっくりと損失が発生することが挙げられます。
しかし、モデルを使って実験し、パターンを探してみると、少し違った状況が見えてきます。あるパターンは何週間か利益を上げ、その後突然50％の成功率に落ちる、つまりランダムなのです。しかし、1、2ヵ月後にはまた動くのですが、その予測に反して取引をしなければならないのです。そして、数週間後、彼らの予測は再び50％のランダム性になる。そして、未来のどこかで、また利益を出すのです。といった具合に。

これらのことから、私は次のような結論を得ました。銀行は、プログラム、アルゴリズムに従って価格を設定します。これらのプログラムは、定期的に変更され、それらの異なる組み合わせを使用し、そのプログラムが示唆するものとは逆方向に価格を変更するなど、すべて市場に新しい状況を作り出すために使用されます。そうでなければ、彼らのアルゴリズムは解明され、不利に利用されていたことでしょう。
そして同時に、テハ解析や機械学習を行う人たちは、昔からあるパターンを探そうとしています。しかも、そのパターンが誰かの指一本で変わったり、矛盾していたりするのだから、トレードが難しいのも頷ける。

作業モデルは、これらすべてを考慮に入れなければならない。また、パターンが特定の時間セグメントでしか機能しないこと、時には逆方向に機能すること、そして現状からどのパターンのセットを使用すべきかを理解できなければならない。

すべては無益？

まともな人がそんなことを考えるとは思わなかった :)

オッカムの剃刀：「不必要な実体を作らないこと」。