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 3173

[fxsaber]

СанСаныч Фоменко #:

OOSは常に右でなければならない。

もしOOSが左であれば、TSがオーバートレーニングでなく、前を見ていないことを保証することは不可能である。これらは、TCをテストする際に、他の何よりも先に取り組まなければならない最初の大きな問題である。

あなたはどちらを持っていますか？違いはない！片方でも両方でも同じです。正しくテストする必要がある。

そして、テスターやフォームファイルのことは忘れて、以下のようにテストした方がいい：

何の疑いもなく、非常に断定的な文。私はOOSの配置のトピックに関する記事を 作成しました。

テスターに対する嫌悪感は今に始まったことではない。番号クラッシャーを嫌いになった理由はわからない。

2つのファイルがある。

最初のファイルは、サンプルごとにランダムにトレーニング、テスト、検証の3つの部分に分かれている。ランダムな）トレーニング・サンプルで勉強し、次にランダムなテスト・サンプルと検証用サンプルでチェックする。結果を比較する。それらがほぼ等しければ、2番目の「自然配列」ファイルでチェックする。ここでもほぼ同じであれば、主な結論が得られる。この結論があって初めて、それ以外のこと、つまり精度や収益性、その他のことについて話す意味がある。

先読みとオーバートレーニングをテストする他の方法は、事実上存在しない。

私は、最適化においてどのように先を見ることができるのかよくわからない。

方法論について。トレーニング／テスト／テストに分ける必要性が理解できない。たとえ最も好ましい統計的研究であっても、TCがオーバートレーニングではないと主張するのは、あまりにも自虐的なように思える。

私が得られる結論は、「TCが、トレーニング・インターバルの前後に何らかのパターンを発見した可能性が高い」というのがせいぜいである。同時に、このパターンがすでに崩れていないという保証はない。"

[Maxim Dmitrievsky]

青と赤、どちらの薬を飲むべきかということだよ。）

[fxsaber]

Maxim Dmitrievsky #:
運とPハッキングだね。だから結果はどうにでもなる。

Pハッキングとは、統計的に意味のある基準に意図的に結果を当てはめることです。例えば、左のOOの統計が急峻であるのを見て、その選択肢を選ぶ。右も同様。フィッティングがすべてだ。

待って、この時点ではどのような選択について話しているの？

[Maxim Dmitrievsky]

fxsaber #:

待って、この時点で私たちはどんな選択肢について話しているの？

あなたはこの選択肢を選び、左が良くて右が悪いことを示した。

つまり、最適化にはいくつかの選択肢があるのに、あなたはこの選択肢を選んで示した。

[fxsaber]

Maxim Dmitrievsky #:

あなたはこの選択肢を選び、左が善で右が悪であることを示した

私はそうしなかった。これがその方法だ。

取引、自動取引システム、取引戦略のテストに関するフォーラム。

トレーディングにおける機械学習：理論、モデル、実践とアルゴ-トレーディング

fxsaber、2023.08.17 06：58

私はそのような自己欺瞞を実践していません。私はこのようにのみ行います。

1. トレイン上の最適化。
2. 見つかったものから上位5つを選び、OOSでの挙動を観察します。いずれにせよ、この点に最適化はない。

こうして元の画像が得られた。だから、左の素敵なOOSは、まったくフィッティングしていない。

[Maxim Dmitrievsky]

fxsaber #:

私はそれを選ばなかった。これがその方法だ。

まあ、より洗練されたPハッキングだけどね。それらは天井から取ってきたものではない。

[fxsaber]

Aleksey Vyazmikin #:

生え抜きの生え抜き選手も生え抜き選手と生え抜き選手と

もちろん様々です。But very often you can see a break right after Sample.おそらくそれは認知の歪みで、何かに注意を払うと、それが頻繁に起こるという印象を受けるのでしょう。

ティック・ストラテジーについてはよく知らないが、このような動作の要因の一つは、例えばトレーニング時に比較可能なデータがないことである。

ータはータはータはータはータはータはータはータ3ータ3年

あなたがどのような学習方法を用いているのか知りませんが、もしそれがツリーシステムであったり、条件付きインディケータ（関数）のレンジをクランプするだけのフィルタであったりするのであれば、そのようなレンジのそれぞれに該当する例の数を見積もる価値があります。

、ー各範囲のー。I counted the statistical data, but did not look at the graph itself.

考えられる状況は、データのドリフトとフィルター／リストの確率分布のシフトである。

例えば、トレーニングのためにあるサンプルで量子セグメントを選択し、他の2つのサンプルで それらの分布（ターゲット0||1に対する正解と不正解のパーセンテージ）を推定すると、3つのサンプルで安定性基準を満たすことが25％～30％の範囲で見つかります。

結局のところ、単純なパターンを分析すること、つまり、望遠鏡で彗星の尾をランダムに観察するのではなく、そのようなパターンとみなす理由を見つけることが重要なのだ。

のののウムシのウムシがウムシとウムシとウムシとウムシをウムシとウムシとウムシとウムシのウムシをウムシをウムシをウムシをウムシをウムシをウムシをウムシをむすび

[fxsaber]

Maxim Dmitrievsky #:

まあ、より洗練されたPハッキングだけどね。、ったな。

やめるんだ。あなたは最適化プロセス自体に反対しているわけではないのですね？Sample-intervalで望ましいカーブを得ることは、純粋に論理的に他のインターバルとは何の関係もない。

[Maxim Dmitrievsky]

fxsaber #:

おっと。あなたは最適化プロセス自体に反対しているわけではないのですね？サンプル区間で望ましいカーブを得ることは、他の区間と論理的に関連しているわけではない。

あなたが自分の知識や好みに基づいてパラメーターを設定したから、つながっているのです。最初に、あなたはどのパラメータを使えばより良いカーブが得られるかを知っています。さらに、あなたは以前の履歴で以前に取引したことがあり、この経験を新しい履歴でTSを構築するために使用することができます。このようなゲシュタルト療法の奥深さは、膨大なものになります。）

私は最適化に反対しているわけではない。

[fxsaber]

Andrey Dik #:

ったな。

I don't quite understand the question.左のOOSは1年です。逆に増やすべきでしょうか？

私は、右のOOSに急激なプラムがあるとき、システムのそのような動作に会ったことがありますが、私はそれが発見された市場パターンの急激な180度の反転に直接接続されているとは思いません（それは、再トレーニングや調整のような実際の問題ではなく、神秘的な性質、ブードゥー教の実践の使用や一般的な何かの理由を示すでしょう。）通常これは、Maxが上記で述べたように、偽陽性（または偽陰性）を引き起こすコード内のエラーによる もので、その修正は、最悪の場合はOOSの右のランダムな挙動（オーバートレーニング）、最良の場合は収益性の漸進的な衰退（発見されたパターンの衰退および/またはその漸進的な変化）につながります。

コードにバグがないということは、コードがプログラミング前に意図されたとおりに動くということだと思います。この意味では、すべて問題ない。

フレンドリーなフレンドリーなフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリー。ータがータがータはータである。