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 3174

[Maxim Dmitrievsky]

時系列を前方ではなく後方に投影したことがあったのを覚えている。そして、その結果は良い方向に違っていたようだ。もちろん確認はしないが（笑）。

[fxsaber]

Maxim Dmitrievsky #:
ー「ーそれはー、ーこのーこのーーーーはーーーーはーーーはーーはーーーはーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー最初に、どのパラメータを使えばより良いカーブが描けるかを知っている。ータをータはータをータはータをータはータはータをータこのータはータをータこのータはータこのータはータこのータセーこのようなゲシュタルト・セラピーの深さは膨大なものになる)

私は、このような脳の再教育の効果をよく知っている。この場合、TSは時系列的に このTSの前に書かれている。

トレーディング、自動売買システム、トレーディング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、アルゴ・トレーディング

fxsaber, 2023.08.17 07:38

このチャートは3年間の日々の取引を示しています。

とにかく、考えに感謝します。

[fxsaber]

fxsaber #:

列車／テスト／試験に分ける必要性が私には理解できない。

このインターバルに何の意味があるのでしょうか？

今のところ、私はこのようなスキームを想像しています。

1. ナンバークラッシャーは列車で、フィルタリングは試験で実行されます。
2. ナンバークラッシャーは完全にオフにする。そして、試験でベストの結果をいくつか取る。

最初の点は奇妙に思える。テスターの「フォワードテスト」。フィルタリングなしの最適化よりも、訓練とテストの組み合わせの方が良いのでしょうか？

[mytarmailS]

fxsaber #:

私はそういう自己欺瞞を実践しない。それしかないんだ。

1. 。
2. 見つかったものから上位5つを選び、OOSでの振る舞いを観察する。いずれにせよ、この点に最適化はない。

これはまさに元の画像が得られた方法である。つまり、左の素敵なOOSはまったくフィッティングしていない。

あなたは私が説明したことを1対1でやっているのです、もっと注意深く読み直してください。

===================

SBとの比較をしてください。TSがSBと市場データで異なる振る舞いをすることが証明されない限り、比較はできませんし、仮説を立てる意味もありません。

[fxsaber]

mytarmailS #:
あなたは私が説明したことと同じことをしている。

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、アルゴトレーディング

mytarmailS、2023.08.16 13:23

一般的に、1000種類のTSがあるとします。

ステップ1と2

1) 良いTSを最適化/検索し始める。これがトレーン データ(フィッティング/検索/最適化)である。

例えば、TCが儲かるバリアントを300個見つけたとします。

2) さて、あなたはこの300のバリアントの中からOOSに合格するTCをテスト データとして探しています。例えば10個のTCのうち、トレーンと テスト（OOS）の両方で稼ぐTCを見つけたとします。

私は2番目のステップは行いません。

[mytarmailS]

fxsaber #:

第2段階はやらない。

あなたが "やらない "2番目のステップ))

、、のフシギ

[Andrey Dik]

fxsaber #:

1.質問がよく理解できなかった。左のOOSは1年です。過去にズームするのでしょうか？

2.コードにエラー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。その意味では、何も問題ない。

そして、一般的なケースとして、コードにエラーがあるTCもTCであることに変わりはない。ただ、作者がもともと意図していたものとは違うだけなのだ。

1.そうだ。

2.そうだ。

訓練直後に鋭いプラムが常に 発生するのであれば、逆算してトレードすればよい（しかし、これは非常に奇妙なシナリオであり、その理由を説明するのは難しい）。しかし、もちろん、訓練直後のプラムが常に 起こるとは限らない（偶然）可能性があり、その場合はモデルの予測能力が弱いことを示す。

[СанСаныч Фоменко]

fxsaber #:

疑念のかけらもない極めて断定的な発言。私はOOCの場所について投稿 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。ナンバークラッシャーの何が悪いのかわからない。

最適化するときにどうして先を見ることができるのか理解できない。

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調査であっても、TCがオーバートレーニングではないと主張するのは、あまりにも自己を信じすぎているように思える。

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もない。"

私の高い分類は、MOでは標準的な、記述されたアプローチに基づいている。クロスバリデーションについてはまだ言及していない。これはIOにおける市場分析のプロフェッショナルなアプローチである。

あなたが述べているのは、統計で結論を正当化することが不可能なアマチュアレベル、TAレベルです。このため、統計はテスターによって代用されますが、その基本は統計とは関係ありません。

このことを理解するならば、テスターを使用できるのは、統計学に基づいた結論である予備計算の後だけ である。

これが、生データを準備するという私が説明したアプローチが、テスターの域を超え、オーバートレーニングと先読みを保証するものである理由です。逐次テストと乱雑なデータに対するテストを比較してください。

左のOOSが先読みの結果であることを理解していないという事実は、OOSがないことを意味するものではない。写真を見る限り、非常に疑わしい。例えば、アルゴリズムが、OOSと同じきれいな絵を与えるOOSセグメントに対して、未来にある何かを探している可能性はかなり高い。テストセグメントに関して未来に移動した途端、即座にガッカリです。

結論。

テストの右側に梅がある絵は、オーバートレーニングの証拠であり、かつ／または先を見ている証拠である。

[СанСаныч Фоменко]

テスターについては別途。

テスターには「2次元サーフェス」の形をした最適化グラフが ある。

これはオーバートレーニングを監視するために使うことができる。

ーこのー このー このー このーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーこのーーーーーーーこのような位置は、発見された最適値がプラトーを示していることに対応する。

テスターはークがークがークする可能性がークする可能性がークする可能性がークすることがークする可能性がークする可能性がークする可能性がークする可能性がークする可能性がークする可能性がーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

[СанСаныч Фоменко]

市場モデル全般のファンのための参考 文献。