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 318 1...311312313314315316317318319320321322323324325...3399 新しいコメント Maxim Dmitrievsky 2017.05.01 08:49 #3171 kaus_bonus さん 左手が右手と戦っているのですか？http://www.rbc.ru/finances/19/10/2015/5624cf299a79472c1c14ac85など まあ、結局は自分たちが損をしたわけで、市場には大企業だけがいるわけではありませんからね。ランダムは、例えばE・ピータースが書いているように、異なる投資ホライズンを持ち、それぞれの投資ホライズンでの利益と損失の分布はほぼ等しく、ブラックスワンを削る確率は同じである。そして、独占企業との戦いは、国家と競争市場の重要な役割です。そうでなければ、私たちは1000ドルのパンを買っていることでしょう。 Dr. Trader 2017.05.01 09:22 #3172 Oleg avtomat:タスクが制御信号定義タスクとして定式化されている場合文言に感謝します。FXの管理性に頼って新しいタスクを設定したことはまだないのですが、これなら数ステップで自分にも設定できそうです。サンサニッチ・フォメンコでは、その解決策は？私が最初に考えたのは、FXから足を洗って、暗号通貨を取引しようということでした。なぜなら、暗号通貨はすべて自由で独立したものだからです。しかし、暗号の価格は通常ドルで表現されるので - その後、btc/usdはまたusdから悪い予測できない特性を得るでしょう、あまりにも悪いです。暗号のクロス取引、例えばbtc/ltc（ビットコイン-ライトコイン）などを試してみてはどうでしょうか。MT4でbtc/usdがあると宣伝しているブローカーがありましたが、MT5でbtc/ltcがある非厨房を探したほうがいいです。最悪の場合、直接ビットコイン取引所に行くこともできますが、自分でプログラムを書いて、その残りのAPIを使ってロボットで取引する必要があります。また、分類モデルをFXで活用する方法についても、いくつかのアイデアがあります。まず、現在のコントロールタイプを分類します（私の経験では、タイプはランダムに以前のものに変化します）。数も少ないようで、全部で4つ。しかし、正確ではありません）。また、コントロールの種類ごとに訓練されたトレードクラシファイアを用意する必要があります。そして、適切な分類器を用いて売買予測を行う。なぜかすべてが複雑になりすぎて、新しいバイクがたくさん必要になるんですよね :) 削除済み 2017.05.01 17:44 #3173 Dr.トレーダー文言に感謝します。FXの管理性から新しい目標を設定したことはまだないのですが、これなら自分でも数ステップで設定できそうな気がします。正しく設定されたタスクは、すでに半分終わっている。成功を祈っています。 СанСаныч Фоменко 2017.05.01 17:55 #3174 Dr.トレーダー文言に感謝します。FXの管理しやすさを基準に新しい目標を設定したことはまだないのですが、これなら数ステップで自分にも設定できそうです。最初に考えたのは、FXから離れ、暗号通貨を取引することでした。なぜなら、暗号通貨はすべて自由で独立したものだからです。しかし、暗号の価格は通常ドルで表現されているので - その後、btc/usdの価格はusdから、また悪い予測できないプロパティを取得します。暗号のクロス取引、例えばbtc/ltc（ビットコイン-ライトコイン）などを試してみてはどうでしょうか。MT4でbtc/usdがあると宣伝しているブローカーがありましたが、MT5でbtc/ltcがある非厨房を探したほうがいいです。最悪の場合、直接ビットコイン取引所に行くこともできますが、自分でプログラムを書いて、そのレストアAPIを使ってロボットで取引する必要があります。また、分類モデルをFXで活用する方法についても、いくつかのアイデアがあります。まず、現在のコントロールタイプを分類します（私の経験では、タイプはランダムに以前のものに変化します）。数も少ないようで、全部で4つ。しかし、正確ではありません）。また、コントロールの種類ごとに訓練されたトレードクラシファイアを用意する必要があります。そして、適切な分類器を用いて売買予測を行う。なぜか複雑になりすぎて、新しい自転車がたくさん必要になってしまうんですよね :)分類モデルについて言えば、大きな時間間隔にわたってほぼ同じ予測力を持つ予測因子を探す必要があります。現時点では、予測した通貨ペアそのもののデリバティブがいろいろと出てくるので、困ってしまいます。また、他の通貨ペアを例にとるとしてきました。EURUSDには予測能力のある通貨ペアと、この通貨ペアを全く予測しない通貨ペアが存在します。しかし、もっと深刻な思いがあります。実は、通貨レート、例えばUSDは、FRBレート、GDP...といった様々なマクロ経済指標に 直接的に依存している。今回検出されたパターンの変化は、マクロ経済指標の変化によるものである可能性があります。1ヶ月という周期はとても早い。通常、1四半期または1シーズン。 Egor Manakhov 2017.05.03 14:15 #3175 このスレッドに興味を持ち、議論に参加されたすべての方にご挨拶申し上げます !スレッドを最初から最後まで、少し飛ばしながら読ませていただきました。ここには、興味深いアイデアや考え方があります。この問題に対して、市場にどうアプローチし、何を得ようとするのか、私の視点とアプローチを述べたいと思います。私は、インジケーターなどのテクニカルな手段を使わずに、マーケットで自分を位置づけることができる十分な取引経験を持っています。私のビジョンや経験を数理モデル化するアイデアが浮かびました。特に、専門的なプログラミングのスキルや、何よりも数学、統計学、物理学などの知識がないため、すべてのニュアンスを数字に置き換えることはできないだろうと、すぐに悟ったのです。しかし、私はその仕事を引き受けた。その結果、私の相場に対する考え方、予測方法が反映されたインジケータ（図）を作成しました。その操作方法を簡単に説明します。まず、引用文の前処理を行い、滑らかでねじれが少ない、いわゆる「理想的な」モデルを作成します。しかし、このモデルは、このような長所を持ちながら、大きな短所も持っています。それは、バー数できちんと（10〜12本）遅れをとっていることです。次の課題は、「理想的な」モデルの遅れを補正することであった。この課題は、現在も解決中です。でも、結果は出ている。図では、黄色が5本先、赤が7本先の「理想的な」モデルの予測値を示しています。過去のデータでは1小節でも先に進めない。誤検出が多く、滑らかさが損なわれてしまう。つまり、歴史から最大限のものを引き出してきた。私の考えでは、出来高から始まり、取引された商品と他の何十もの商品との相関関係まで、非常に複合的な予測因子が次のバーを形成するのに関与していると思います。(そして、相関関係は非常に短期的なものであり、多かれ少なかれ長期的な関係を特定することはできていないことを明確にしたい）。このような仕事を通じて、私は市場の動きについて明確な意見を持っています。我々一般のトレーダーは、その時々のマーケットの状況を完全に把握しているわけではないので、マーケットを動かしている人たちに、常に遅れをとることになります。しかし、ゼロ・バーに近づくことは可能だと思いますが、それには普通のトレーダーにはほとんど不可能なほどの資源と知識が必要です。 Mihail Marchukajtes 2017.05.03 18:32 #3176 エゴール・マナホフこのスレッドに興味を持ち、議論に参加されたすべての方にご挨拶申し上げます !スレッドを最初から最後まで、少し飛ばしながら読ませていただきました。ここには、興味深いアイデアや考え方があります。この問題に対して、市場にどうアプローチし、何を得ようとするのか、私の視点とアプローチを述べたいと思います。私は、インジケーターなどのテクニカルな手段を使わずに、マーケットで自分を位置づけることができる十分な取引経験を持っています。私のビジョンや経験を数理モデル化するアイデアが浮かびました。特に、専門的なプログラミングのスキルや、何よりも数学、統計学、物理学などの知識がないため、すべてのニュアンスを数字に置き換えることはできないだろうと、すぐに悟ったのです。しかし、私はその仕事を引き受けた。その結果、私の相場に対する考え方、予測方法が反映されたインジケータ（図）を作成しました。その操作方法を簡単に説明します。まず、引用文の前処理を行い、滑らかでねじれが少ない、いわゆる「理想的な」モデルを作成します。しかし、このモデルは、このような長所を持ちながら、大きな短所も持っています。それは、バーの数できちんと（10〜12本）遅れをとっていることです。次の課題は、「理想的な」モデルの遅れを補正することであった。この課題は、現在も解決中です。でも、結果は出ている。図では、黄色が5本先、赤が7本先の「理想的な」モデルの予測値を示しています。過去のデータでは1小節でも先に進めない。誤検出が多く、滑らかさが損なわれてしまう。つまり、歴史から最大限のものを引き出してきたのです。私の考えでは、出来高から始まり、取引された商品と他の何十もの商品との相関関係まで、非常に複合的な予測因子が次のバーを形成するのに関与していると思います。(そして、相関関係は非常に短期的なものであり、多かれ少なかれ長期的な関係を特定することはできていないことを明確にしたい）。このような仕事を通じて、私は市場の動きについて明確な意見を持っています。我々一般のトレーダーは、その時々のマーケットの状況を完全に把握しているわけではないので、マーケットを動かしている人たちに、常に遅れをとることになるのです。しかし、ゼロ・バーに近づくことは可能だと思いますが、それには普通のトレーダーには現実的に不可能な資源と知識が必要です。 面白い!!!!!!!インジケータは襟をうまく滑らかにしてくれますが、ライン自体には予想がつきません。つまり、「イチジクの行くところ、煙の行くところ」という原理に従っているのです。このようなTSは、原則として偽信号の数に敏感である。どうやって予測値を出したんだろう？ nowi 2017.05.03 20:56 #3177 この人は、自分のガラクタを売ろうと思っただけなんだ．のような車...こっそり...本当に会話を続けたいように)...さて...。 Dr. Trader 2017.05.04 04:40 #3178 サンサニッチ・フォメンコ実は、米ドルのような通貨の為替レートは、FRBレート、GDP...といったあらゆるマクロ経済指標に 直接的に依存しているのである。あなたが指摘したパターンの変化が、マクロ経済指標の変化と関連している可能性は十分にあります。1ヶ月という周期はとても早い。通常、1四半期または1シーズン。さらにパターン認識の実験をしてみました。このモデルの本質は、数十本のバー（パターン）の間の価格の増減を取り、前の週の類似パターンを見つけ、以前の類似パターンの後に価格がどう動いたかを見て、これらの観察に従って取引することである。このモデルには、パターンの長さ（バー単位）、類似パターンを検索する際に履歴をどこまで見るか、異なる係数など、最適化のためのさまざまなパラメータが用意されています。 私は、mytarmailSさんがここで提案されたように、パターンの「類似性」をデカルト距離で定義しています。1週間という短い期間のトレーニングで、モデルのパラメータを調整すれば、その期間内は利益を上げることができます。しかし、先ほども書いたように、このモデルはランダムではなく、定期的に新しいデータを使って利益と損失を発生させます。利益が出た週、損失が出た週、ただスプレッドが緩やかにスライドしている週が数回あります。そして、こうした黒字や強い赤字のサイクルは、時に数カ月後の未来に現れることもあるのです。これは、neuronkaやscaffoldのような従来のモデルとは大きく異なり、新しいデータに対して均一に、ゆっくりと拡散していくものです。このモデルで気に入っているのは、FXの隠れたサイクルを示しているようで、同じパターンでも価格の反応が大きく変わるのが分かることです。神経細胞のように結果がランダムに出るのではなく、周期的に（しかし不均一に）悪化したり改善したりするのがわかるのです。珍しい。新しい実験はさらに不可解である。モデルのパラメータは、例えば1週間や1ヶ月など、時間的に任意の長さのデータで利益を上げることができるのである。しかし、いくらトレーニング間隔を長くとっても、新しいデータで安定した利益を得ることはできない。1週間の学習データを取れば、損益の出る期間も1週間となり、次の週が儲かるかどうかは分からない。トレーニングに月を使えば、損益の期間も月となる。なんということでしょう :)現在のFX運用のタイプの分類を間違えていたのでしょう、そんなことより、トレーニングのために取ったデータ間隔の長さに左右されるわけにはいきませんね。センスやロジックを捨てないと、仕組みがまったく理解できないんです :)今のところ、パターンに含まれる小節の数を増やすことだけが考えられています。 例えば、「Head & Shoulders」パターンが3月に利益を上げ、4月に損失を出した場合、それだけでは明らかに判断できない。その前のパターンを見て、最終的には履歴から3つ前のパターンを見つけて、その組み合わせで判断しなければならないこともある。 うまくいくかもしれません。 しかし、ここで矛盾が生じます。オッカムの原理は、もし私が10本のバーのパターンを使って利益を生む取引をするようにモデルを教えることができるなら、100本のバーを使うべきではないと言っているのです。そして、私の結論は、そうすべきだということです。結論はない。私は、FXを続けています。 Egor Manakhov 2017.05.04 04:52 #3179 ミハイル・マルキュカイツ 面白い!!!!!!!あなたのインジケータは衝突をうまく滑らかにしますが、ライン自体には何の予測もありません。つまり、「イチジクの行くところ、煙の行くところ」という原理に従っているのです。このようなTSは、原則として偽信号の数に敏感である。どうやって予測値を出したんだろう？ 確かに平滑化は良いのですが、位相遅れも小さくはないですね。ここでも、最大の平滑 性と最小の フラクチャーを得ることを主眼としています。次に、ニューラルネットワークと線形回帰を学習させることで、このモデルをゼロバーに向かって徐々に回復させ、滑らかさを保ちます（主にアルゴリズム取引のために滑らかさが必要で、10-12バーから7バー分の位相を回復させても市場から「噛む」何かを得るために、最小限のブレーク回数が必要です）。黄色と赤色の線の形の予測値は、「理想」線を目標関数としてニューラルネットワークを学習させて得られたもので、予測変数は振幅と位相でサンプルに重なる多項式である。しかし、「黄色」モデルと「赤色」モデルの学習は、「赤色」モデルの学習には「黄色」モデルを予測変数として使っているので、ちょっと違う、と言ってもいいでしょう。AUDJPYの1分足チャート、サンプル1500-2000バーでトレーニングしてみました。得られたモデルは、相場の振幅がかなり大きいにもかかわらず、すべての時間枠と全歴史に対して有効である。ここで多くの市場予測のバリエーションが提示されたが、その多くは、述語、目標関数、ニューラルネットワークの学習内容を決めることができなかった。この記事では、私がこの複雑な問題をどのように解決しているかを紹介したいと思います。 Dr. Trader 2017.05.04 06:12 #3180 パターンパターン vs ニューラルネット」での利益チャート。両パターンとも2016年10月にプラスサイドでeurusdをトレードするように訓練されたもので、一定ロット、ストップや持ち越しなし、常にロングまたはショートトレードで、H1には始値でトレードする。チャート上の取引-過去5年間、1ヶ月の学習データを含む。相互評価なしにモデルを学習させ、価格から最大限の利益を搾り取っただけです。チャート上でサーバーが正常なティックを出さなかった場所がある、そこに何らかのドレインがある、ならばその場所を無視すればいいのです。これが神経細胞です。訓練された時間間隔がはっきりわかる、ここだけ安定した利益を出しているのです。そして、こちらがパターン認識モデルです。結果はマイナスですが、それでもニュートロニクスよりはましです。そして、何週間も利益が出たこともたくさんあります。でも、その後はダメでしたね。 かっこいいけど、まだ使いこなせてない。 1...311312313314315316317318319320321322323324325...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
左手が右手と戦っているのですか？
http://www.rbc.ru/finances/19/10/2015/5624cf299a79472c1c14ac85
など
まあ、結局は自分たちが損をしたわけで、市場には大企業だけがいるわけではありませんからね。ランダムは、例えばE・ピータースが書いているように、異なる投資ホライズンを持ち、それぞれの投資ホライズンでの利益と損失の分布はほぼ等しく、ブラックスワンを削る確率は同じである。そして、独占企業との戦いは、国家と競争市場の重要な役割です。そうでなければ、私たちは1000ドルのパンを買っていることでしょう。
タスクが制御信号定義タスクとして定式化されている場合
文言に感謝します。FXの管理性に頼って新しいタスクを設定したことはまだないのですが、これなら数ステップで自分にも設定できそうです。
では、その解決策は？
私が最初に考えたのは、FXから足を洗って、暗号通貨を取引しようということでした。なぜなら、暗号通貨はすべて自由で独立したものだからです。しかし、暗号の価格は通常ドルで表現されるので - その後、btc/usdはまたusdから悪い予測できない特性を得るでしょう、あまりにも悪いです。暗号のクロス取引、例えばbtc/ltc（ビットコイン-ライトコイン）などを試してみてはどうでしょうか。MT4でbtc/usdがあると宣伝しているブローカーがありましたが、MT5でbtc/ltcがある非厨房を探したほうがいいです。最悪の場合、直接ビットコイン取引所に行くこともできますが、自分でプログラムを書いて、その残りのAPIを使ってロボットで取引する必要があります。
また、分類モデルをFXで活用する方法についても、いくつかのアイデアがあります。まず、現在のコントロールタイプを分類します（私の経験では、タイプはランダムに以前のものに変化します）。数も少ないようで、全部で4つ。しかし、正確ではありません）。また、コントロールの種類ごとに訓練されたトレードクラシファイアを用意する必要があります。そして、適切な分類器を用いて売買予測を行う。なぜかすべてが複雑になりすぎて、新しいバイクがたくさん必要になるんですよね :)
文言に感謝します。FXの管理性から新しい目標を設定したことはまだないのですが、これなら自分でも数ステップで設定できそうな気がします。
正しく設定されたタスクは、すでに半分終わっている。
成功を祈っています。
文言に感謝します。FXの管理しやすさを基準に新しい目標を設定したことはまだないのですが、これなら数ステップで自分にも設定できそうです。
最初に考えたのは、FXから離れ、暗号通貨を取引することでした。なぜなら、暗号通貨はすべて自由で独立したものだからです。しかし、暗号の価格は通常ドルで表現されているので - その後、btc/usdの価格はusdから、また悪い予測できないプロパティを取得します。暗号のクロス取引、例えばbtc/ltc（ビットコイン-ライトコイン）などを試してみてはどうでしょうか。MT4でbtc/usdがあると宣伝しているブローカーがありましたが、MT5でbtc/ltcがある非厨房を探したほうがいいです。最悪の場合、直接ビットコイン取引所に行くこともできますが、自分でプログラムを書いて、そのレストアAPIを使ってロボットで取引する必要があります。
また、分類モデルをFXで活用する方法についても、いくつかのアイデアがあります。まず、現在のコントロールタイプを分類します（私の経験では、タイプはランダムに以前のものに変化します）。数も少ないようで、全部で4つ。しかし、正確ではありません）。また、コントロールの種類ごとに訓練されたトレードクラシファイアを用意する必要があります。そして、適切な分類器を用いて売買予測を行う。なぜか複雑になりすぎて、新しい自転車がたくさん必要になってしまうんですよね :)
分類モデルについて言えば、大きな時間間隔にわたってほぼ同じ予測力を持つ予測因子を探す必要があります。
現時点では、予測した通貨ペアそのもののデリバティブがいろいろと出てくるので、困ってしまいます。
また、他の通貨ペアを例にとるとしてきました。EURUSDには予測能力のある通貨ペアと、この通貨ペアを全く予測しない通貨ペアが存在します。
しかし、もっと深刻な思いがあります。
実は、通貨レート、例えばUSDは、FRBレート、GDP...といった様々なマクロ経済指標に 直接的に依存している。今回検出されたパターンの変化は、マクロ経済指標の変化によるものである可能性があります。1ヶ月という周期はとても早い。通常、1四半期または1シーズン。
このスレッドに興味を持ち、議論に参加されたすべての方にご挨拶申し上げます !スレッドを最初から最後まで、少し飛ばしながら読ませていただきました。ここには、興味深いアイデアや考え方があります。この問題に対して、市場にどうアプローチし、何を得ようとするのか、私の視点とアプローチを述べたいと思います。
私は、インジケーターなどのテクニカルな手段を使わずに、マーケットで自分を位置づけることができる十分な取引経験を持っています。私のビジョンや経験を数理モデル化するアイデアが浮かびました。特に、専門的なプログラミングのスキルや、何よりも数学、統計学、物理学などの知識がないため、すべてのニュアンスを数字に置き換えることはできないだろうと、すぐに悟ったのです。しかし、私はその仕事を引き受けた。
その結果、私の相場に対する考え方、予測方法が反映されたインジケータ（図）を作成しました。その操作方法を簡単に説明します。まず、引用文の前処理を行い、滑らかでねじれが少ない、いわゆる「理想的な」モデルを作成します。しかし、このモデルは、このような長所を持ちながら、大きな短所も持っています。それは、バー数できちんと（10〜12本）遅れをとっていることです。次の課題は、「理想的な」モデルの遅れを補正することであった。この課題は、現在も解決中です。でも、結果は出ている。図では、黄色が5本先、赤が7本先の「理想的な」モデルの予測値を示しています。過去のデータでは1小節でも先に進めない。誤検出が多く、滑らかさが損なわれてしまう。つまり、歴史から最大限のものを引き出してきた。私の考えでは、出来高から始まり、取引された商品と他の何十もの商品との相関関係まで、非常に複合的な予測因子が次のバーを形成するのに関与していると思います。(そして、相関関係は非常に短期的なものであり、多かれ少なかれ長期的な関係を特定することはできていないことを明確にしたい）。
このような仕事を通じて、私は市場の動きについて明確な意見を持っています。我々一般のトレーダーは、その時々のマーケットの状況を完全に把握しているわけではないので、マーケットを動かしている人たちに、常に遅れをとることになります。しかし、ゼロ・バーに近づくことは可能だと思いますが、それには普通のトレーダーにはほとんど不可能なほどの資源と知識が必要です。
このスレッドに興味を持ち、議論に参加されたすべての方にご挨拶申し上げます !スレッドを最初から最後まで、少し飛ばしながら読ませていただきました。ここには、興味深いアイデアや考え方があります。この問題に対して、市場にどうアプローチし、何を得ようとするのか、私の視点とアプローチを述べたいと思います。
私は、インジケーターなどのテクニカルな手段を使わずに、マーケットで自分を位置づけることができる十分な取引経験を持っています。私のビジョンや経験を数理モデル化するアイデアが浮かびました。特に、専門的なプログラミングのスキルや、何よりも数学、統計学、物理学などの知識がないため、すべてのニュアンスを数字に置き換えることはできないだろうと、すぐに悟ったのです。しかし、私はその仕事を引き受けた。
その結果、私の相場に対する考え方、予測方法が反映されたインジケータ（図）を作成しました。その操作方法を簡単に説明します。まず、引用文の前処理を行い、滑らかでねじれが少ない、いわゆる「理想的な」モデルを作成します。しかし、このモデルは、このような長所を持ちながら、大きな短所も持っています。それは、バーの数できちんと（10〜12本）遅れをとっていることです。次の課題は、「理想的な」モデルの遅れを補正することであった。この課題は、現在も解決中です。でも、結果は出ている。図では、黄色が5本先、赤が7本先の「理想的な」モデルの予測値を示しています。過去のデータでは1小節でも先に進めない。誤検出が多く、滑らかさが損なわれてしまう。つまり、歴史から最大限のものを引き出してきたのです。私の考えでは、出来高から始まり、取引された商品と他の何十もの商品との相関関係まで、非常に複合的な予測因子が次のバーを形成するのに関与していると思います。(そして、相関関係は非常に短期的なものであり、多かれ少なかれ長期的な関係を特定することはできていないことを明確にしたい）。
このような仕事を通じて、私は市場の動きについて明確な意見を持っています。我々一般のトレーダーは、その時々のマーケットの状況を完全に把握しているわけではないので、マーケットを動かしている人たちに、常に遅れをとることになるのです。しかし、ゼロ・バーに近づくことは可能だと思いますが、それには普通のトレーダーには現実的に不可能な資源と知識が必要です。
面白い!!!!!!!インジケータは襟をうまく滑らかにしてくれますが、ライン自体には予想がつきません。つまり、「イチジクの行くところ、煙の行くところ」という原理に従っているのです。このようなTSは、原則として偽信号の数に敏感である。どうやって予測値を出したんだろう？
この人は、自分のガラクタを売ろうと思っただけなんだ．のような車...こっそり...本当に会話を続けたいように)...さて...。
実は、米ドルのような通貨の為替レートは、FRBレート、GDP...といったあらゆるマクロ経済指標に 直接的に依存しているのである。あなたが指摘したパターンの変化が、マクロ経済指標の変化と関連している可能性は十分にあります。1ヶ月という周期はとても早い。通常、1四半期または1シーズン。
さらにパターン認識の実験をしてみました。このモデルの本質は、数十本のバー（パターン）の間の価格の増減を取り、前の週の類似パターンを見つけ、以前の類似パターンの後に価格がどう動いたかを見て、これらの観察に従って取引することである。このモデルには、パターンの長さ（バー単位）、類似パターンを検索する際に履歴をどこまで見るか、異なる係数など、最適化のためのさまざまなパラメータが用意されています。
私は、mytarmailSさんがここで提案されたように、パターンの「類似性」をデカルト距離で定義しています。
1週間という短い期間のトレーニングで、モデルのパラメータを調整すれば、その期間内は利益を上げることができます。しかし、先ほども書いたように、このモデルはランダムではなく、定期的に新しいデータを使って利益と損失を発生させます。利益が出た週、損失が出た週、ただスプレッドが緩やかにスライドしている週が数回あります。そして、こうした黒字や強い赤字のサイクルは、時に数カ月後の未来に現れることもあるのです。これは、neuronkaやscaffoldのような従来のモデルとは大きく異なり、新しいデータに対して均一に、ゆっくりと拡散していくものです。このモデルで気に入っているのは、FXの隠れたサイクルを示しているようで、同じパターンでも価格の反応が大きく変わるのが分かることです。神経細胞のように結果がランダムに出るのではなく、周期的に（しかし不均一に）悪化したり改善したりするのがわかるのです。珍しい。
新しい実験はさらに不可解である。モデルのパラメータは、例えば1週間や1ヶ月など、時間的に任意の長さのデータで利益を上げることができるのである。しかし、いくらトレーニング間隔を長くとっても、新しいデータで安定した利益を得ることはできない。1週間の学習データを取れば、損益の出る期間も1週間となり、次の週が儲かるかどうかは分からない。トレーニングに月を使えば、損益の期間も月となる。なんということでしょう :)現在のFX運用のタイプの分類を間違えていたのでしょう、そんなことより、トレーニングのために取ったデータ間隔の長さに左右されるわけにはいきませんね。センスやロジックを捨てないと、仕組みがまったく理解できないんです :)
今のところ、パターンに含まれる小節の数を増やすことだけが考えられています。
例えば、「Head & Shoulders」パターンが3月に利益を上げ、4月に損失を出した場合、それだけでは明らかに判断できない。その前のパターンを見て、最終的には履歴から3つ前のパターンを見つけて、その組み合わせで判断しなければならないこともある。
うまくいくかもしれません。
しかし、ここで矛盾が生じます。オッカムの原理は、もし私が10本のバーのパターンを使って利益を生む取引をするようにモデルを教えることができるなら、100本のバーを使うべきではないと言っているのです。そして、私の結論は、そうすべきだということです。
結論はない。私は、FXを続けています。
面白い!!!!!!!あなたのインジケータは衝突をうまく滑らかにしますが、ライン自体には何の予測もありません。つまり、「イチジクの行くところ、煙の行くところ」という原理に従っているのです。このようなTSは、原則として偽信号の数に敏感である。どうやって予測値を出したんだろう？
確かに平滑化は良いのですが、位相遅れも小さくはないですね。ここでも、最大の平滑 性と最小の フラクチャーを得ることを主眼としています。次に、ニューラルネットワークと線形回帰を学習させることで、このモデルをゼロバーに向かって徐々に回復させ、滑らかさを保ちます（主にアルゴリズム取引のために滑らかさが必要で、10-12バーから7バー分の位相を回復させても市場から「噛む」何かを得るために、最小限のブレーク回数が必要です）。
黄色と赤色の線の形の予測値は、「理想」線を目標関数としてニューラルネットワークを学習させて得られたもので、予測変数は振幅と位相でサンプルに重なる多項式である。しかし、「黄色」モデルと「赤色」モデルの学習は、「赤色」モデルの学習には「黄色」モデルを予測変数として使っているので、ちょっと違う、と言ってもいいでしょう。AUDJPYの1分足チャート、サンプル1500-2000バーでトレーニングしてみました。得られたモデルは、相場の振幅がかなり大きいにもかかわらず、すべての時間枠と全歴史に対して有効である。
ここで多くの市場予測のバリエーションが提示されたが、その多くは、述語、目標関数、ニューラルネットワークの学習内容を決めることができなかった。この記事では、私がこの複雑な問題をどのように解決しているかを紹介したいと思います。
パターンパターン vs ニューラルネット」での利益チャート。
両パターンとも2016年10月にプラスサイドでeurusdをトレードするように訓練されたもので、一定ロット、ストップや持ち越しなし、常にロングまたはショートトレードで、H1には始値でトレードする。チャート上の取引-過去5年間、1ヶ月の学習データを含む。
相互評価なしにモデルを学習させ、価格から最大限の利益を搾り取っただけです。
チャート上でサーバーが正常なティックを出さなかった場所がある、そこに何らかのドレインがある、ならばその場所を無視すればいいのです。
これが神経細胞です。訓練された時間間隔がはっきりわかる、ここだけ安定した利益を出しているのです。
そして、こちらがパターン認識モデルです。結果はマイナスですが、それでもニュートロニクスよりはましです。そして、何週間も利益が出たこともたくさんあります。でも、その後はダメでしたね。
かっこいいけど、まだ使いこなせてない。