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 3189 1...318231833184318531863187318831893190319131923193319431953196...3399 新しいコメント Maxim Dmitrievsky 2023.08.20 05:29 #31881 Aleksey Vyazmikin #:このような表現力があれば、詩を読むのもいいし、市場でキュウリを売るのもいい。どこに建設的な批判があるんだ？ それだよ、何を批判するんだ？）あなたは自分が何をしたのか、なぜそうしたのか気づいていたのですか？もしそうなら、なぜフォーラムで質問したのですか？）以前の努力の後に残った数字をどこかに置こうとする試みが見られる。 Aleksey Nikolayev 2023.08.20 05:32 #31882 さて、そしてもう一つ、科学的とは言い難い補足がある。サンプルに集められた指標は、何らかの形で利益と相関していなければならない。完全に左翼的な特性に基づいてSBと差をつけるのは、IMHOとしては意味がない。 まあ、計算スキームの単純化は、スピードアップに加えて、エラーがないことに大きな信頼を与え、それに応じて、自己欺瞞の確率が低くなります。 Aleksey Vyazmikin 2023.08.20 05:36 #31883 Aleksey Nikolayev #:シミュレーションのための簡略化された計算スキームを考える。意味のある（絶対的ではない）信頼性を得るためには、実データの結果は、少なくともサンプルの5％テール（左または右）に入るはずである。しかし、サンプルは少なくとも数千でなければならない。 もし私が実験の条件を次のように変えたらどうなるだろうか： 1.1.元のサンプルから、将来使用する予定の量子セグメントを見つけ、その結果、1つの量子テーブルが形成される。 2.2.元のサンプルと同じパラメータで、1000サイクルのターゲットをランダムに生成する。 3.3.オリジナルと比較して、選択された量子セグメントの数を数える。同じであっても少なくてもよい。 4.標準偏差で評価する。もし広がりが小さければ、ランダムなターゲットが選択された量子セグメントに入る可能性が大きい。 どう思いますか？ Aleksey Vyazmikin 2023.08.20 05:37 #31884 Aleksey Nikolayev #:そしてもうひとつ、科学的とは言い難い追加事項がある。サンプルとして収集された指標は、利益と何らかの相関関係がなければならない。完全に左翼的な特徴に基づいてSBと区別するのは、IMHOとしては意味がない。 つまり、目標を変更することで、利益がオリジナルに匹敵するようになるのだろうか？何が言いたいのかよくわからない。 Aleksey Vyazmikin 2023.08.20 05:39 #31885 Maxim Dmitrievsky #: あれがゴールだ、何を批判することがあろうか（笑)。あなたは自分が何をしたのか、なぜそうしたのか気づいていたのですか？もしそうなら、なぜフォーラムで質問したのか？) 以前の努力の後に残った数字をどこかに置こうとする試みが見られる。 今は、私がやっていることをあなたが理解していないということであり、私はあなたの側の質問や主張に対するフィードバックを評価しているので、それがわかります。 あなたがそれを理解したら、対話に戻りましょう。 Maxim Dmitrievsky 2023.08.20 05:43 #31886 Aleksey Vyazmikin #:今は、私がしていることをあなたが理解していないということであり、あなたの側の質問や主張に対するフィードバックを評価する私にとっては明らかなことだ。それがわかったら、対話に戻ろう。 あなたはsbの配列とは異なる配列を探している。それは誰も見つけていないからだ。エントロピーの計算は増分の符号で十分であり、でたらめに悩む必要はない。 Aleksey Nikolayev 2023.08.20 05:47 #31887 Aleksey Vyazmikin #:実験の条件を次のように変えるとしよう：1.1.元の試料から、さらに使用する予定の量子セグメントを見つけ、その結果、1つの量子テーブルが形成される。2.2.元のサンプルと同じパラメータで、ターゲットとなるサンプルをランダムに生成します。3.3.オリジナルの変種と比較して、いくつの量子セグメントが選択されたかを数える。同じであっても少なくてもよい。4.標準偏差で推定する。ばらつきが小さければ、ランダムなターゲットが選択された量子セグメントに入る可能性が大きい。どう思いますか？ 少なくともおおよその利益と関連付け、実際の利益とランダムな利益のサンプルを比較してください。サンプルの平均利益がゼロと等しく、誤差がないことを確認する。サンプルに対する実際の利益の正の有意性をチェックする。 私自身のタスクが忙しすぎるので、あなたのタスクの詳細に立ち入る準備ができていない。 Aleksey Nikolayev 2023.08.20 05:54 #31888 Aleksey Vyazmikin #:つまり、利益がオリジナルと同等になるように目標を変更するのですか？何が言いたいのかよくわからない。 クオンツは利益を上げるように設計されているのですか？そのためのスキームがあるのですか？極端に単純化して、大雑把でもいいから素早くサンプルを計算し、実際の結果がそのサンプルの尻尾に当たるかどうかをチェックできるようにする。 モンテカルロのような単純で広く知られたアイデアを掘り下げる気がまったくないくせに、人々にあなたの考え方を掘り下げることを要求するあなたの姿勢にはうんざりさせられる。 もうたくさんだ。 mytarmailS 2023.08.20 06:10 #31889 Aleksey Nikolayev #:モンテカルロのような単純で広く知られている考え方にまったく触れようとしない。もうたくさんだ。 自分で言うのもなんだが。フラスコが口笛を吹いていることに気づいたのはずいぶん前のことだ。無視するのが最善の解決策だ。 Aleksey Vyazmikin 2023.08.20 06:15 #31890 Maxim Dmitrievsky #: sb.のシークエンスとは異なるシークエンスを探しているようだが、見つからないだろう。 それは誰も見つけていないからだ。エントロピーの計算は増分の符号で十分であり、でたらめに悩む必要はない。 ークエンスについてークエンスについてークエンスについてークエンスのークエンスについてークエンスについてークエンスのークエンスのークエンスについてークエンスのークエンスについてークエンスについてークエンスのークエンスについてークエンスAnd, I wrote that the solution of this problem can improve the stability of the model.しかし、その解決法は異なることもある。 上記の問題を解決しなくても-正しい量子表を選択することで学習が向上することは、私が何十ものサンプルで検証した。 次に、トレーニングの前処理として、一貫性のないデータからサンプルをクリーニングする方法を紹介した。この方法を使えば、新しいデータでも有益なモデルを得ることができることが、画像でお分かりいただけるだろう。 All in all, the approach works, its development is my goal. 、ーだからー、ー 私は、価格が純粋なSBの形をしていて、その性質が少なくとも部分的には解析できないとは思わない。のフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーをフェアプレーヤフェアプレーヤ 1...318231833184318531863187318831893190319131923193319431953196...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
このような表現力があれば、詩を読むのもいいし、市場でキュウリを売るのもいい。
どこに建設的な批判があるんだ？
さて、そしてもう一つ、科学的とは言い難い補足がある。サンプルに集められた指標は、何らかの形で利益と相関していなければならない。完全に左翼的な特性に基づいてSBと差をつけるのは、IMHOとしては意味がない。
まあ、計算スキームの単純化は、スピードアップに加えて、エラーがないことに大きな信頼を与え、それに応じて、自己欺瞞の確率が低くなります。
シミュレーションのための簡略化された計算スキームを考える。
意味のある（絶対的ではない）信頼性を得るためには、実データの結果は、少なくともサンプルの5％テール（左または右）に入るはずである。しかし、サンプルは少なくとも数千でなければならない。
もし私が実験の条件を次のように変えたらどうなるだろうか：
1.1.元のサンプルから、将来使用する予定の量子セグメントを見つけ、その結果、1つの量子テーブルが形成される。
2.2.元のサンプルと同じパラメータで、1000サイクルのターゲットをランダムに生成する。
3.3.オリジナルと比較して、選択された量子セグメントの数を数える。同じであっても少なくてもよい。
4.標準偏差で評価する。もし広がりが小さければ、ランダムなターゲットが選択された量子セグメントに入る可能性が大きい。
どう思いますか？
そしてもうひとつ、科学的とは言い難い追加事項がある。サンプルとして収集された指標は、利益と何らかの相関関係がなければならない。完全に左翼的な特徴に基づいてSBと区別するのは、IMHOとしては意味がない。
つまり、目標を変更することで、利益がオリジナルに匹敵するようになるのだろうか？何が言いたいのかよくわからない。
あれがゴールだ、何を批判することがあろうか（笑)。あなたは自分が何をしたのか、なぜそうしたのか気づいていたのですか？もしそうなら、なぜフォーラムで質問したのか？)
今は、私がやっていることをあなたが理解していないということであり、私はあなたの側の質問や主張に対するフィードバックを評価しているので、それがわかります。
あなたがそれを理解したら、対話に戻りましょう。
今は、私がしていることをあなたが理解していないということであり、あなたの側の質問や主張に対するフィードバックを評価する私にとっては明らかなことだ。
それがわかったら、対話に戻ろう。
実験の条件を次のように変えるとしよう：
1.1.元の試料から、さらに使用する予定の量子セグメントを見つけ、その結果、1つの量子テーブルが形成される。
2.2.元のサンプルと同じパラメータで、ターゲットとなるサンプルをランダムに生成します。
3.3.オリジナルの変種と比較して、いくつの量子セグメントが選択されたかを数える。同じであっても少なくてもよい。
4.標準偏差で推定する。ばらつきが小さければ、ランダムなターゲットが選択された量子セグメントに入る可能性が大きい。
どう思いますか？
少なくともおおよその利益と関連付け、実際の利益とランダムな利益のサンプルを比較してください。サンプルの平均利益がゼロと等しく、誤差がないことを確認する。サンプルに対する実際の利益の正の有意性をチェックする。
私自身のタスクが忙しすぎるので、あなたのタスクの詳細に立ち入る準備ができていない。
つまり、利益がオリジナルと同等になるように目標を変更するのですか？何が言いたいのかよくわからない。
クオンツは利益を上げるように設計されているのですか？そのためのスキームがあるのですか？極端に単純化して、大雑把でもいいから素早くサンプルを計算し、実際の結果がそのサンプルの尻尾に当たるかどうかをチェックできるようにする。
モンテカルロのような単純で広く知られたアイデアを掘り下げる気がまったくないくせに、人々にあなたの考え方を掘り下げることを要求するあなたの姿勢にはうんざりさせられる。
もうたくさんだ。
モンテカルロのような単純で広く知られている考え方にまったく触れようとしない。
もうたくさんだ。
sb.のシークエンスとは異なるシークエンスを探しているようだが、見つからないだろう。
ークエンスについてークエンスについてークエンスについてークエンスのークエンスについてークエンスについてークエンスのークエンスのークエンスについてークエンスのークエンスについてークエンスについてークエンスのークエンスについてークエンスAnd, I wrote that the solution of this problem can improve the stability of the model.しかし、その解決法は異なることもある。
上記の問題を解決しなくても-正しい量子表を選択することで学習が向上することは、私が何十ものサンプルで検証した。
次に、トレーニングの前処理として、一貫性のないデータからサンプルをクリーニングする方法を紹介した。この方法を使えば、新しいデータでも有益なモデルを得ることができることが、画像でお分かりいただけるだろう。
All in all, the approach works, its development is my goal.
、ーだからー、ー
私は、価格が純粋なSBの形をしていて、その性質が少なくとも部分的には解析できないとは思わない。のフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーがフェアプレーヤーをフェアプレーヤフェアプレーヤ