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 3196

新しいコメント
 
Maxim Dmitrievsky #:
お仕事は？どういう経歴で、どういう経緯でこの道に入ったのか？

男は自分の楽しみのために生きている。邪魔をするな

 
Maxim Dmitrievsky #:
、日本代表は、、、、、、、、冠を中）

これはトピックの続きです

トレーディング、自動トレーディング・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、アルゴ取引

アレクセイ・ニコラエフ, 2023.08.17:45 PM

私の実験を修正することを提案します。1から10までの数字が書かれた10個の箱と、100個の白いボールと100個の黒いボールを用意する（10と100は従来通り）。そして、それぞれの箱に何個のボールが入っているかを調べ、その配列のアルゴリズムに規則性があるかどうか、つまり、どの番号の箱では、どの色のボールが優勢かを理解しようとする。

つまり、（両方の色の）ボールを無作為に、0.1の確率で、いずれかの引き出しに入れるだけでは、結局、色の比率に均一性はない！ほとんどの場合、ほとんどすべてが白の箱と、ほとんどすべてが黒の箱が存在することになる。この問題はDSPの品質には全く関係なく、本物の量子DSPを使えばすべてが同じになる。これは確率的ランダム性の本質に関わる問題なのだ。不規則性は常に存在するが、それが次のレイアウトで見つかる箱の数は絶対に予測できない。先ほどの曜日の例でも同じである（曜日の時間はボックス番号のアナログである）。

これには2つの方法がある。確率が均等である場合よりも、実際の不均等性がはるかに大きいことを示そうとする方法である。これはある種の統計的検定によって行われる。あるいは、不均一性は小さいとはいえ、何らかの規則性によるものであり、それがノイズのために弱く現れているだけだと確信することだ。しかし、それは信念と実践の問題であり、うまくいけばOKだ。

箱の数字（1週間の時間）が、あなたのクアンタのアナロジーであることは明らかだと思います。


 
Aleksey Vyazmikin #:

テーマの続きだ

なぜターゲットを変える必要があるのですか？

シャッフルされた元のシリーズの多くのバリエーションを取り、それらに新しいターゲットを計算する必要があります。

そして、10k回のシミュレーションを行い、最も良い平均四分位数を見て、元の四分位数と比較します。


最良の平均四分位数が平均的に最良になります。
 
СанСаныч Фоменко #:

SanSanych、あなたのmt-RパッケージがLinuxで動く可能性はありますか？つまり、Linuxに直接Rをインストールする方法と、wine経由でRをインストールする方法です（この方法はまだ試していません）。

興味があるのは、彼らがロシア向けにウィンドウズを閉鎖しようとしているからです。

 
Aleksey Nikolayev #:

SanSanych、あなたのmt-RパッケージがLinuxで動く可能性はありますか？つまり、Linuxに直接Rをインストールする方法と、wine経由でRをインストールする方法です（この方法はまだ試していません）。

興味があるのは、彼らがロシア向けにウィンドウズを閉鎖しようとしているからです。

このパッケージの利点は何ですか？

 
Maxim Dmitrievsky #:

そして、なぜターゲットを変えるのか？

元のシャッフルされたシリーズの多くのバリエーションを取り出して、それらの新しいターゲットを計算する必要がある。

そして、10k回のシミュレーションを行い、平均的により良いセグメントを見て、元のものと比較する。


平均して最も良いクォーア・カットが、平均して最も良いクォーア・カットとなる。

文脈が分からなくなっている。

もしあなたのアイデアについてなら、どこから10,000を手に入れるのですか？それは多すぎる。

他のツールを使って、定量化されたセグメントの何パーセントが効果的であり続けるかを試してみるという方法もある。

そうすることで、さまざまな金融商品に共通するパターンが浮き彫りになる。

 
Aleksey Vyazmikin #:

文脈がわからなくなっている。

あなたのアイデアについてなら、どこから10,000ドルを調達するのですか？合理的とは言えない。

他のツールを使って、量子セグメントの何パーセントが効果的であり続けるか試してみるという方法もある。

そうすることで、さまざまな金融商品に共通するパターンが浮き彫りになります。

なぜ異なるツールなのか？

少ない量でも違いはないが、少なすぎるのはよくない（小ささの強さは直感的かつ経験的に決定される）。

シミュレーションが多ければ多いほど、結果は平均化される。バイアスはトレードオフの一種である。

つまり、シミュレーション数がある閾値に達すると、クワトラフィックは利益抽出の点で有用でなくなり、平均化されすぎてしまう。つまり、重要度はほぼ等しくなる。これは、市場が本当にランダムである場合の話である。その段階まで行けば、実際に市場はランダムであると考えるでしょう。そうでなければ、チップ・バリューのバンドルは非効率的です。

は健康な人の普通のモンテカルロになる )

 
Aleksey Nikolayev #:

SanSanych、あなたのmt-RパッケージがLinuxで動く可能性はありますか？つまり、Linuxに直接Rをインストールする方法と、wine経由でRをインストールする方法です（この方法はまだ試していません）。

興味があるのは、彼らがロシア向けにウィンドウズを閉鎖しようとしているからです。

そのパッケージはdllで動作する。
ニュースに目を通したが、W10とW11ディストリビューションのダウンロードに関する1年前の制限と、2022年末の削除しか見当たらない。どこかにアップデートはありますか？
 
Maxim Dmitrievsky #:

他には何もいらない。

少なくても構わないが、少なすぎるのはよくない（小ささの強さは直感的、経験的に決まる）。

シミュレーションが多ければ多いほど、結果は平均化される。バイアスはトレイドオフの変形である。

つまり、シミュレーションがある閾値に達すると、クワトログラムは利益抽出の点で有用でなくなり、平均化されすぎてしまう。これは市場が本当にランダムである場合の話である。その段階に達すれば、実際に市場はランダムであると考えるようになるだろう。そうでなければ、チップ・サインのバンドルは非効率的だ。

健康な人の普通のモンテカルロになる )

私の理解では、要するに次のような提案ですね：

  1. 元のサンプルの定量化セグメントを見つけ、その上にサンプル全体の定量化グリッドを作成する。
  2. 元のサンプルと同様の特徴を持つシンボルをn回作成する。
  3. 生成されたシンボルの数だけサンプルを作成する。
  4. 1の表を使って、量子セグメントを探します。
  5. 生成されたサンプルから、元のサンプルに対していくつの量子セグメントが見つかったかを数える。

たぶん、数十個のサンプルならできるだろうが：

1.オリジナルと本当に似たシンボルを 生成する方法を理解していない 。

2.多くの「ヒット」があった場合、また少なかった場合、量子セグメントの範囲において、結果をどのように解釈することを提案しますか？

 
Forester #:
そのパッケージはdllで動いている。 ニュースに目を通したが、W10とW11のディストリビューションのダウンロードに関する1年前の制限しか見当たらない。 そして、2022年末に削除されるということも。どこかにアップデートはあるのだろうか？

アクティベーションは法人向けにはキーでオフになるそうだ。

1...318931903191319231933194319531963197319831993200320132023203...3399
新しいコメント
理由: