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 3250

[Renat Akhtyamov]

Andrey Dik #:

そして誰がタンバリンに合わせて踊るのか？

指でどう説明するか、必死に考えなければならなかった。

答えは当然、卵のようにシンプルだ。

とてもクールなスレッドがあり、そこに私の書き込みがあった：

MQL4とMetaTrader 4 - MQL5 - 取引終了時の失敗は、テストがクローズされていないポジションで終了するためです。

10年前、私はすでにそのようなプログラムを作りました、そして、あなたはテストでもなく、ここでそのような利益を持っていない

そして、実際の生活の中で、このEAは、絶対にゼロと成長なしの周りを踏みつけている。

だから、結論は明白である

実際の取引は、決してテスターの聖杯のようにはならない。

とりわけ、MOSHKAによって駆動される

しかし、一貫して、ますますお金を稼ぐために、それは全く、予測しないことが必要である。

アルゴリズムを理解し、把握する必要があります。

アルゴリズムは100％同じです。

このような表示が出て初めて、儲かる可能性が強調されます。

それが重要なのであって、それ以降は全く必要ない。

;)

嘘？

いいえ、

実際の数字も添付します。

そして、マイナスとのバランスは、間違いなくデモではありません ;)))))

[fxsaber]

Maxim Dmitrievsky #:

私はもともと、MOを使わずに多次元配列のパターンを検索 する方法に興味があった。

これがMOが行う主な仕事ということでいいのでしょうか？

[Andrey Dik]

Renat Akhtyamov #:

指でどう説明するか、必死に考えなければならなかった。

...

ありがとうございます、私たちの意見はあなたにとってとても貴重なものです！

[fxsaber]

Maxim Dmitrievsky #:

まあ、まだ一度に可能なペアを全部数えているところなんだ。まだ試してみたいインプットがたくさんある。それはいいんだ。ただ、STUMPYでは、おおよその計算をしてから絞り込むことが可能なんだ。顕著な加速が得られるし、並列化もGPU上でもできる。私はおそらく、そのパッケージに完全に乗り換えるだろう。

主なことは、魚が確実にいない場所を報告することを忘れないことだ。

[Maxim Dmitrievsky]

fxsaber #:

これが国防総省が取り組んでいる主な仕事ということでよろしいでしょうか？

そうですね、基本的にはそうです

[Maxim Dmitrievsky]

Renat Fatkhullin #:

3980は complex型、vector<complex>型、matrix<complex>型のConjugateメソッドを実装した。これらは複素数の共役を 行います。

また、ONNXモデル 出力のSequence of maps型の処理が追加された。ONNXランタイムの機能が大幅に改善された。

そして、ヒントを与えてくれるようになった。

これは構造体の配列であることがわかった。

vectorf in = vector<float>::Zeros(SAMPLE_SIZE);
   static vector out(1);
   
   struct abc 
     { 
      long a[];     
      float b[];
     };
   
   abc out2[1];
  
   OnnxRun(ExtHandle,ONNX_DEBUG_LOGS,in,out,out2);

これでout2のエラーは出なくなった。後でもう一度確認してみよう。

[Maxim Dmitrievsky]

Forester #:

相関関係は、abs値的に最も大きな数字に影響されると思います。例えば、10000と10100の出来高の変化、その背景となる0.00040と0.00400の価格の変化は微視的に小さく、セット全体の相関にはほとんど影響を与えないだろう。この仮説を検証するために正規化を行う。

私はそこに滑らかに増加する期間を持っているので、多分それは何の影響も及ぼさないだろう。

試してみます。

[mytarmailS]

Maxim Dmitrievsky #:

))私も見た

私はもともと、MOを使わずに多次元配列のパターンを検索 する方法に興味がありました。今のところ、すべての測定値を1つに詰め込んで、相関を通じて計算する（ちょっと速い）以上の方法は思いつかない。値があまり違わないように正規化する必要があることもあると思う。

3～5年前の私の足跡をたどって......。

あなたがやっていること、考えていることはすべて、グラフや考えとともに、すでにここに投稿している......面白い......。

多変量データからパターンを検索する方法として、MOなしとMOありの2つの ソリューションを思いついた。

1) (MOなし)

次元削減アルゴリズムPCA、t-sne、umapなどを使って、データの次元を数次元に削減する。

300の特徴量があったとして、2-5...10...となり、近接性やクラスタリングによってパターンを比較する...。

これは、データを扱うための一種のプラクティスです。

2) (WITH MO)

(筆者のアプローチ）例えば200の特徴量を持つ多変量データがある。

1) 欲しいパターンを選ぶ。

2) 2値分類MO（このパターン/このパターンでない）を訓練します。つまり、トレーン 上に、"パターン "とラベル付けされた1つのオブザベーションと、"パターンでない "とラベル付けされた多数のオブザベーションがあります。

3) パターンとNOTパターンを区別するモデルを訓練する。

4) テストで、我々はクラス "pattern "によるMOから確率的推論を行い、確率のスパイクを見る。

このようにして、多次元特徴の問題をエレガントに回避し、必要なサブパターンを探索することができる。

[mytarmailS]

fxsaber #:

これが国防総省が取り組んでいる主な仕事ということでよろしいでしょうか？

正しくない

[mytarmailS]

というわけで、再反論。

相関関係には正規化は必要ない。ユークリッド距離ではないのだから、正規化は相関関係の中にすでに埋め込まれている。