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 351 1...344345346347348349350351352353354355356357358...3399 新しいコメント СанСаныч Фоменко 2017.05.16 09:22 #3501 ユーリイ・アサウレンコ実はこれ、イマイチ正しくないんです。システムが複雑になればなるほど、収益性と安定性は同時に向上するはずです。つまり、システムが複雑になればなるほど、そのユーザーの特性は高まっていくはずです。 絶対に間違っている。情報的な基準、そこにある様々なアカイックは、モデルの複雑さを最小限にすることを目的としています。モデルの粗密は、トレーディングの主な悪であるオーバートレーニングに対抗するための非常に有効なツールです。 СанСаныч Фоменко 2017.05.16 09:26 #3502 マキシム・ドミトリエフスキーパッケージ 'Smarket' が利用できません (R バージョン 3.4.0 用) :( 地獄に落ちろ一番シンプルなランダムフォレストを 使えばいいんです。通常、私たちはトレーニングの結果としてクラスを取得します。実際には、このアルゴリズムは、あるクラスの確率を与え、そこからクラスを得ることができる。通常、2クラス分の確率を半分に分けます。0〜0.1を1クラス、0.9〜1.0をもう1クラスと分けてはどうだろうか。そして、0.1〜0.9の差は市場からはみ出している？記事にはこんなことが書いてありました。 Yuriy Asaulenko 2017.05.16 09:29 #3503 サンサニッチ・フォメンコ まったくもって、そんなことはありません。情報的な基準、そこにある様々なアカイックは、モデルの複雑さを最小限にすることを目的としています。モデルを粗くすることは、トレーディングの主な悪であるオーバートレーニング（過剰適合）に対抗するために非常に有効な手段です。 なぜ正しくないのかわからない）。2番目の文章から、同じことを話していることがわかります。 СанСаныч Фоменко 2017.05.16 09:33 #3504 ユーリイ・アサウレンコ なぜ間違っているのかわからない）。2番目の文章からは、同じことを話していることになります。 私の投稿には、正しくない文章があります。そして、このポジションを明らかにするのです。一般的には、収益性の面で優れたシステムを手に入れ、さらに収益性を悪化させることで、より重要なもの、つまり将来的な持続可能性を獲得しようとするものです。 Yuriy Asaulenko 2017.05.16 09:49 #3505 サンサニッチ・フォメンコ 私の投稿には、正しくない文章があります。さらにこの立場を露呈するのですね。一般的には、収益性の面で優れたシステムを手に入れ、さらに収益性を悪化させることで、より重要なもの、つまり将来的な持続可能性を手に入れようとするのです。まあ、安定性が増すと、少なくとも負けトレードの数を減らすことによって、収益性も向上します。収益性の高いものは、それほど影響を受けません。もしそうでないなら、予測変数の情報量に問題があることになる。いずれにせよ、複雑化すればするほど損得勘定は大きくなるはずだ。 СанСаныч Фоменко 2017.05.16 09:56 #3506 ユーリイ・アサウレンコ安定性が増し、少なくとも負けトレードの数を減らすことで収益性も向上します。収益性の高いものは、それほど影響を受けません。もしそうでないなら、予測変数の情報量に問題があることになる。とにかく、複雑になればなるほど、損得勘定は大きくならざるを得ない。 世界中が真逆の意見なのに、自分が一番よく分かっている。 Дмитрий 2017.05.16 10:05 #3507 ユーリイ・アサウレンコ安定性が増し、少なくとも負けトレードの数を減らすことで収益性も向上します。収益性の高いものは、それほど影響を受けません。もしそうでないなら、予測変数の情報量に問題があることになる。いずれにせよ、複雑化すればするほど、損得勘定は大きくならざるを得ない。 Faaは正しい考えを書いているのですが、それを間違って述べているのです。系列と予測変数のセットがあります。シリーズをトレーニングサンプルとフォワード（最も単純なケース）の3つに分けるのです。例えば、20個のモデルを作るわけです。ポイントは、リストからのモデルの選択は、トレーニングサンプルでのベストでもフォワードサンプルでのベストでもなく、実行されることです。トレーニング時とフォワード時で同じ品質スコアを与えるモデルを選択する。 Yuriy Asaulenko 2017.05.16 10:05 #3508 サンサニッチ・フォメンコ あなたはよくご存知でしょうが、世界中がまったく逆の意見を持っているのです。 世界中が全く逆の発想をしているのです。そして、すべての活動領域において。ちなみに、損益率が上がるということは、利益そのものが増えるということではなく、むしろ減少しているということです。損 益 率 は 拡 大 し て い ま す 。 Yuriy Asaulenko 2017.05.16 10:24 #3509 ディミトリ 本質 - リストからのモデルの選択は、トレーニングサンプルで最高の基準ではなく、フォワードで最高の基準に基づいていません。学習用サンプルと前進用サンプルでほぼ同じ品質が得られるモデルが選択される。これは間違いないでしょう。実際に機能する、あるいはテストすることだけを意味していた。 Maxim Dmitrievsky 2017.05.16 10:34 #3510 ユーリイ・アサウレンコ実はこれ、イマイチ正しくないんです。システムが複雑になればなるほど、収益性と安定性は同時に向上するはずです。つまり、システムが複雑になればなるほど、そのユーザー特性は高まっていくはずです。ハンドデベロップメントを例にとると1. 素のトレーディング・アイデアをもとに、利益を最適化したシンプルなTSを作成します（損失は完全に無視してもかまいません）。2.負けトレードが少なくなるような制限を導入する。もちろん、偶然に儲かった取引の一部は離脱し、儲かった取引の一部では利益が減少するが、ドローダウンも減少し、結果的に損益の合計は増加することになる。さらに複雑化すると、少なくとも負けトレードの数が減るため、利益が増えるだけである。こじつけの結果、損益額が増えないのであれば、何か間違ったことをしているのでしょう。例えば、非効率な条件を導入する。 なんと間違って、分類モデルを作っているのですね。サンプルが大きければ大きいほど、一般化が強くなり、モデルは一般的には安定するが、特殊な点では精度が低くなり、したがって利益も少なくなる小さなサンプルでトレーニングした場合、短いサンプルでは非常に正確だが、長いサンプルでは不安定になる可能性がある。 1...344345346347348349350351352353354355356357358...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
実はこれ、イマイチ正しくないんです。
システムが複雑になればなるほど、収益性と安定性は同時に向上するはずです。つまり、システムが複雑になればなるほど、そのユーザーの特性は高まっていくはずです。
絶対に間違っている。
情報的な基準、そこにある様々なアカイックは、モデルの複雑さを最小限にすることを目的としています。モデルの粗密は、トレーディングの主な悪であるオーバートレーニングに対抗するための非常に有効なツールです。
マキシム・ドミトリエフスキー
地獄に落ちろ
一番シンプルなランダムフォレストを 使えばいいんです。通常、私たちはトレーニングの結果としてクラスを取得します。実際には、このアルゴリズムは、あるクラスの確率を与え、そこからクラスを得ることができる。通常、2クラス分の確率を半分に分けます。
0〜0.1を1クラス、0.9〜1.0をもう1クラスと分けてはどうだろうか。そして、0.1〜0.9の差は市場からはみ出している？
記事にはこんなことが書いてありました。
まったくもって、そんなことはありません。
情報的な基準、そこにある様々なアカイックは、モデルの複雑さを最小限にすることを目的としています。モデルを粗くすることは、トレーディングの主な悪であるオーバートレーニング（過剰適合）に対抗するために非常に有効な手段です。
なぜ間違っているのかわからない）。2番目の文章からは、同じことを話していることになります。
私の投稿には、正しくない文章があります。そして、このポジションを明らかにするのです。
一般的には、収益性の面で優れたシステムを手に入れ、さらに収益性を悪化させることで、より重要なもの、つまり将来的な持続可能性を獲得しようとするものです。
私の投稿には、正しくない文章があります。さらにこの立場を露呈するのですね。
一般的には、収益性の面で優れたシステムを手に入れ、さらに収益性を悪化させることで、より重要なもの、つまり将来的な持続可能性を手に入れようとするのです。
まあ、安定性が増すと、少なくとも負けトレードの数を減らすことによって、収益性も向上します。収益性の高いものは、それほど影響を受けません。
もしそうでないなら、予測変数の情報量に問題があることになる。いずれにせよ、複雑化すればするほど損得勘定は大きくなるはずだ。
安定性が増し、少なくとも負けトレードの数を減らすことで収益性も向上します。収益性の高いものは、それほど影響を受けません。
もしそうでないなら、予測変数の情報量に問題があることになる。とにかく、複雑になればなるほど、損得勘定は大きくならざるを得ない。
世界中が真逆の意見なのに、自分が一番よく分かっている。
安定性が増し、少なくとも負けトレードの数を減らすことで収益性も向上します。収益性の高いものは、それほど影響を受けません。
もしそうでないなら、予測変数の情報量に問題があることになる。いずれにせよ、複雑化すればするほど、損得勘定は大きくならざるを得ない。
Faaは正しい考えを書いているのですが、それを間違って述べているのです。
系列と予測変数のセットがあります。シリーズをトレーニングサンプルとフォワード（最も単純なケース）の3つに分けるのです。
例えば、20個のモデルを作るわけです。
ポイントは、リストからのモデルの選択は、トレーニングサンプルでのベストでもフォワードサンプルでのベストでもなく、実行されることです。トレーニング時とフォワード時で同じ品質スコアを与えるモデルを選択する。
あなたはよくご存知でしょうが、世界中がまったく逆の意見を持っているのです。
本質 - リストからのモデルの選択は、トレーニングサンプルで最高の基準ではなく、フォワードで最高の基準に基づいていません。学習用サンプルと前進用サンプルでほぼ同じ品質が得られるモデルが選択される。
これは間違いないでしょう。実際に機能する、あるいはテストすることだけを意味していた。
実はこれ、イマイチ正しくないんです。
システムが複雑になればなるほど、収益性と安定性は同時に向上するはずです。つまり、システムが複雑になればなるほど、そのユーザー特性は高まっていくはずです。
ハンドデベロップメントを例にとると
1. 素のトレーディング・アイデアをもとに、利益を最適化したシンプルなTSを作成します（損失は完全に無視してもかまいません）。
2.負けトレードが少なくなるような制限を導入する。もちろん、偶然に儲かった取引の一部は離脱し、儲かった取引の一部では利益が減少するが、ドローダウンも減少し、結果的に損益の合計は増加することになる。
さらに複雑化すると、少なくとも負けトレードの数が減るため、利益が増えるだけである。
こじつけの結果、損益額が増えないのであれば、何か間違ったことをしているのでしょう。例えば、非効率な条件を導入する。
なんと間違って、分類モデルを作っているのですね。サンプルが大きければ大きいほど、一般化が強くなり、モデルは一般的には安定するが、特殊な点では精度が低くなり、したがって利益も少なくなる
小さなサンプルでトレーニングした場合、短いサンプルでは非常に正確だが、長いサンプルでは不安定になる可能性がある。