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 354

 
ウラジミール・ペレヴェンコ

これはcalibrate::CORELearn/ でより正しく、エレガントに解決されます。

そして、かなり以前からそうでした。

グッドラック


面白いことに、私はキャリブレートを使ってあまり成功せず、あきらめたのです。クラス間の境界を移動させるためにキャリブレーションを使っただけで、クラス間にスペースを空けることには気づいていませんでした。
 
サンサニッチ・フォメンコ

面白いのは、キャリブレーションを使ってもあまり効果がなく、断念したことです。キャリブレーションでは、クラス間の境界を移動させただけで、クラス間にスペースを空けることに気がつきませんでした。
キャリブレーションは、「ハード」な分類器を「ソフト」な分類器に変えます(「わからない」と言うことができる)。滑りがなくなる。
 

私のバージョンのグリッドの 学習データ準備の時点になりました...。
例を見て思うのは、なぜトレーニングでトレードコマンドのないバーを導入しなければならないのか、ということです。

学習例がジグザグに基づくものであれば、NSにはジグザグの反転モーメントのみを入力すればよい。

それとも、トレードを決めないことも解決策になるのでしょうか?)))それを私たちも学ばなければならないのですか?ただし、論理的には、買いも売りもない場合は、取引しないことが決定されたことを意味します。

 

学習されたモデルは、各バーで予測を行うことになっています。例えば、その予測は「ホールドロング」/「ホールドショート」/「トレードしない」と解釈され、その予測に従ってエキスパートアドバイザー内でロールオーバー、クローズ、オープンロングまたはショートなどの様々なトレードオペレーション が実行されます。そこで、モデル(ニューロン)は、この3つの状況を識別できるように学習する必要があり、それぞれ、どこで、どのような予測をするのかを示す学習データがあらかじめ用意されているのである。

 
Dr.トレーダー

学習されたモデルは、各バーで予測を行うことになっています。例えば、その予測は「ホールドロング」/「ホールドショート」/「トレードしない」と解釈され、この予測に従ってエキスパートアドバイザー内で様々なトレード操作(ロールオーバー、クローズ、オープンロングまたはショート)が実行されます。そのため、モデル(ニューロン)はこの3つの状況を識別できるように学習する必要があり、それぞれ、どこからどのような予測が期待できるかを示す学習データをあらかじめ用意しておく必要があります。

それでも、「何もしないこと」は、学ぶ必要があるように思います。みんな上手なんです)。

それに、もしスキャルピングをしていなくて、トレードの判断が100~1万バーに一度でもあれば、NSはその不要な1万バーを全て作り直すべきでしょう...。明らかに学習速度の差は1万倍となる。例えば10本の小節を1回でスケーリングするとしても、計算時間が10倍になることも大きい。

だから、実践こそが真実の基準であり、私は両方のバリエーションを試し、比較するつもりです。

 
ウラジミール・ペレヴェンコ
キャリブレーションは、「ハード」な分類器を「ソフト」な分類器に変えます(「わからない」と言うことができる)。弛みが消える。

Rについての質問、バージョンの互換性をどうするか?
パッケージ 'MXNet' が利用できない(R バージョン 3.4.0 用) 例https://www.r-bloggers.com/recurrent-models-and-examples-with-mxnetr/ そして リカレントネットについて記事を書きたい?:)

 
マキシム・ドミトリエフスキー

そんなRの疑問、バージョンの互換性はどうすれば?
パッケージのコードに入り込み、修正する。
 
ユーリイ・アサウレンコ
モジュールコードに入り込み、修正する。

初心者なので、どこに行けばいいのかわかりません(笑)。
 
マキシム・ドミトリエフスキー

私は不器用で、どこに行けばいいのかわかりません)。

パッケージのソースコードです。ダウンロードし、修正し、コンパイルする。うまくいくときもあれば、そうでないときもある。もしかしたら、修正するのは2行だけかもしれないし、たくさんあるかもしれない)。

SZY 一番簡単な方法は、Rの旧バージョンをダウンロードすることです。

理由: