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 380 1...373374375376377378379380381382383384385386387...3399 新しいコメント СанСаныч Фоменко 2017.06.02 11:56 #3791 レナト・アフティアモフと、"万歳 "な予報になることでしょう。ちなみに、ボラティリティが低いうちは「YES」が良い予想と言われています。 コードを見るにはどうしたらよいですか？ Renat Akhtyamov 2017.06.02 12:21 #3792 サンサニッチ・フォメンコ コードを見ることはできますか？ 前ページのリンクからご覧ください。 СанСаныч Фоменко 2017.06.02 12:39 #3793 レナト・アフティアモフ 前ページのリンクからご覧ください。 私は何も理解していません。ストラテジーチャートとバイ・アンド・ホールドチャートがあります。EURUSDのチャートは どこですか？ Renat Akhtyamov 2017.06.02 12:41 #3794 サンサニッチ・フォメンコ 私は何も理解していません。ストラテジーチャートとバイ・アンド・ホールドチャートがあります。EURUSDの チャートはどこですか？ コードを聞かれましたが、下にあります。あとは読まなくて結構です。 СанСаныч Фоменко 2017.06.02 12:41 #3795 失礼、次の投稿に行ったら、以下のグラフが ありました。非常に興味深い資料です。不足しているのは、該当する機能の適用を正当化するテストである。 Dr. Trader 2017.06.02 15:24 #3796 マキシム・ドミトリエフスキー mqlに入れるとややこしいので大学の教科書を買いました、Garchが載っていて読んでいます)MoDは常に既成概念にとらわれない、有意義なモデルです。あまりに意味がありすぎて、仕組みがわからなくなることもあります。例えばグラデーションブーストの記事はこちらhttps://habrahabr.ru/company/ods/blog/327250/ 記事があって、説明や計算式があるのですが、mqlに移したいという思いが実現できていません、複雑すぎますね。この問題は、その意味合いではなく、狭い範囲での特殊性という点で少し異なります。 有馬とGarchは指標やTAを使わずに直接価格と連動しています。価格系列を定常ベクトルに変換するアルゴリズムが組み込まれており、さらに過去の誤差（MA成分）に基づいて予測を修正するような微妙な機能も備えています。しかし同時に、他の（価格以外の）データには役に立ちません。例えば、これらのモデルは写真を分類することができません。ニューラルネットワークに価格の時系列を渡して学習させると、価格の自己相関や季節性、トレンドの成分は検索されない--。与えられたものを単純に記憶し、テストや実際の取引での新しいデータに対しては、過去の類似した価格ベクトルを「記憶」し、以前のように取引するのですが、FXでは欠点があるということなのです。 ニューロンカは価格予測の手助けをする必要があります。まず、有馬のように自己相関、トレンド、季節性を検出できる指標を見つけ、これらの指標の値をニューロンカに転送する必要があります。そうすれば、少なくとも有馬やガーチに匹敵する可能性が少しは出てくるはずです。 もうひとつ重要なのは、arimaは時間軸で予測することです。価格が到着した順番を明確に記憶しており、予測には直近の数価格を取り出し、それを基に予測を行うスライディングウィンドウを使用している。ニューロニックとは異なり、価格が到着した順番を全く考えずに、トレーニングテーブル全体を一度に操作する。 Maxim Dmitrievsky 2017.06.02 15:43 #3797 Dr.トレーダーMoDは常に既成概念にとらわれない、有意義なモデルです。あまりに意味がありすぎて、仕組みがわからなくなることもあります。例えばグラディエントブーストの記事はこちらhttps://habrahabr.ru/company/ods/blog/327250/ 記事があって、説明や計算式があるのですが、それをmqlに移したいという欲求が複雑すぎて実現できていません。感覚ではなく、狭い意味での専門性というのは、ちょっと違う。 有馬、Garch - インジケータやTAを使用せずに、価格を直接操作します。そのために価格系列を定常ベクトルにするアルゴリズムが組み込まれており、さらに過去の誤差によって予測値を補正する（MA成分）などの細かな工夫もされている。しかし同時に、他の（価格以外の）データには役に立ちません。例えば、これらのモデルは写真を分類することができません。ニューラルネットワークに価格の時系列を渡して学習させると、価格の自己相関や季節性、トレンドの成分は検索されない--。与えられたものを単純に記憶し、テストや実際の取引での新しいデータに対しては、過去の類似した価格ベクトルを「記憶」し、以前のように取引するのですが、FXでは欠点があることを意味します。 ニューロンカが価格を予測するには手助けが必要です。まず、有馬のように自己相関、トレンド、季節性を検出できる指標を見つけ、これらの指標の値をニューロンカに転送してください。そうすれば、少なくとも有馬やガーチに匹敵する可能性が少しは出てくるはずです。 もうひとつ重要なのは、arimaは時間軸で予測することです。価格が到着した順番を明確に記憶しており、予測には直近の数価格を取り出し、それを基に予測を行うスライディングウィンドウを使用している。ニューロニックは、トレーニングテーブル全体を一度に扱うので、価格がどのような順番で到着したのかがわからないのとは対照的です。 MOは完成された意味のあるモデルではなく、プロセスなのです :) そして、garchはモデルです。どうやったら比較できるんだろう :)全部よくわかってるんだよ、ガーチの存在を知る前からある程度は把握してた。そして、ニューロニクスが何をするのか。思い入れのあるモデルをずっと作り続けています :) どれくらいかというと、2週間くらいです。ちなみにこれらの記事はほとんどくだらないものばかりですが...一般教養としては、読んでいて面白いです。 ちなみに、外為市場のシステムの複雑さは、その有効性を全く特徴付けない...。 Dr. Trader 2017.06.02 16:11 #3798 マキシム・ドミトリエフスキー： どうやって比較すればいいんだろう :)MOには必ず何らかのモデルが含まれており、ほとんどの場合、実用化されたモデルを採用しています。例えばニューロニックやグラディエント・ブースティングなどは、（数十年にわたるアルゴリズムの進化の中で）非常に多くの努力と時間が費やされているため、有馬以上に意味のあるものになる可能性があるのです。 Maxim Dmitrievsky 2017.06.02 16:18 #3799 Dr.トレーダーMOには必ず何らかのモデルがあり、ほとんどの場合、実用的で時間の経過したモデルが使われます。例えばニューロニックやグラディエント・ブースティングなどは、（数十年にわたるアルゴリズムの進化の中で）非常に多くの努力と時間が費やされているため、有馬以上に意味のあるものになる可能性があるのです。 回帰なのか分類なのか、どのようなモデルなのか :)ニューロニクスにできることはそれだけ mytarmailS 2017.06.02 18:17 #3800 Dr.トレーダーMoDは常に既成概念にとらわれない、有意義なモデルです。あまりに意味がありすぎて、仕組みがわからなくなることもあります。例えばグラディエントブーストの記事はこちらhttps://habrahabr.ru/company/ods/blog/327250/ 記事があって、説明や計算式があるのですが、それをmqlに移したいという欲求が複雑すぎて実現できていません。感覚ではなく、狭い意味での専門性というのは、ちょっと違う。 有馬、Garch - インジケータやTAを使用せずに、価格を直接操作します。そのために価格系列を定常ベクトルにするアルゴリズムが組み込まれており、さらに過去の誤差によって予測値を補正する（MA成分）などの細かな工夫もされている。しかし同時に、他の（価格以外の）データには役に立ちません。例えば、これらのモデルは写真を分類することができません。ニューラルネットワークに価格の時系列を渡して学習させると、価格の自己相関や季節性、トレンドの成分は検索されない--。与えられたものを単純に記憶し、テストや実際の取引での新しいデータに対しては、過去の類似した価格ベクトルを「記憶」し、以前のように取引するのですが、FXでは欠点があることを意味します。 ニューロンカが価格を予測するには手助けが必要です。まず、有馬のように自己相関、トレンド、季節性を検出できる指標を見つけ、これらの指標の値をニューロンカに転送してください。そうすれば、少なくとも有馬やガーチに匹敵する可能性が少しは出てくるはずです。 もうひとつ重要なのは、arimaは時間軸で予測することです。価格が到着した順番を明確に記憶しており、予測には直近の数価格を取り出し、それを基に予測を行うスライディングウィンドウを使用している。ニューロニックは、トレーニングテーブル全体を一度に扱うので、価格がどのような順番で到着したのかがわからないのとは対照的です。+++ 1...373374375376377378379380381382383384385386387...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
と、"万歳 "な予報になることでしょう。
ちなみに、ボラティリティが低いうちは「YES」が良い予想と言われています。
コードを見るにはどうしたらよいですか？
コードを見ることはできますか？
前ページのリンクからご覧ください。
私は何も理解していません。
ストラテジーチャートとバイ・アンド・ホールドチャートがあります。EURUSDのチャートは どこですか？
私は何も理解していません。
ストラテジーチャートとバイ・アンド・ホールドチャートがあります。EURUSDの チャートはどこですか？
失礼、次の投稿に行ったら、以下のグラフが ありました。
非常に興味深い資料です。
不足しているのは、該当する機能の適用を正当化するテストである。
mqlに入れるとややこしいので大学の教科書を買いました、Garchが載っていて読んでいます)
MoDは常に既成概念にとらわれない、有意義なモデルです。あまりに意味がありすぎて、仕組みがわからなくなることもあります。例えばグラデーションブーストの記事はこちらhttps://habrahabr.ru/company/ods/blog/327250/ 記事があって、説明や計算式があるのですが、mqlに移したいという思いが実現できていません、複雑すぎますね。
この問題は、その意味合いではなく、狭い範囲での特殊性という点で少し異なります。
有馬とGarchは指標やTAを使わずに直接価格と連動しています。価格系列を定常ベクトルに変換するアルゴリズムが組み込まれており、さらに過去の誤差（MA成分）に基づいて予測を修正するような微妙な機能も備えています。しかし同時に、他の（価格以外の）データには役に立ちません。例えば、これらのモデルは写真を分類することができません。
ニューラルネットワークに価格の時系列を渡して学習させると、価格の自己相関や季節性、トレンドの成分は検索されない--。与えられたものを単純に記憶し、テストや実際の取引での新しいデータに対しては、過去の類似した価格ベクトルを「記憶」し、以前のように取引するのですが、FXでは欠点があるということなのです。
ニューロンカは価格予測の手助けをする必要があります。まず、有馬のように自己相関、トレンド、季節性を検出できる指標を見つけ、これらの指標の値をニューロンカに転送する必要があります。そうすれば、少なくとも有馬やガーチに匹敵する可能性が少しは出てくるはずです。
もうひとつ重要なのは、arimaは時間軸で予測することです。価格が到着した順番を明確に記憶しており、予測には直近の数価格を取り出し、それを基に予測を行うスライディングウィンドウを使用している。ニューロニックとは異なり、価格が到着した順番を全く考えずに、トレーニングテーブル全体を一度に操作する。
MoDは常に既成概念にとらわれない、有意義なモデルです。あまりに意味がありすぎて、仕組みがわからなくなることもあります。例えばグラディエントブーストの記事はこちらhttps://habrahabr.ru/company/ods/blog/327250/ 記事があって、説明や計算式があるのですが、それをmqlに移したいという欲求が複雑すぎて実現できていません。
感覚ではなく、狭い意味での専門性というのは、ちょっと違う。
有馬、Garch - インジケータやTAを使用せずに、価格を直接操作します。そのために価格系列を定常ベクトルにするアルゴリズムが組み込まれており、さらに過去の誤差によって予測値を補正する（MA成分）などの細かな工夫もされている。しかし同時に、他の（価格以外の）データには役に立ちません。例えば、これらのモデルは写真を分類することができません。
ニューラルネットワークに価格の時系列を渡して学習させると、価格の自己相関や季節性、トレンドの成分は検索されない--。与えられたものを単純に記憶し、テストや実際の取引での新しいデータに対しては、過去の類似した価格ベクトルを「記憶」し、以前のように取引するのですが、FXでは欠点があることを意味します。
ニューロンカが価格を予測するには手助けが必要です。まず、有馬のように自己相関、トレンド、季節性を検出できる指標を見つけ、これらの指標の値をニューロンカに転送してください。そうすれば、少なくとも有馬やガーチに匹敵する可能性が少しは出てくるはずです。
もうひとつ重要なのは、arimaは時間軸で予測することです。価格が到着した順番を明確に記憶しており、予測には直近の数価格を取り出し、それを基に予測を行うスライディングウィンドウを使用している。ニューロニックは、トレーニングテーブル全体を一度に扱うので、価格がどのような順番で到着したのかがわからないのとは対照的です。
MOは完成された意味のあるモデルではなく、プロセスなのです :) そして、garchはモデルです。どうやったら比較できるんだろう :)
全部よくわかってるんだよ、ガーチの存在を知る前からある程度は把握してた。そして、ニューロニクスが何をするのか。思い入れのあるモデルをずっと作り続けています :) どれくらいかというと、2週間くらいです。ちなみにこれらの記事はほとんどくだらないものばかりですが...一般教養としては、読んでいて面白いです。
ちなみに、外為市場のシステムの複雑さは、その有効性を全く特徴付けない...。どうやって比較すればいいんだろう :)
MOには必ず何らかのモデルが含まれており、ほとんどの場合、実用化されたモデルを採用しています。例えばニューロニックやグラディエント・ブースティングなどは、（数十年にわたるアルゴリズムの進化の中で）非常に多くの努力と時間が費やされているため、有馬以上に意味のあるものになる可能性があるのです。
MOには必ず何らかのモデルがあり、ほとんどの場合、実用的で時間の経過したモデルが使われます。例えばニューロニックやグラディエント・ブースティングなどは、（数十年にわたるアルゴリズムの進化の中で）非常に多くの努力と時間が費やされているため、有馬以上に意味のあるものになる可能性があるのです。
回帰なのか分類なのか、どのようなモデルなのか :)ニューロニクスにできることはそれだけ
MoDは常に既成概念にとらわれない、有意義なモデルです。あまりに意味がありすぎて、仕組みがわからなくなることもあります。例えばグラディエントブーストの記事はこちらhttps://habrahabr.ru/company/ods/blog/327250/ 記事があって、説明や計算式があるのですが、それをmqlに移したいという欲求が複雑すぎて実現できていません。
感覚ではなく、狭い意味での専門性というのは、ちょっと違う。
有馬、Garch - インジケータやTAを使用せずに、価格を直接操作します。そのために価格系列を定常ベクトルにするアルゴリズムが組み込まれており、さらに過去の誤差によって予測値を補正する（MA成分）などの細かな工夫もされている。しかし同時に、他の（価格以外の）データには役に立ちません。例えば、これらのモデルは写真を分類することができません。
ニューラルネットワークに価格の時系列を渡して学習させると、価格の自己相関や季節性、トレンドの成分は検索されない--。与えられたものを単純に記憶し、テストや実際の取引での新しいデータに対しては、過去の類似した価格ベクトルを「記憶」し、以前のように取引するのですが、FXでは欠点があることを意味します。
ニューロンカが価格を予測するには手助けが必要です。まず、有馬のように自己相関、トレンド、季節性を検出できる指標を見つけ、これらの指標の値をニューロンカに転送してください。そうすれば、少なくとも有馬やガーチに匹敵する可能性が少しは出てくるはずです。
もうひとつ重要なのは、arimaは時間軸で予測することです。価格が到着した順番を明確に記憶しており、予測には直近の数価格を取り出し、それを基に予測を行うスライディングウィンドウを使用している。ニューロニックは、トレーニングテーブル全体を一度に扱うので、価格がどのような順番で到着したのかがわからないのとは対照的です。
+++