上に書いた「テスター」と予測結果の不整合について、リターンを予測すればすべてがぴったり合う、長い間考えていましたが、ML 予測の依存関数 in Sharpe ratio は、経験的にわりと曖昧さのない関係なので、数学的に定式化されているのではと思います。技術的には、「テスター」の結果は、実現したリターン（HFTを許してください）に対する多数の予測の単純な畳み込み（スカラー積）と大差ありません。したがって、リターンと予測の相関が高いほど、テスターの結果は良くなりますが、実際には取引コストの差があります。もちろん、このような関数（predict2Sharp）は精度からではなく、推測されたリターンの掛け算よりも推測された数自体の方が重要であるため、loglossからとなる。
確かに、インジケーターを予測するのは冗長ですね。しかし、取引戦略の目的は価格ではなく利益であるため、価格を予測することも冗長である。
つまり、指標でもなく、価格チャートでもなく、トレーダーの行動をモデル化し、そのトレーダーが利益を上げていることを示す指標をターゲットとするのが最も良いということです。
実際には、取引履歴を取るか、ストラテジーテスターでExpert Advisorを実行し、価格パターンを入力、取引を出力としてモデルを教示する必要があります。
だから、 "利益 "はリターン（収益性、リターン）、すなわちその絶対値で 正規化された価格の上昇であり、これは悪名高い "モメンタム "指標、将来のモメンタムを知って、あなたは宇宙の支配者であるされています。
そして、今ここで議論されているのは、ジグザグの幼稚園児的な応用かどうかで、予測手法自体が最初から間違っている（＝成功につながらない）のであれば、一体何が違うのでしょう :).
その通り、問題は細部にある、焦りは禁物だ。そして、この「幼稚さ」はジグザグだけでなく、本当の意味でのトラップにも関係する......。
あえてそうしないのは、あなたの態度でも、他の人の態度でもない。妄想しているのは、あなただけではありません。
あなたが書いたものには 多くの意味があります、記事は素晴らしいです、私は心から言います、簡潔に、簡潔に。しかし、ちょっとした欠陥があり、私自身も長い間、同じように騙されてきたので、それを指摘したのです。
もう一度、私の立場を説明させてください。
ご紹介いただいた記事は、機械学習のプロモーション資料です。機械学習の概念には、モデルだけでなく、モデルのためのデータの準備やモデルの評価も含まれていることが分かります。また、機械学習に興味がある人であれば、最小限の労力ですべてを試すことができることも示しています。
私の思いは、記事には全く書かれていません。広告である。
このスレッドや他のフォーラムのスレッドを見て思ったのは、機械学習のメインで基本的な ものはモデルではなく、「予測変数はターゲット変数に関連している」という根拠です。
それは「関連性」であり、ターゲットそのものでも、特定の予測変数のセットでもない。つまり、「予測因子の重要性」で定義される意味とは異なる、「関係性を持つ」という意味に自分なりの意味を込めたのです。
私は、ZZの使用を宣伝したり、正当化したりしたことはありません。単に、予測因子の中で最も顕著なものとして、私の例で使用しただけです。また、私自身の予測変数のセットでは、予測誤差が30％未満であることを示しました。これは、悪くない結果だと思います。
しかし、もう一度言いますが、この結果は、私が予測変数のフィルタリングを行い、ターゲット変数に「関連する」ものを除外することができたから得られたものです。私の例では、ZZに。しかし、私の手法ではターゲットは重要ではなく、「ターゲット-プレディクター」のセット全体が重要なのです。
それとは別に、私個人としては、私が持っている予測変数のセットで、予測誤差が30％以下であることを指摘しました。
しかし、もう一度言いますが、この結果は、私が予測変数のフィルタリングを行い、ターゲット変数に「関連する」ものを除外することができたから得られたものです。私の例では、ZZに。しかし、私の方法では、ターゲットは重要ではなく、「ターゲット-プレディクター」のセット全体が重要なのです。
数値ai のライブスコアを見て、なぜ彼らが少なくとも45%の誤差（logloss~0.69）を持ち、あなたは30%なのかを考えてみてください。
しかし、あなたの言うことは真実です。あなたは巧妙な方法で特徴量に機能的に結合した合成ターゲット関数を作成し、Lornとtestでこのような素晴らしいスキャンを行い、すべてが正しく見えます... しかし、なぜあなたはまだ億万長者になっていません。次のキャンドルカラーの予測で30％の誤差があれば、約1年で簡単になれるでしょう。あなたは未来ではなく指標を介して未来と混合した過去を予測するからです。純粋な未来の帰国子女を予測してみれば、すべてがうまくいく。
悪い結果ではなく、素晴らしい結果です。ルネサンスでさえ、1日あたりテラバイトのデータを扱うので、到底及ばないと思います。numer.ai のライブスコアを見て、なぜ彼らが少なくとも45%の誤差（logloss~0.69）を持ち、あなたは30%なのかを考えてみてください。
しかし、あなたの言うことは真実で、あなたは巧妙な方法（明らかにあなたにとって明白ではない）で特徴に機能的に結合した合成ターゲット関数を作成し、あなたはLornとテストで素晴らしいゲージを持ち、すべてが正しく見えます... しかし、あなたはまだ億万長者ではありません、次のローソクの色の予測で30％のエラーがあれば約1年で簡単になることができます、それはあなたが未来を予測しないので、指標を介して未来と混合した過去が原因です。純粋に将来のリターンを予測してみれば、すべてがうまくいくはずです。
ZZは肩の始点と終点が同じ重さなので、ターゲット変数としては不向きです。もし、反転前と反転後のターゲット変数を取るなら、私はそのようなターゲット変数の予測因子を見つけることができませんでした - そのようなターゲット変数について私が知っているすべての予測因子は、単なるノイズ です。この件に関しては、あるフォーラム参加者と共同研究を行いました。彼は独自の予測因子を持っており、二人とも同じ結果になっています。
億万長者ではないのは、非常に単純な理由です。ZZに目標を置いた私のモデルの機械学習モデル 推定値（その30％）は、テスターでの結果とは無関係です。その誤差はZZの肩に沿って任意に分布し、つまり偽の信号が本物の信号に混じっているのですから。私はトレンドトレードをするようですが、次のローソク足を予測します。この矛盾を克服するために、私はExpert Advisorで1年以上取引に成功し、10月7日に最大リスクレベルを固定したストップで弾かれた。
しかし、これはトレンドトレードです。
あなたは、トレンドではなく、ダイバーズを取引することを提案し続けています。これは別の取引であり、そのためのより良い設計されたモデル、GARCHがあります。非常によく開発され、多くの既製のツール、FXを含む金融市場での取引のための多くの例があります。それが今、私がやっていることです。参加する。
PS.
ZZの先読みについて。
丁寧に書かないといけない。トレーニングの際、履歴には常に最後の一番右のバーまでの値が表示されます。EAではそうはいきません。ZZの右側には必ず未形成の肩があり、さらにその前の肩もオーバードローになることがあります。だから、私たちは歴史に学ばなければならないのです。その後、新しいファイルに移動し、チャートに沿って、すでに形成されているZZ値のみを考慮して再トレーニングを行います。しかも、それが100小節以上のラグになる。そして、「覗き見」はせず、「遅れ」の反対を。
多くの人にわかりやすいようにまとめておくと・・・。
確かに複雑な目的関数がある、というか、研究者が「問題は出力変数にある」と判断して、それを複雑にし始めるんです。昔はよくあったんですよ、私も。しかし、時間が経つにつれて、そんなことをする必要はない、価格変動を予測できれば十分であり、適切な品質レベルでできないのであれば、これ以上複雑な出力をしても状況は救われないと理解したのです。
バランスカーブに関しては、トレーニングの質の結果である。この曲線の種類によって、学習の質が決まるのです。条件は2つ。
バランスカーブを45度の角度で均一に 成長させる
強いジャンプやドロップがないこと。
こんな感じで...。
ZZは肩の始点と終点が同じ重さなので、ターゲット変数としては不向きです。もし、反転前と反転後のターゲット変数を取ると、私はそのようなターゲット変数の予測因子を見つけることができませんでした - そのようなターゲット変数について私が知っているすべての予測因子は、単なるノイズ です。この件に関しては、あるフォーラム参加者と共同研究を行いました。彼は独自の予測因子を持っており、二人とも同じ結果になっています。
億万長者ではないのは、非常に単純な理由です。ZZに目標を置いた私のモデルの機械学習モデル推定値（その30％）は、テスターでの結果とは無関係です。その誤差はZZの肩に沿って任意に分布し、つまり偽の信号が本物の信号に混じっているのですから。私はトレンドトレードをするようですが、次のローソク足を予測します。この矛盾を克服するために、私はExpert Advisorで1年以上取引に成功し、10月7日に最大リスクレベルを固定したストップで弾かれた。
しかし、これはトレンドトレードです。
あなたは、トレンドではなく、ダイバーズを取引することを提案し続けています。これは別の取引であり、そのためのより良い設計されたモデル、GARCHがあります。非常によく開発され、多くの既製のツール、FXを含む金融市場での取引のための多くの例があります。それが今、私がやっていることです。参加する。
PS.
ZZの先読みについて。
丁寧に書かないといけない。トレーニングの際、履歴には常に最後の一番右のバーまでの値が表示されます。EAではそうはいきません。ZZの右側には必ず未形成の肩があり、さらにその前の肩もオーバードローになることがあります。だから、私たちは歴史に学ばなければならないのです。その後、新しいファイルに移動し、チャートに沿って、すでに形成されているZZ値のみを考慮して再トレーニングを行います。しかも、100小節以上のラグがあるのです。そして、「覗き見」はせず、「遅れ」の反対を。
上に書いた「テスター」と予測結果の不整合について、リターンを予測すればすべてがぴったり合う、長い間考えていましたが、ML 予測の依存関数 in Sharpe ratio は、経験的にわりと曖昧さのない関係なので、数学的に定式化されているのではと思います。技術的には、「テスター」の結果は、実現したリターン（HFTを許してください）に対する多数の予測の単純な畳み込み（スカラー積）と大差ありません。したがって、リターンと予測の相関が高いほど、テスターの結果は良くなりますが、実際には取引コストの差があります。もちろん、このような関数（predict2Sharp）は精度からではなく、推測されたリターンの掛け算よりも推測された数自体の方が重要であるため、loglossからとなる。
GARCHについて 私の知る限り、それはボラティリティを予測する線形モデルであり、市場の方向性を予測するものではありません、それとも私の間違いでしょうか？
テスター "の結果と予測の矛盾については、私はなぜ、あなたが帰国者を予測した場合、すべてが完全にフィットし、長い時間のために成熟したアイデアを、私は時間を得ることができない、数学的にシャープ比の依存関数予測ML 、私は経験的関係が非常に曖昧であるので、明確な表示があると確信している上に書いた。技術的には、「テスター」の結果は、実現したリターン（HFTを許してください）に対する多数の予測の単純な畳み込み（スカラー積）と大差ありません。したがって、リターンと予測の相関が高いほど、テスターの結果は良くなりますが、実際には取引コストの差が出ます。もちろん、このような関数（predict2Sharp）は精度からではなく、推測されたリターンの乗算よりも推測された数自体の方が重要であるため、loglossからとなる。
GARCHについて 私の知る限り、それはボラティリティを予測する線形モデルであり、市場の方向性を予測するものではありません、それとも私の間違いでしょうか？
正直なところ、私はSharpeやSortinoなどの係数を用いてシグナルと基本戦略を分類しようとしたところ、これらの係数はすべて基本戦略の結果であるという結論に達しました。つまり、シャープの結果は全く同じで、シグナルがオーバーランではなく、こんな利益でクローズしたから......ということです。とはいえ、私はあまりプログラミングが得意ではないので、これらの係数は間違って計算しているかもしれません。でも、私のシャープは-2〜2の範囲でしたから、うまくいったと思うのですが...。
正直なところ、私はSharpeやSortinoなどを使って、基本戦略からのシグナルを分類しようとしたところ、これらの係数はすべて基本戦略の結果であるという結論に達しました。つまり、シャープの結果は全く同じで、シグナルがオーバーランではなく、こんな利益でクローズしたから......ということです。とはいえ、私はあまりプログラミングが得意ではないので、これらの係数は間違って計算しているかもしれません。でも、私のシャープは-2～2の範囲だったので、うまくいったと思うのですが...。
一般的なSRは数多く存在するが、古典的なSRは戦略/トレーダー/ファンドのパフォーマンスを評価するための最もシンプルで一般的な指標である。SR <1.5はクソ、>=2は最高と言われています
SRとは、大雑把に言えば、利益とリスクの比率を定量的に表したものである。一般的なSRはたくさんあるが、古典的なSRはトレーダーのファンド戦略のパフォーマンスを評価するための最もシンプルで一般的な指標である。SR <1.5は不気味、>=2は最高と言われています。
SRとは、定量的に言えば、利益とリスクの比率のことである。原理的には問題ない。そこに予測力はゼロなのだから...。