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 434 1...427428429430431432433434435436437438439440441...3399 新しいコメント Forester 2017.06.30 12:51 #4331 マキシム・ドミトリエフスキーパターンが異なる傾斜角度(自己アフィン構造)になっているので、最低限、グラフのアフィン変換をする必要がある。つまり、テンプレートを高さ方向に圧縮したり伸ばしたり......。?- は面白いオプションです。ただ、圧縮率は30〜50%くらいにしておかないと、例えば夜間のランダムな変動によって、アメリカンセッションの変動する時間帯のパターンを探そうとする可能性があると思います。あそこもここも、パターンが違うし、プレーヤーも違う。 仮に作業中に30~50%まで伸縮させたとしても、発見されるパターン数の増加はそれほど大きくなく、予測に大きな影響を与えないので無視できるのですが...チェックが必要です。しかも、この圧縮を既成の外部製品を使わずにMTのコードで実装する方法は全く不明...。異口同音に検索M1とM5でもすでにパターンが違うような気がします。また、それらに同じパターンを探すのは正しくありません。パターンは似ていても、この形態のチャートを引き起こした理由は異なるだろう。 Dr. Trader 2017.06.30 13:03 #4332 エリブラリウス 2つの価格チャートを比較するための他のオプションが見当たらないのですが。他にどんな選択肢があるのでしょうか...?2つの価格配列があり、それぞれが5つの価格を持っているとする。 は a1,a2,a3,a4,a5 です。 は、b1,b2,b3,b4,b5です。1) 価格グラフをデトレンドすることができる、すなわち、ある回転した配置から水平に配置することができる。これは線形回帰で 行うことができます - それを見つけ、元の価格系列の代わりに誤差の配列を使用します。このステップがパターン探索に役立つかどうかは、その効果を詳しく調べていないのでわかりません。今のところ、私自身はこのステップを使用していません。2) 価格の列をパターンと呼ぶのは疑問で、これらの価格によって形成される形状を数学的に記述する必要がある。例えば、すべてのバーで価格の上昇を見つけ、この上昇をあるパターンの説明として使用することができます。 第一のパターンは、a5-a4, a4-a3, a3-a2, a2-a1の式で得られるものである。 は、b5-b4, b4-b3, b3-b2, b2-b1です。3)パターンの「類似性」-相関関係(自分では確認していない)、またはピタゴラスの定理によるデカルト距離(確認したところ、非常にうまくいった)-のいずれか。 sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 ) など、もっといい選択肢があるはずだと思うのです。 Maxim Dmitrievsky 2017.06.30 13:04 #4333 エリブラリウスつまり、パターンの高さを縮めたり伸ばしたり......。?- は面白いオプションです。ただ、30~50%以上伸ばさないようにしないと、例えば夜間のランダムな変動で、Amer.セッションの変動する時間帯のパターンを探そうとすることがあると思います。あそこもここも、パターンが違うし、プレーヤーも違う。 仮に作業中に30~50%まで伸縮させたとしても、発見されるパターン数の増加はそれほど大きくなく、予測に大きな影響を与えないので無視できるのですが...チェックが必要です。しかも、この圧縮を既成の外部製品を使わずにMTのコードで実装する方法は全く不明...。M1とM5でもすでにパターンが違うような気がします。また、それらに同じパターンを探すのは正しくありません。パターンは似ていても、そのようなチャートの形を生んだ理由は異なるだろう。よりよく理解するためには、フラクタルが持つ特性を研究するのがよいでしょう。特に、すでに書いたように--スケーリングと自己親和性だ。スケーリングとは、定義上、異なる時間間隔で類似のパターンが形成されることです。1分間の引用を行い、与えられた倍率の合成TFの配列を構築し、この配列を用いて現在のパターンと類似したパターンを検索することができます。自己親和性 - パターンは似ているが、全く同じということはない。これは、「類似性」の基準を選択する際の主な問題点であり、ここでは相関関係は適切ではありません。その違いは、その収縮・伸張よりも、パターンの傾き(回帰直線の傾きの角度)に現れている。現在のパターンでLRを構築していたのですが、他のプロットから引用してLRの傾斜角度を現在のパターンの傾斜角度に変更したところ、結果的に似たようなパターンをよく見つけることができました。また、予測作成時には、現在のパターンのLRの傾きを考慮して予測カーブを変形させた。次のページフラクタルの自己親和性(自己相似性)には、もう一つ面白い特徴があります。大きなパターンの中に、全く同じで小さなものを形成するのです。検索のアルゴリズム - (例)1時間足のタイムフレームの最後の500本のバーを10本進めて、テスターで分または5分の期間を実行し、1時間足のパターンに類似したパターンを探します。もし見つかったら、1時間足から過去10本のバーを5分足のパターンに投影する-これが予測です。これもREGの角度を考慮しながらやってください。こんな感じでやってました。連続したパターンのグループに対するクロスバリデーションはまだやったことがないが、興味深いテーマだと思われる Maxim Dmitrievsky 2017.06.30 13:23 #4334 Dr.トレーダー2つの価格配列があり、それぞれ5つの価格を持っているとします。 は a1,a2,a3,a4,a5 です。 は、b1,b2,b3,b4,b5です。1) 価格グラフをデトレンドすることができる、すなわち、ある回転した配置から水平に配置することができる。これは線形回帰で 行うことができます - それを見つけ、元の価格系列の代わりに誤差の配列を使用します。このステップがパターン探索に役立つかどうかは、その効果を詳しく調べていないのでわかりません。私自身はまだこのステップを使用していません。2) 価格の列をパターンと呼ぶのは疑問で、これらの価格によって形成される形状を数学的に記述する必要がある。例えば、すべてのバーで価格の上昇を見つけ、この上昇をあるパターンの説明として使用することができます。 第一のパターンは、a5-a4, a4-a3, a3-a2, a2-a1の式で得られるものである。 は、b5-b4, b4-b3, b3-b2, b2-b1です。3)パターンの「類似性」-相関関係(自分では確認していない)、またはピタゴラスの定理によるデカルト距離(確認したところ、非常にうまくいった)-のいずれか。 sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 ) など、もっと良い選択肢があるはずだと思うのですが。 面白いのは、チャートではなくRSIでパターンを探せることです。 面白いのは、チャートをデトレンドして回転させても、それを元にしたRSIはほとんど同じものを表示することです。しかし、出力(予測)はやはりLRの傾きを考慮した変換が必要になります。さらに、得られた指標に対して相互相関などを構築することができます。 Forester 2017.06.30 13:33 #4335 Maxim Dmitrievskyと Dr. Trader 私が作ったインジケーターのように、歴史上のパターンを探すのに多くの時間を費やしたようですね。 今でも使っているのか、それともパターン検索では期待できないのでニューラルネットワークに変えたのか?それとも、これらのアプローチの結果は同じで、違いはスピードだけなのでしょうか? Maxim Dmitrievsky 2017.06.30 13:41 #4336 エリブラリウスMaxim Dmitrievskyと Dr. Trader 私が作ったインジケーターのように、歴史上のパターンを探すのに多くの時間を費やしたようですね。 今でも使っているのか、それともパターン検索では期待できないのでニューラルネットワークに変えたのか?それとも、これらのアプローチの効率は同じで、違いはスピードだけなのでしょうか? パターンを使った作業は、思うような結果が得られず断念したので、また後日出直します。しかも、考えてやることが多く、時間がかかり、やってみないとわからない。その前に友人とWeierstrass-Mandelbrot fiiを使ったフラクタル解析の開発をしていたのですが、そこでは相関も使っていたので、普通のパターンはたまにしか見つけられなかったんです。あとは、畳み込みが使えるようになったり、何か新しいパターン検索の方法を思いついたら、また戻ってきます。要するに、相関関係は私には合わないんです Maxim Dmitrievsky 2017.06.30 13:47 #4337 マキシム・ドミトリエフスキー パターンを使った仕事は、思ったような結果が出なかったので断念しました。この話題はまた後日。 そして、考え出すときりがない、手間がかかる、やってみないとわからない。その前に友人とWeierstrass-Mandelbrot fiiを使ったフラクタル解析の開発をしていたのですが、そこでは相関も使っていたので、普通のパターンはたまにしか見つけられなかったんです。あとは、畳み込みが使えるようになったり、何か新しいパターン検索の方法を思いついたら、また戻ってきます。要するに、相関関係は私には合わないんですここで、もし興味があれば、100年前に私はフラクタル解析の入門ビデオを録画しました。私の観点ではパターン解析に直結しています。 Forester 2017.06.30 13:53 #4338 また、単純なNS(単純なMLP)は、どのような原理で予測を行うのでしょうか? それは通常の相関に思える - ニューロン間の接続の重みは、NSの応答が一致したときに、この線に沿って信号の繰り返しの数で成長するので、線が+であった場合、またはで - それは0の周りのまま - そしてこれは本質的に単純な平均化である。そして、これらの重みを用いて、予測変数の入力の組み合わせと訓練期間の平均との類似性を求める。 Dr. Trader 2017.06.30 13:59 #4339 まだ諦めてはいません。パターンからもっと利益を引き出そうと、いろいろなアルゴリズムを試しています。 neuronkaと比べると、このアプローチはより多くの可能性を与えてくれます。以前、時間の影響(例えば、類似のパターンが発見された時間に応じて類似度を減少させる)を考慮しようとしていると書きましたが、さらに別のトリックも考えています。ニューロニクスではできないことです。 私の神経細胞は、価格だけを使って利益を出すような取引は決してできないのです。でも、パターンモデルがそうだったのですから、選択は当然です :)しかし、異なる指標でニューロニクスを使用することができます。しかし、ニューロンでもフォレストでも、さらには線形モデルでも、指標と学習対象を正しく選べば、すべてがうまくいくのです。例えば、パターンを扱う場合、パターンの「類似性」を評価する方法を作るのに多くの時間を費やす必要があり、このテーマに関する有益な情報はあまり見つからず、多くの実験をする必要があります。また、指標を扱う場合、指標の選択と学習のために多くの時間が必要になりますが、モデル(ニューロン、フォレスト、ブースティング)の選択と学習にはそれほど時間はかかりません。 nowi 2017.06.30 14:04 #4340 マキシム・ドミトリエフスキー パターンを使った作業は、思ったような結果が得られず断念しましたので、この話題はまた後日。この話題はまた後日。 そして、考えるのもやるのも、時間がかかるし、やるまでわからないことが多い。その前に友人とWeierstrass-Mandelbrot fiiを使ったフラクタル解析の開発をしていたのですが、そこでは相関も使っていたので、普通のパターンはたまにしか見つけられなかったんです。もし、コンボリューションを使うか、パターンを検索する新しい方法を発明したら、また戻ってくるつもりです。 唯一の選択肢は、厩務員に助けを求めることだ)彼は、本物の男がどう取引すべきか教えてくれるだろう...重要なのはパターンや科学ではなく、勇気と強さだ...そして、本物のチェチェンひげが必要だ...そうすれば市場は、柔軟性がなく、原則的な戦士には抵抗しない......。ハッチ式取引ルール................................... 1...427428429430431432433434435436437438439440441...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
パターンが異なる傾斜角度(自己アフィン構造)になっているので、最低限、グラフのアフィン変換をする必要がある。
つまり、テンプレートを高さ方向に圧縮したり伸ばしたり......。?- は面白いオプションです。ただ、圧縮率は30〜50%くらいにしておかないと、例えば夜間のランダムな変動によって、アメリカンセッションの変動する時間帯のパターンを探そうとする可能性があると思います。あそこもここも、パターンが違うし、プレーヤーも違う。
仮に作業中に30~50%まで伸縮させたとしても、発見されるパターン数の増加はそれほど大きくなく、予測に大きな影響を与えないので無視できるのですが...チェックが必要です。
しかも、この圧縮を既成の外部製品を使わずにMTのコードで実装する方法は全く不明...。
異口同音に検索
M1とM5でもすでにパターンが違うような気がします。また、それらに同じパターンを探すのは正しくありません。パターンは似ていても、この形態のチャートを引き起こした理由は異なるだろう。
2つの価格チャートを比較するための他のオプションが見当たらないのですが。他にどんな選択肢があるのでしょうか...?
2つの価格配列があり、それぞれが5つの価格を持っているとする。
は a1,a2,a3,a4,a5 です。
は、b1,b2,b3,b4,b5です。
1) 価格グラフをデトレンドすることができる、すなわち、ある回転した配置から水平に配置することができる。これは線形回帰で 行うことができます - それを見つけ、元の価格系列の代わりに誤差の配列を使用します。このステップがパターン探索に役立つかどうかは、その効果を詳しく調べていないのでわかりません。今のところ、私自身はこのステップを使用していません。
2) 価格の列をパターンと呼ぶのは疑問で、これらの価格によって形成される形状を数学的に記述する必要がある。例えば、すべてのバーで価格の上昇を見つけ、この上昇をあるパターンの説明として使用することができます。
第一のパターンは、a5-a4, a4-a3, a3-a2, a2-a1の式で得られるものである。
は、b5-b4, b4-b3, b3-b2, b2-b1です。
3)パターンの「類似性」-相関関係(自分では確認していない)、またはピタゴラスの定理によるデカルト距離(確認したところ、非常にうまくいった)-のいずれか。
sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
など、もっといい選択肢があるはずだと思うのです。
つまり、パターンの高さを縮めたり伸ばしたり......。?- は面白いオプションです。ただ、30~50%以上伸ばさないようにしないと、例えば夜間のランダムな変動で、Amer.セッションの変動する時間帯のパターンを探そうとすることがあると思います。あそこもここも、パターンが違うし、プレーヤーも違う。
仮に作業中に30~50%まで伸縮させたとしても、発見されるパターン数の増加はそれほど大きくなく、予測に大きな影響を与えないので無視できるのですが...チェックが必要です。
しかも、この圧縮を既成の外部製品を使わずにMTのコードで実装する方法は全く不明...。
M1とM5でもすでにパターンが違うような気がします。また、それらに同じパターンを探すのは正しくありません。パターンは似ていても、そのようなチャートの形を生んだ理由は異なるだろう。
よりよく理解するためには、フラクタルが持つ特性を研究するのがよいでしょう。特に、すでに書いたように--スケーリングと自己親和性だ。
スケーリングとは、定義上、異なる時間間隔で類似のパターンが形成されることです。1分間の引用を行い、与えられた倍率の合成TFの配列を構築し、この配列を用いて現在のパターンと類似したパターンを検索することができます。
自己親和性 - パターンは似ているが、全く同じということはない。これは、「類似性」の基準を選択する際の主な問題点であり、ここでは相関関係は適切ではありません。
その違いは、その収縮・伸張よりも、パターンの傾き(回帰直線の傾きの角度)に現れている。現在のパターンでLRを構築していたのですが、他のプロットから引用してLRの傾斜角度を現在のパターンの傾斜角度に変更したところ、結果的に似たようなパターンをよく見つけることができました。また、予測作成時には、現在のパターンのLRの傾きを考慮して予測カーブを変形させた。
次のページフラクタルの自己親和性(自己相似性)には、もう一つ面白い特徴があります。大きなパターンの中に、全く同じで小さなものを形成するのです。検索のアルゴリズム - (例)1時間足のタイムフレームの最後の500本のバーを10本進めて、テスターで分または5分の期間を実行し、1時間足のパターンに類似したパターンを探します。もし見つかったら、1時間足から過去10本のバーを5分足のパターンに投影する-これが予測です。これもREGの角度を考慮しながらやってください。こんな感じでやってました。
連続したパターンのグループに対するクロスバリデーションはまだやったことがないが、興味深いテーマだと思われる
2つの価格配列があり、それぞれ5つの価格を持っているとします。
は a1,a2,a3,a4,a5 です。
は、b1,b2,b3,b4,b5です。
1) 価格グラフをデトレンドすることができる、すなわち、ある回転した配置から水平に配置することができる。これは線形回帰で 行うことができます - それを見つけ、元の価格系列の代わりに誤差の配列を使用します。このステップがパターン探索に役立つかどうかは、その効果を詳しく調べていないのでわかりません。私自身はまだこのステップを使用していません。
2) 価格の列をパターンと呼ぶのは疑問で、これらの価格によって形成される形状を数学的に記述する必要がある。例えば、すべてのバーで価格の上昇を見つけ、この上昇をあるパターンの説明として使用することができます。
第一のパターンは、a5-a4, a4-a3, a3-a2, a2-a1の式で得られるものである。
は、b5-b4, b4-b3, b3-b2, b2-b1です。
3)パターンの「類似性」-相関関係(自分では確認していない)、またはピタゴラスの定理によるデカルト距離(確認したところ、非常にうまくいった)-のいずれか。
sqrt( ((a5-a4)-(b5-b4))^2 + ((a4-a3)-(b4-b3))^2 + ((a3-a2)-(b3-b2))^2 + ((a2-a1)-(b2-b1))^2 )
など、もっと良い選択肢があるはずだと思うのですが。
面白いのは、チャートではなくRSIでパターンを探せることです。 面白いのは、チャートをデトレンドして回転させても、それを元にしたRSIはほとんど同じものを表示することです。しかし、出力(予測)はやはりLRの傾きを考慮した変換が必要になります。さらに、得られた指標に対して相互相関などを構築することができます。
Maxim Dmitrievskyと Dr. Trader
私が作ったインジケーターのように、歴史上のパターンを探すのに多くの時間を費やしたようですね。
今でも使っているのか、それともパターン検索では期待できないのでニューラルネットワークに変えたのか?それとも、これらのアプローチの結果は同じで、違いはスピードだけなのでしょうか?
Maxim Dmitrievskyと Dr. Trader
私が作ったインジケーターのように、歴史上のパターンを探すのに多くの時間を費やしたようですね。
今でも使っているのか、それともパターン検索では期待できないのでニューラルネットワークに変えたのか?それとも、これらのアプローチの効率は同じで、違いはスピードだけなのでしょうか?
パターンを使った仕事は、思ったような結果が出なかったので断念しました。この話題はまた後日。 そして、考え出すときりがない、手間がかかる、やってみないとわからない。その前に友人とWeierstrass-Mandelbrot fiiを使ったフラクタル解析の開発をしていたのですが、そこでは相関も使っていたので、普通のパターンはたまにしか見つけられなかったんです。あとは、畳み込みが使えるようになったり、何か新しいパターン検索の方法を思いついたら、また戻ってきます。要するに、相関関係は私には合わないんです
ここで、もし興味があれば、100年前に私はフラクタル解析の入門ビデオを録画しました。私の観点ではパターン解析に直結しています。
また、単純なNS(単純なMLP)は、どのような原理で予測を行うのでしょうか?
それは通常の相関に思える - ニューロン間の接続の重みは、NSの応答が一致したときに、この線に沿って信号の繰り返しの数で成長するので、線が+であった場合、またはで - それは0の周りのまま - そしてこれは本質的に単純な平均化である。そして、これらの重みを用いて、予測変数の入力の組み合わせと訓練期間の平均との類似性を求める。
まだ諦めてはいません。パターンからもっと利益を引き出そうと、いろいろなアルゴリズムを試しています。
neuronkaと比べると、このアプローチはより多くの可能性を与えてくれます。以前、時間の影響(例えば、類似のパターンが発見された時間に応じて類似度を減少させる)を考慮しようとしていると書きましたが、さらに別のトリックも考えています。ニューロニクスではできないことです。
私の神経細胞は、価格だけを使って利益を出すような取引は決してできないのです。でも、パターンモデルがそうだったのですから、選択は当然です :)
しかし、異なる指標でニューロニクスを使用することができます。しかし、ニューロンでもフォレストでも、さらには線形モデルでも、指標と学習対象を正しく選べば、すべてがうまくいくのです。
例えば、パターンを扱う場合、パターンの「類似性」を評価する方法を作るのに多くの時間を費やす必要があり、このテーマに関する有益な情報はあまり見つからず、多くの実験をする必要があります。
また、指標を扱う場合、指標の選択と学習のために多くの時間が必要になりますが、モデル(ニューロン、フォレスト、ブースティング)の選択と学習にはそれほど時間はかかりません。
パターンを使った作業は、思ったような結果が得られず断念しましたので、この話題はまた後日。この話題はまた後日。 そして、考えるのもやるのも、時間がかかるし、やるまでわからないことが多い。その前に友人とWeierstrass-Mandelbrot fiiを使ったフラクタル解析の開発をしていたのですが、そこでは相関も使っていたので、普通のパターンはたまにしか見つけられなかったんです。もし、コンボリューションを使うか、パターンを検索する新しい方法を発明したら、また戻ってくるつもりです。
唯一の選択肢は、厩務員に助けを求めることだ)彼は、本物の男がどう取引すべきか教えてくれるだろう...重要なのはパターンや科学ではなく、勇気と強さだ...そして、本物のチェチェンひげが必要だ...そうすれば市場は、柔軟性がなく、原則的な戦士には抵抗しない......。
ハッチ式取引ルール...................................