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 437

新しいコメント
 
エリブラリウス

これだけ傾きが違うのに、グラフが似ていると考えるのが正しいのか、まだ確信が持てません。同じ例で言うと

トレンドの上方、あるいは下降トレンドの終わりを示すバリアントをパターンチャートに移すと、反転ではなく、下降トレンドの継続を予測することになります。何かおかしいぞ...。

しかし、テスターを運転すれば、傾斜に大きな差があるバリエーションはめったに見つからない。それは、ある限界で、上昇するが下降しないパターンになり、その構造は現在のものと低い相関で異なることを意味し、それが行われない理由である。
 
マキシム・ドミトリエフスキー
しかし、テスターを動かすと、傾斜が大きく異なるバリエーションはほとんど見つかりません。ある限界に達すると、それは実際には下降パターンではなく、上昇パターンになり、構造は現在のものと低い相関を持つようになると言います

まあ、10～15度（目測）どのぐらい少ないか？それに、何も見つからない方が、偽信号よりいい。

PS.フォトショップで測定した結果-18度

 
エリブラリウス
10～15度（目測） それ以下は？それに、何も見つからない方が、偽信号よりいい。


完璧な50%の偶然の一致でも間違った方向に予測する)

ところで、そうそう、予後曲線がここで正しくカウントされていません、どこかでしくじりました...そして古いバージョンを失いました

 
マキシム・ドミトリエフスキー

50%の完全一致と間違った方向への予測までしている)

1つの変量で予測するのですから、同じような変量が100個あれば、予測の精度は高くなるはずです。ただし、平均予想はゼロになる ))

一人にとっても、多くの人にとっても、悪いこと。このタスクをオプティマイザに食わせるべきですね。

 
エリブラリウス

一本の線での予測なので、同じようなものが100本あれば、予測の精度は高くなります。ただし、平均予想はゼロになる ))

一行でも多数でもまずい。このタスクをoptimizerに食わせるべきだろう。


そうですね、でもまず、正しい方向であるべきで、予報はそのような線を引くべきではありません。）

でも、どうせ相関関係でデタラメなんだろう、だから諦めたんだ...。

 
マキシム・ドミトリエフスキー

最低限、チャートのアフィン変換をする必要があるのは、パターンが異なる傾斜角度（自己アフィン構造）であること、次に、異なる時間枠で検索することである。しかし、相関関係を利用する際には役に立ちません。非常に類似性の低いパターンを見つけて しまうのです。

もし、相関の問題点が「あまり似ていないパターンを見つけて しまう」ことであれば、許容誤差をより厳しく定義し、非常に似ているパターンだけを見つけるようにすればよいでしょう。しかし、すべてのバーで発生するわけではなく、時々（数時間に一度、傾斜角度のあるExpert Advisorのように）発生します。この場合も、オプティマイザーは許容できる誤差を選択することになる。
また、私の変種では、ピアソンの相関は、あなたのケースのように直接カウントされず、（各バーで最大許容誤差をふるいにかけて）総誤差がカウントされます。この場合、パターンに対して最も相関のある変種が必ず見つかるので、相関で比較したわけです。

 
Dr.トレーダー

価格の配列が2つあり、それぞれに5つの価格があるとします。
は a1,a2,a3,a4,a5 です。
2つ目は、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っていません。

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。

1.やるんですね。歴史を深く掘り下げるときに、誤差の許容範囲を広げる。

2.ロップサイドエラー計算（各バーでのデルタ値の絶対値の合計） チャートはゼロバーで予備的に合計しておく必要があります。
Abs(a5-b5)+ abs(a4-b4)+abs(a3-b3)+abs(a2-b2)+abs(a1-b2)

お客様のバリエーションに応じた誤差の算出
abs((a5-a4)-(b5-b4))+abs((a4-a3)-(b4-b3)+....
第一元素を変換する
abs((a5-a4)-(b5-b4))= abs((a5-b5)+(b4-a4))-

(a5-b5)+(b4-a4) = delta 5 + ( - delta 4), これはデルタの和、すなわち誤差に似ている。しかし、これはデルタの絶対値の合計ではなく、単なる合計であり、異なる符号を持つデルタの合計なのだ!隣り合うバーの誤差が同じ符号であれば、互いに補正し合う（2次デルタがマイナス符号であるため）。1000ptsと+1000ptsの大きな誤差も、計算式ではゼロになります。そして、2本のバーで+1000ptsの異常値を持つチャートが類似しているとマークされます。次の要素では、これらの異常値のうち1つだけが計算され、結果の誤差はこの変種を破棄することになりますが。
しかし、この誤差計算機能は、類似の変種として、0、+10、+15、+12、+5という差分を持つ系列を見逃す可能性がある。その組み合わせの計算式は、各バーのデルタ値の絶対値の合計（42pt）よりも誤差（25pt）が少なくなります。

3.これは、ポイント2と同じ式で、同じ欠点があります。

 
エリブラリウス

最も簡単な方法は、ウィンドウの幅を一歩ずつずらしながらシーケンス全体を通して、デルタの abs 値の合計を求めることです。

0,0,0 と 1,2,3 の誤差 = (1-0)+(2-0)+(3-0)=6 となります。

0,0,1 および 1,2,3 エラー = (1-0)+(2-0)+(3-1)=5

0,1,2 および 1,2,3 エラー = (1-0)+(2-1)+(3-2)=3

1,2,3 と 1,2,3 の誤差＝（1-1）＋（2-2）＋（3-3）＝0。

2,3,1 と 1,2,3 の誤差 = (2-1)+(3-2)+Abs(1-3) = 4 となります。

ここで、最小の誤差は最大の類似性である。


コンボリューションも同様ですが、加算とモジュールの代わりに1回の乗算で、最大値が選択されるため、より高速になります。

0,0,0 および 1,2,3 エラー = 0*1+0*2+0*3 = 0

 
ジャンニ

コンボリューションも同様ですが、加算とモジュールの代わりに、乗算と最大値が選択され、より高速になります。

0,0,0 と 1,2,3 = 0*1+0*2+0*3 = 0 となります。

かっこいいプロセッサーですね))
私のは、乗算よりも足し算や引き算の方が速いし、ビット64をゼロにするだけでモジュラスが求まるんです。
 
エリブラリウス

3.これは、ポイント2と同じ式で、同じデメリットがあります。


すべて1つの数式ですが、わかりやすくするために3つのステップにしただけです。二乗があるので、符号は問題ないでしょう。

1...430431432433434435436437438439440441442443444...3399
新しいコメント
理由: