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 520 1...513514515516517518519520521522523524525526527...3399 新しいコメント Valerkatol 2017.11.09 14:40 #5191 理論家の問題は、現実には存在しない理論を描くことです。しかし、現実はある種の理論に似ていることがあります。あとは、どれだけ似ているか？正直言って、トレーダーはテスターのようなものです。彼はブローカーとの預金で戦略や理論をテストする（最も大胆不敵なものは、任意の理論を使用せずに行うだけ:)） ...しかし、臆病な者（私のような）は・・・。そして、すべてを無限にチェックすることもそうです :) こう言いましょう......トレーディング理論に没頭すること！ そして、実際にどう動くのか？何が影響を及ぼしているのかを正確に把握する必要があるのではないでしょうか？例えば、暗号通貨の上昇、オイルバレルの下落、円の急激な変動、などなど。正直なところ......わかりません。前作の経験値を見ていると...。...彼らがデータを取得するために使用していたリソースが消えてしまい...だから、ファンダメンタル分析は、スピードと恐れを知らないトレーダーのためのものだ。 さて、現実に目を向けると......。しかたがないは、歴史の中でトレンドとその再現性を捉えることです。私たちは、ただぶっきらぼうに ...1.あるタイミングで同じものをキャッチする（ダウントレンド、アップトレンド、スイング、ストップ、ブレイクアウト）。2.トレンドに寄与するパラメータ（抵抗線、支持線）を試す。3.重要な、あるいは既知の出来事に対する価格反応。それだけです。 他に何がシグナルを出すのかわかりません。 チャート上の価格を描くためのパラメータを使うことができます...それはタンバリンで踊るシャーマン・トレーダーのように見えますね。もちろん、信頼できる情報源から情報を得ることができればいいのですが、最近は信頼性がどんどん低くなっています。 だから、私たちはただ愚直に...私たちが持っているものをコピーします :) どうすればいいのでしょう？そうですか．...少しコピーパラメータを定義する それは何でしょう？それは何でしょうか？ Maxim Dmitrievsky 2017.11.09 15:57 #5192 ユーリイ・アサウレンコどういうことなんだろう？すべてがツールのすべてと相関しているのです。そして、これはすべてが同じ時系列、同じデータからの変換によって得られるものであるため、必然的なことなのです。ちなみに、PCAでは多重共線性の除去や入力の次元の減少を試みることができ、また特異分解NSを歴史の一部に当てはめるのは全く問題ない、今問題なのはアダプティブモードと自己学習だ。まだうまく取材した記事などが見つかっていない......自分なりのちょっとした展開があるのだが、今のところあまりうまくいっていない。このため、RFと適応システムに関する記事は、できるだけ適応性のテーマを取り上げたいと思い、当分停滞することになりましたつまり、NSをいつ再トレーニングするかという問題と、市場が変化したときに予測が機能しなくなるという再トレーニング自体の問題を解決する必要があるのです。 Yuriy Asaulenko 2017.11.09 16:15 #5193 マキシム・ドミトリエフスキーところで、PCAによって多重共線性の除去や入力の次元の減少を試みることができる、あるいは特異分解NSを少し歴史に適応させるのは問題ない、今の適応モードやセルフトレーニングが問題なのだ。まだうまく取材した記事などが見つかっていないので......自分なりのちょっとした展開があるのですが、今のところあまりうまくいっていません。このため、RFと適応システムに関する記事は、できるだけ適応性のテーマを取り上げたいと思い、今のところ停滞しているのです1週間前のモデルでこの結果です。x - 取引番号、y - pの総利益。固定ロットでの取引。驚いたと言わざるを得ません。1週間ほど前から本格的なシステムをつないでいます。 Maxim Dmitrievsky 2017.11.09 16:24 #5194 ユーリイ・アサウレンコ1週間前のモデルでこの結果を得ました。x - 取引番号、y - p.の総利益。驚いたと言わざるを得ません。1週間前から本格的なシステムをリベンジしています。リアルスプレッドとコミセン使うのがいいんだけど、結果を見てからにしたい...。+ ショートトレードでスリッページを使ってみる。と進む) Yuriy Asaulenko 2017.11.09 16:30 #5195 マキシム・ドミトリエフスキー を、"萌え "と揶揄されることもある。+ トレードが短い場合、＋スリッページモデルはこれらをすべて考慮しているようです。成功したかどうかにかかわらず、1回の取引で30ペソの損失が発生していると言われています。(これらは先物)-彼らにとっては大変なことです。デバッグ中に使用されていないデータでのテスト 先物でのデバッグ -6.17 -後の先物でのテスト -9.17. 可能であれば、すべてが考慮されている）。ただし、もちろんニュアンスはあるでしょう。例によって、）実物は多少悪くなるのだろう。今、私は取引開始の瞬間を迎えています。私は鍛えていますよ。ネットで取引で十数回エントリーを見ています。正しく入力されているようです。 Forester 2017.11.10 09:03 #5196 SOFTMAX版NSのALGLIBに異常があります。すべての回答が最初の出力に偏っている（私の場合はBUYです）。 同じNSのデータでも、3出力での回帰（線形活性化あり）の方が信頼性の高い結果が得られます。バイセル NA 0.10302356, 0.01091621,0.88606040 0.09705416, 0.01083526, 0.89211080 0.08283979, 0.12548789,0.791672471.02522414,-0.00119697,-0.02403573 0.09498582, 0.01529507,0.889719171.01878489,-0.00111341,-0.01767998 0.07906346, 0.05960769,0.86132762 0.00201949, 0.00497863,0.99300189を0.5以上にすると、もっともらしい答えが得られるでしょう。ちなみにレスも、1回目の出力に偏っている。 Machine learning in trading: Grigoriy Chaunin 2017.11.10 09:10 #5197 出力ニューロンの活性化とは？マイナスの値が見える。そんなことはないはずです。出力ニューロンにはソフトマックス活性化を使用する必要があります。その値は0-1の範囲である。 Forester 2017.11.10 09:15 #5198 グリゴーリイ チャーニン出力ニューロンの活性化とは？マイナスの値が見える。そんなことはないはずです。出力ニューロンにはソフトマックス活性化を使用する必要があります。その値は0-1の範囲である。上の例は、線形出力による回帰のものです（作業用バリアントとして）。トレーニング中は、0から1へフィードしています。ソフトマックスの場合は、明らかに1か、それより数百分の1小さいが、すべて1番目の出力で、他の2つの出力は常に=0であった。つまり、ALGLIBのsoftmaxがおかしいのです...。 Grigoriy Chaunin 2017.11.10 09:28 #5199 ニューロンの活性化関数について読む。出力に好きな値を与えることができますが、活性化関数を間違えると負の値が出力されます。これは通常、双曲線上の接線である。これではソフトマックス損失関数が正しく動作しません。ライブラリや損失関数の実装に大きく依存しますが。例えば、Tensorflowの損失関数softmaxの出力ニューロンには、活性化関数を持たせてはいけません。また、学習した ネットワークを正しく使用するために、ソフトマックスの活性化を追加する必要があります。ALGLIBとは一緒に仕事をしたことがないので、もしかしたら何か間違った ことをしたのかもしれません。いずれにせよ、ソフトマックスを使った学習済みネットワークが負の値を与えることはないはずだ。 Dr. Trader 2017.11.10 09:30 #5200 これは、あるクラスが他のクラスに比べて非常に多くの学習例を持つ場合である。例えば、「買い」の学習例は2000個、「売り」の学習例は1000個だけです。ニューロンは常に「買い」を返すことができ、この場合、66％の確率で正解となる。各クラスの学習例数を等しくするのが良い。 1...513514515516517518519520521522523524525526527...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
理論家の問題は、現実には存在しない理論を描くことです。しかし、現実はある種の理論に似ていることがあります。あとは、どれだけ似ているか？正直言って、トレーダーはテスターのようなものです。彼はブローカーとの預金で戦略や理論をテストする（最も大胆不敵なものは、任意の理論を使用せずに行うだけ:)） ...しかし、臆病な者（私のような）は・・・。そして、すべてを無限にチェックすることもそうです :) こう言いましょう......トレーディング理論に没頭すること！ そして、実際にどう動くのか？何が影響を及ぼしているのかを正確に把握する必要があるのではないでしょうか？例えば、暗号通貨の上昇、オイルバレルの下落、円の急激な変動、などなど。正直なところ......わかりません。前作の経験値を見ていると...。...彼らがデータを取得するために使用していたリソースが消えてしまい...だから、ファンダメンタル分析は、スピードと恐れを知らないトレーダーのためのものだ。 さて、現実に目を向けると......。しかたがないは、歴史の中でトレンドとその再現性を捉えることです。私たちは、ただぶっきらぼうに ...
1.あるタイミングで同じものをキャッチする（ダウントレンド、アップトレンド、スイング、ストップ、ブレイクアウト）。
2.トレンドに寄与するパラメータ（抵抗線、支持線）を試す。
3.重要な、あるいは既知の出来事に対する価格反応。
それだけです。 他に何がシグナルを出すのかわかりません。 チャート上の価格を描くためのパラメータを使うことができます...それはタンバリンで踊るシャーマン・トレーダーのように見えますね。もちろん、信頼できる情報源から情報を得ることができればいいのですが、最近は信頼性がどんどん低くなっています。 だから、私たちはただ愚直に...私たちが持っているものをコピーします :) どうすればいいのでしょう？そうですか．...少しコピーパラメータを定義する それは何でしょう？それは何でしょうか？
どういうことなんだろう？
すべてがツールのすべてと相関しているのです。そして、これはすべてが同じ時系列、同じデータからの変換によって得られるものであるため、必然的なことなのです。
ちなみに、PCAでは多重共線性の除去や入力の次元の減少を試みることができ、また特異分解
NSを歴史の一部に当てはめるのは全く問題ない、今問題なのはアダプティブモードと自己学習だ。まだうまく取材した記事などが見つかっていない......自分なりのちょっとした展開があるのだが、今のところあまりうまくいっていない。このため、RFと適応システムに関する記事は、できるだけ適応性のテーマを取り上げたいと思い、当分停滞することになりました
つまり、NSをいつ再トレーニングするかという問題と、市場が変化したときに予測が機能しなくなるという再トレーニング自体の問題を解決する必要があるのです。
ところで、PCAによって多重共線性の除去や入力の次元の減少を試みることができる、あるいは特異分解
NSを少し歴史に適応させるのは問題ない、今の適応モードやセルフトレーニングが問題なのだ。まだうまく取材した記事などが見つかっていないので......自分なりのちょっとした展開があるのですが、今のところあまりうまくいっていません。このため、RFと適応システムに関する記事は、できるだけ適応性のテーマを取り上げたいと思い、今のところ停滞しているのです
1週間前のモデルでこの結果です。
x - 取引番号、y - pの総利益。固定ロットでの取引。
驚いたと言わざるを得ません。1週間ほど前から本格的なシステムをつないでいます。
1週間前のモデルでこの結果を得ました。
x - 取引番号、y - p.の総利益。
驚いたと言わざるを得ません。1週間前から本格的なシステムをリベンジしています。
リアルスプレッドとコミセン使うのがいいんだけど、結果を見てからにしたい...。+ ショートトレードでスリッページを使ってみる。
と進む)
を、"萌え "と揶揄されることもある。+ トレードが短い場合、＋スリッページ
モデルはこれらをすべて考慮しているようです。成功したかどうかにかかわらず、1回の取引で30ペソの損失が発生していると言われています。(これらは先物)-彼らにとっては大変なことです。デバッグ中に使用されていないデータでのテスト 先物でのデバッグ -6.17 -後の先物でのテスト -9.17. 可能であれば、すべてが考慮されている）。
ただし、もちろんニュアンスはあるでしょう。例によって、）実物は多少悪くなるのだろう。
今、私は取引開始の瞬間を迎えています。私は鍛えていますよ。ネットで取引で十数回エントリーを見ています。正しく入力されているようです。
SOFTMAX版NSのALGLIBに異常があります。すべての回答が最初の出力に偏っている（私の場合はBUYです）。
同じNSのデータでも、3出力での回帰（線形活性化あり）の方が信頼性の高い結果が得られます。
バイセル NA
0.10302356, 0.01091621,0.88606040
0.09705416, 0.01083526, 0.89211080
0.08283979, 0.12548789,0.79167247
1.02522414,-0.00119697,-0.02403573
0.09498582, 0.01529507,0.88971917
1.01878489,-0.00111341,-0.01767998
0.07906346, 0.05960769,0.86132762
0.00201949, 0.00497863,0.99300189
を0.5以上にすると、もっともらしい答えが得られるでしょう。
ちなみにレスも、1回目の出力に偏っている。
出力ニューロンの活性化とは？マイナスの値が見える。そんなことはないはずです。出力ニューロンにはソフトマックス活性化を使用する必要があります。その値は0-1の範囲である。
出力ニューロンの活性化とは？マイナスの値が見える。そんなことはないはずです。出力ニューロンにはソフトマックス活性化を使用する必要があります。その値は0-1の範囲である。
上の例は、線形出力による回帰のものです（作業用バリアントとして）。トレーニング中は、0から1へフィードしています。
ソフトマックスの場合は、明らかに1か、それより数百分の1小さいが、すべて1番目の出力で、他の2つの出力は常に=0であった。つまり、ALGLIBのsoftmaxがおかしいのです...。
ニューロンの活性化関数について読む。出力に好きな値を与えることができますが、活性化関数を間違えると負の値が出力されます。これは通常、双曲線上の接線である。これではソフトマックス損失関数が正しく動作しません。ライブラリや損失関数の実装に大きく依存しますが。例えば、Tensorflowの損失関数softmaxの出力ニューロンには、活性化関数を持たせてはいけません。また、学習した ネットワークを正しく使用するために、ソフトマックスの活性化を追加する必要があります。ALGLIBとは一緒に仕事をしたことがないので、もしかしたら何か間違った ことをしたのかもしれません。いずれにせよ、ソフトマックスを使った学習済みネットワークが負の値を与えることはないはずだ。
これは、あるクラスが他のクラスに比べて非常に多くの学習例を持つ場合である。例えば、「買い」の学習例は2000個、「売り」の学習例は1000個だけです。ニューロンは常に「買い」を返すことができ、この場合、66％の確率で正解となる。各クラスの学習例数を等しくするのが良い。