Индикатор (i_Sampler.mq5) рассчитывает идеальные входы, предназначен для обучения нейросети. Индикатор имеет два буфера: буфер 0 (зеленая линия на картинке) аналоговый сигнал, рассчитывается как отношение положительного и отрицательного отклонения цены за bars_future баров вперед, нормализованное в диапазон -1, +1; буфер 1 (двухцветная...
В последнее время машинное обучение (МО) становится все более известным в широких кругах. Конечно не обошло оно стороной и тех, кого интересует заработок спекуляциями на международных рынках различных специализаций. Действительно, эта сфера предоставляет огромное количество данных, которые изучаются уже достаточно давно математиками разного...
ここではRの例として、forestをデータで学習させ、モデルをファイルに保存し、予測時にファイルからロードして使用する方法を示します。 r スクリプトはドキュメントに保存し、インジケータは ML-Assistant.set ファイルから読み込む必要があります。そして、そこにあるファイルやフォルダのパスを自分でいじってみてください。
教師クラスを作成 するためのいくつかの指標を取り、その値の一部をNAに置き換えるような、ランダムな教師へのクラス分配は非常に危険です。
たとえ良い予測因子と良い教師クラスがあり、新しいデータでモデルが良い結果を保持していたとしても、クラスの値を微調整しようとすると、モデルが完全に壊れてしまう可能性があります。予測変数の指標とクラスの指標を見つけることで、新しいデータでもモデルが利益を出し続けることができ、大きな成功を収めました。
私は、次のバーの色（つまり、買い/売り）の2つの簡単なクラスを取ることをお勧めします開始します。少なくとも10000の学習例（履歴バー）を取り、モデルを学習させ、次の履歴の10000バー（学習時にモデルにとって未知であったもの）で結果を評価します。新旧のデータでモデルの精度を同じレベルに維持できる予測因子を見つけることができたら、教師の授業の指標を選び始めることができるのです。そして、最初に利用可能な指標を取るだけでは、新しいデータに対してモデルの精度が保てないことが判明するのです。なぜ、ある指標は教師にとって有益で、ある指標はそうでないのか、私にはわかりません。
なぜランダムに？どのような指標でも、同じジグザグであれば、方向転換時に売買の指示が出ます。そして、中級者はすべてNAか「待ち」のクラスに紹介しています。つまり、売買クラスをNAに置き換えない。
私はこのインジケータhttps://www.mql5.com/ru/code/903、TP-SLモードで実験しています。その後、EAの取引部分に入れました。もし誰かがNAの他の面白い指標を知っていたら、リンクを送ってください。
なぜランダムに？どのような指標でも、同じジグザグが方向転換したときに売買の指示を出します。そして、中級者はすべてNAか「待ち」のクラスに紹介しています。つまり、売買クラスをNAに置き換えたりしない。
私は、このインジケータhttps://www.mql5.com/ru/code/903 を TP-SL モードで実験しており、その後、Expert Advisor の取引部分に配置します。NSの他の面白い指標をご存知の方がいらっしゃいましたら、リンクを送ってください。
欠点は、このインジケータの入力と出力がひどく相関する可能性があることで、入力と同じものを出力に送る方が良い、イミフ。でも、ストップが考慮されているところがカッコイイですね。
私は、それを使って、そして使わずに試しましたが、使うともっと悪くなります。）
ソフトマックスをもう少し実験してみました。問題は、学習用サンプルの数が違うことでした。足並みが揃い、トレードが双方向になったとき。
しかし、線形出力を持つNS回帰は、整列していないデータに対しても、やはりロバストな振る舞いをする。なんとなくですが、その方が確実な方法のような気がします。
なぜ、記事にあるトレーニング例は、何もしなくていい瞬間に使われないのでしょうか？なぜなら、適切な瞬間に何もしないことも重要で、通常その瞬間は、トレードが損失につながるときだからです。
NSは一時停止の方法を学ばずに取引を開始し、保証金を失う可能性があります。
しかし、出力インジケータであるiSampler（上図）は、初期状態では3つのクラスを持っています。そして、3つ目のクラス（NA-waiting）を単純に取り除くことはできません。そうしないと、私が説明したような、つまり、トレードする価値のない瞬間にトレードすることになってしまいます。
誰もコメントしていません:Update:記事から理解したつもりですが・・・。ジグザグサインの変化 ではなく、その方向性でNSを学ぶべきだと思うのです。そして、トレーディングモジュールで方向転換を察知し、その瞬間に取引を行う。ZigZag用です。
しかし、出力インジケータであるiSampler（上図）は、初期状態では3つのクラスを持っています。そして、3つ目のクラス（NA-waiting）を単純に取り除くことはできません。そうしないと、私が説明したような、つまり、トレードする価値のない瞬間にトレードすることになってしまいます。
これはもう「純粋な創造性」といって、時間と欲求さえあれば何でもできるんです。さらに言えば、普遍的なアプローチはなく、MOにのみ基本的な推奨事項があり、その上での戦略はないのではないでしょうか。
https://www.mql5.com/ru/blogs/post/712023
ありがとうございます。
ここではRの例として、forestをデータで学習させ、モデルをファイルに保存し、予測時にファイルからロードして使用する方法を示します。
r スクリプトはドキュメントに保存し、インジケータは ML-Assistant.set ファイルから読み込む必要があります。そして、そこにあるファイルやフォルダのパスを自分でいじってみてください。
このコードは、ML-Assistantを使ってRとの通信を整理する方法を示すのにのみ適しています。モデルトレーニングのプロセスは原始的で、FXには適さないでしょう。もっとクロスバリデーションをして、モデルパラメータを選択する必要があり、指標とターゲットも選択しなければなりません。
トップのトピックを見て、思わず5コペイカを買ってしまいました。10.27から今までこの話題で、M15ポンド3週目です......。
実物の絵が全く違うのが残念です。一般的に、TSより上に行くのは難しいということに気づきました。原則として、実アカウントでの結果はテスターよりも少し悪いのですが......。そして、時にはさらに悪いことも......。
データ圧縮と相関のアプローチ：PCA, SVD, オートエンコーダー
https://habrahabr.ru/post/275273/
http://math-info.hse.ru/f/2015-16/ling-mag-quant/lecture-pca.html
https://habrahabr.ru/post/304214/
ディザリングではオートエンコーダーが使われますが、多くの特徴量を使いたいが、どれが情報量が多いか事前にわからない場合など、PCAに置き換えることができます。alglibには、PCAとSVDがあります。もちろん、これらの方法は、最も分散の大きい成分を見つけるので、最も情報量の多いものを選ぶかどうかは定かではないが、少なくとも、相関をうまくとることができる。トップのトピックを見て、思わず5コペイカを買ってしまいました。10.27から今までこの話題で、M15ポンド3週目です......。
実物の絵が全く違うのが残念です。一般的に、TSより上に行くのは難しいということに気づきました。原則的にテスターより実物の方が少し悪いのですが......。そして、時にはさらに悪いことも......。
これは何のことはない、いつもの手直しです、もう100回は議論されています。初歩的なことで、FXでは実用に耐えない。