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 573 1...566567568569570571572573574575576577578579580...3399 新しいコメント Maxim Dmitrievsky 2018.01.15 11:08 #5721 ユーリイ・アサウレンコ つまり、勢いのようなものです。だから、尻尾で打つんです。なぜなら、モデルは外挿できないので、例えば、非クオートでのオシレーターの読み取りを予測する必要があるからです。 Yuriy Asaulenko 2018.01.15 11:08 #5722 ドミトリー・フェドルチェンコ 何でもから何でもの増分を含む、様々な予測因子で6ヶ月間拷問される。そして、さまざまなモデルを使い分けました。そしてRF、SVM、MLP...。シニアタイムにも挑戦し、M1まで下がりました。検証用サンプルで達成できた最大精度は53%、トレーニング用サンプルでは100.0%でした。これでは取引になりません。利益を出すためには、最低でも57%の精度が必要なんです。手が曲がっているのか、それとも何か別のものなのか。より良い結果を得られた方はいらっしゃいますか?ちょっと気になりますね。 まあ、実際、予想的中率50%というのは、トレーディングとしては悪くないと思います。例えば、損益率=2/1。やり方次第でどうにでもなる) Sergey 2018.01.15 11:08 #5723 セルゲイこんにちは。何かアドバイスがあればお願いします。既に用意されているモデル(xgboostを使用してパイソンで作成されたモデル)をメタトレーダーに統合するにはどうすればよいですか?私がググった唯一の選択肢は、pythonでモデルをテキストファイルに保存し、Rを使ってそれをmqlにロードすることです。他に選択肢はないのでしょうか?導入事例はありますか?ありがとうございました。私は、最もシンプルで汎用性の高いソリューションとしてNamed Pipesを 選びました。つまり、mtとpythonスクリプトがクライアント・サーバーとして通信するようになったのです。お互いにリクエスト/レスポンスを送信すること。 Yuriy Asaulenko 2018.01.15 11:13 #5724 マキシム・ドミトリエフスキー ここで重要なのは、回帰問題のために生の引用符を取らないことです。モデルは外挿できないので、例えば、非引用符のオシレーターの読み取りを予測する必要があります。 新しいデータの到着と古いデータの終了が同じウェイトで、しかもラグが-50なので、Momentumでは何も予測できないのです。つまり、何が変わったのか、どのデルタから生まれたのか、尻尾が落ちたのか、鼻が高くなったのか、はっきりしないのです......。 Maxim Dmitrievsky 2018.01.15 11:14 #5725 マキシム・ドミトリエフスキー モデルは外挿することができないので、例えば、非価格帯のオシレーターの読み取りを予測する必要があるためです。+ モデルの妥当性を確認しただけで、そうでなければSanSanychはガラケーと言い続けています。エラーがあることは明らかですが、インクリメントの一般的なタイプは変わりません。そして、これはモデル自体の誤差ではなく、予測変数に基づいて構築されているため、そこにも誤差があるのです。 Yuriy Asaulenko 2018.01.15 11:17 #5726 マキシム・ドミトリエフスキー +は、SanSanychがガラケーと言い続けているので、モデルの妥当性を確認したところエラーがあることは明らかですが、インクリメントの一般的な形は保たれています。そして、それはモデル自体の誤差ではなく、予測変数を使って構築されているため、それ自体の誤差があるのです。まあ、無理もないですね。RFの専門家でない私が言うのもなんですが、引用するだけならNSは素晴らしいのですが、発音させた方が良いのです。ちなみに、何でもよく記憶してくれます。というか、ロシアで何かいじったほうがいいのかもしれない(専門家の意見))。 Maxim Dmitrievsky 2018.01.15 11:30 #5727 ユーリイ・アサウレンコまあ、無理もないですね。RFには詳しくないのですが、NSは引用符を食べるだけで問題なく、前置化が望ましいというだけです。正規化をどうするかは非常に重要です。NSもサンプリングリミットを超えるとおかしくなります。記事のリンクを送りました。RFも本質は同じですが、さらに悪いことに、コスパにかけるだけです。回帰タスクにのみ関係し、分類はあまり関係ない。また、サンプルを何らかの符号で正規化する、例えば最後のノイズを除去する...など、一度に習得するのはとても簡単で早いです。あるいは、正規化・フィルタリング範囲の閾値を意図的に高く設定することもできます。 Yuriy Asaulenko 2018.01.15 11:33 #5728 マキシム・ドミトリエフスキー 正規化をどうするかは非常に重要です。NSもサンプリング境界を超えるとおかしくなります。記事のリンクを送りました。RFでも本質的には同じですが、さらに悪いことに、ただ単に原価になるだけです。回帰タスクにのみ関係し、分類はあまり関係ない。馬鹿にせず、きちんと配給すれば範囲を超えることはない)。ところで、マキシムさんは、本当に市場の安定した予想が 可能だと思いますか? Maxim Dmitrievsky 2018.01.15 11:37 #5729 ユーリイ・アサウレンコバカにしないでちゃんと配給すれば、範囲を超えることはないんですけどね)。ところで、マキシムさんは、市場で安定した予測など、本当に可能だと考えているのでしょうか?ある種の市場においては、ほぼ間違いなく、あるいはある種の市場局面においては、可能であるが、常に可能というわけではなく、少なくとも優れたフィルターが必要である。私が思うに、ある長期的な市場サイクルに合わせるなら...それは先験的に存在するものなのです。しかし、これをどうやって自動で行うかが問題です。 Yuriy Asaulenko 2018.01.15 11:41 #5730 マキシム・ドミトリエフスキー ある種の市場では、ほぼ間違いなくそうでしょう。あるいは、ある種の市場の局面では、そうかもしれませんが、常にそうとは限りません。またフィルターか。そして、そのフィルターを作るのは誰なのか。そして、そのある段階とはどのようなものなのでしょうか。どのように検出するのですか?-アルゴリズムで検出する?ツァーリには関係ないことだ。私はそう信じています。DMに残すことで、それ自体がすべてを明らかにするのです。 1...566567568569570571572573574575576577578579580...3399 新しいコメント 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
つまり、勢いのようなものです。だから、尻尾で打つんです。
なぜなら、モデルは外挿できないので、例えば、非クオートでのオシレーターの読み取りを予測する必要があるからです。
何でもから何でもの増分を含む、様々な予測因子で6ヶ月間拷問される。そして、さまざまなモデルを使い分けました。そしてRF、SVM、MLP...。シニアタイムにも挑戦し、M1まで下がりました。検証用サンプルで達成できた最大精度は53%、トレーニング用サンプルでは100.0%でした。これでは取引になりません。利益を出すためには、最低でも57%の精度が必要なんです。手が曲がっているのか、それとも何か別のものなのか。より良い結果を得られた方はいらっしゃいますか?ちょっと気になりますね。
こんにちは。
何かアドバイスがあればお願いします。既に用意されているモデル(xgboostを使用してパイソンで作成されたモデル)をメタトレーダーに統合するにはどうすればよいですか?
私がググった唯一の選択肢は、pythonでモデルをテキストファイルに保存し、Rを使ってそれをmqlにロードすることです。
他に選択肢はないのでしょうか?導入事例はありますか?
ありがとうございました。
私は、最もシンプルで汎用性の高いソリューションとしてNamed Pipesを 選びました。つまり、mtとpythonスクリプトがクライアント・サーバーとして通信するようになったのです。お互いにリクエスト/レスポンスを送信すること。
ここで重要なのは、回帰問題のために生の引用符を取らないことです。モデルは外挿できないので、例えば、非引用符のオシレーターの読み取りを予測する必要があります。
モデルは外挿することができないので、例えば、非価格帯のオシレーターの読み取りを予測する必要があるためです。
+ モデルの妥当性を確認しただけで、そうでなければSanSanychはガラケーと言い続けています。
エラーがあることは明らかですが、インクリメントの一般的なタイプは変わりません。そして、これはモデル自体の誤差ではなく、予測変数に基づいて構築されているため、そこにも誤差があるのです。
+は、SanSanychがガラケーと言い続けているので、モデルの妥当性を確認したところ
エラーがあることは明らかですが、インクリメントの一般的な形は保たれています。そして、それはモデル自体の誤差ではなく、予測変数を使って構築されているため、それ自体の誤差があるのです。
まあ、無理もないですね。
RFの専門家でない私が言うのもなんですが、引用するだけならNSは素晴らしいのですが、発音させた方が良いのです。ちなみに、何でもよく記憶してくれます。
というか、ロシアで何かいじったほうがいいのかもしれない(専門家の意見))。
まあ、無理もないですね。
RFには詳しくないのですが、NSは引用符を食べるだけで問題なく、前置化が望ましいというだけです。
正規化をどうするかは非常に重要です。NSもサンプリングリミットを超えるとおかしくなります。記事のリンクを送りました。RFも本質は同じですが、さらに悪いことに、コスパにかけるだけです。回帰タスクにのみ関係し、分類はあまり関係ない。
また、サンプルを何らかの符号で正規化する、例えば最後のノイズを除去する...など、一度に習得するのはとても簡単で早いです。あるいは、正規化・フィルタリング範囲の閾値を意図的に高く設定することもできます。
正規化をどうするかは非常に重要です。NSもサンプリング境界を超えるとおかしくなります。記事のリンクを送りました。RFでも本質的には同じですが、さらに悪いことに、ただ単に原価になるだけです。回帰タスクにのみ関係し、分類はあまり関係ない。
馬鹿にせず、きちんと配給すれば範囲を超えることはない)。
ところで、マキシムさんは、本当に市場の安定した予想が 可能だと思いますか?
バカにしないでちゃんと配給すれば、範囲を超えることはないんですけどね)。
ところで、マキシムさんは、市場で安定した予測など、本当に可能だと考えているのでしょうか?
ある種の市場においては、ほぼ間違いなく、あるいはある種の市場局面においては、可能であるが、常に可能というわけではなく、少なくとも優れたフィルターが必要である。
私が思うに、ある長期的な市場サイクルに合わせるなら...それは先験的に存在するものなのです。しかし、これをどうやって自動で行うかが問題です。
ある種の市場では、ほぼ間違いなくそうでしょう。あるいは、ある種の市場の局面では、そうかもしれませんが、常にそうとは限りません。
またフィルターか。そして、そのフィルターを作るのは誰なのか。そして、そのある段階とはどのようなものなのでしょうか。どのように検出するのですか?-アルゴリズムで検出する?ツァーリには関係ないことだ。
私はそう信じています。DMに残すことで、それ自体がすべてを明らかにするのです。