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 647 1...640641642643644645646647648649650651652653654...3399 新しいコメント Konstantin Nikitin 2018.02.05 15:50 #6461 マキシム・ドミトリエフスキー NSのゴールまであと3週間です。賭けてみてください :)) 最初は当選確率が聞けるといいですね。誰もここで命令を受けるだけではない;) Dr. Trader 2018.02.07 14:06 #6462 私はある滑らかな関数の最小 値を緊急に求める必要があったので、まず異なるパッケージを比較して、どれがより速いかを調べることにしました。テストでは、Rastrigin関数(ある教授によると、最適化が最も難しい関数)を使いました。 Rastrigin <- function(x){ return(sum(x^2 - 10 * cos(2 * pi * x)) + 10 * length(x)) } テストでは、4つのパラメータで撮影してみました。 ~ w^2 - 10 * cos(2 * pi * w) + x^2 - 10 * cos(2 * pi * x) + y^2 - 10 * cos(2 * pi * y) + z^2 - 10 * cos(2 * pi * z) + 10 * 4 デリバティブ 2 * w + 10 * (sin(2 * pi * w) * 2 * pi 2 * x + 10 * (sin(2 * pi * x) * 2 * pi 2 * y + 10 * (sin(2 * pi * y) * 2 * pi 2 * z + 10 * (sin(2 * pi * z) * 2 * pi GenSA、lbfgs、lbfgsb3、n1qn1、標準のoptim()関数の各種メソッドを比較しました。 結果 パッケージ、フィットネス(および勾配)関数の呼び出し回数、見つかったパラメータ、および探索を停止した最終結果です。 n1qn1 fitness function calls: 448 ; parameters = 3.90227 e-18 3.90227 e-18 3.90227 e-18 3.90227 e-18 ; result = 0 lbfgs fitness function calls: 14 ; parameters = -1.891749 e-10 -1.891749 e-10 -1.891749 e-10 -1.891749 e-10 ; result = 0 lbfgsb3 fitness function calls: 12 ; parameters = -7.542216 e-15 -7.542216 e-15 -7.542216 e-15 -7.542216 e-15 ; result = 0 GenSA fitness function calls: 66582 ; parameters = 1.517382 e-11 -5.657816 e-12 -2.292922 e-11 -3.257902 e-12 ; result = 0 optim Nelder-Mead fitness function calls: 253 ; parameters = -2.981633 3.988813 0.9902444 -2.980489 ; result = 34.8497 optim BFGS fitness function calls: 49 ; parameters = 8.731115 e-16 8.731115 e-16 8.731166 e-16 8.731157 e-16 ; result = 0 optim CG fitness function calls: 918 ; parameters = 0.9949586 0.9949586 0.9949586 0.9949586 ; result = 3.979836 optim L-BFGS-B fitness function calls: 81 ; parameters = 8.526118 e-13 8.526118 e-13 8.526118 e-13 8.526118 e-13 ; result = 0 optim SANN fitness function calls: 10000 ; parameters = 750.3075 745.0596 743.626 753.8133 ; result = 2239327 最初の3つの関数(n1qn1, lbfgs, lbfgsb3)は、解析的に求めた勾配を用いるものである。 結果=0が理想的で、0から離れるほど悪い。 lbfgsb3は12回のフィットネス関数の呼び出しで完璧な結果に到達しています。 勾配を数値的に定義するものの中で最も優れていたのは、BFGS法による標準関数Optimで、フィットネス関数の呼び出し数は49回であった。 結論から言うと、デリバティブは非常に優秀です。理想的には、例えばすべてのウェイトの微分を求め、それをバックプロップスの代わりにlbfgsb3に入れることができればいいのです。 しかし、このテスト結果はすべて、すべてのパラメータに対する導関数が見つけられる滑らかな関数にのみ適用されます。もし、関数のパラメータがわずかな変化でもランダムに結果が変わるようなものであれば、遺伝学やGenSAなどの確率的アルゴリズムの方が優れていると思います。 コード付きのファイルを添付しますので、あなたの関数でテストしてください。 ファイル: n1qn1.txt 4 kb Maxim Dmitrievsky 2018.02.07 15:52 #6463 このようなシリーズは、いくつかの有馬によって予測することができるのだろうか、または平均に戻る作業で十分です...何とか印象的に安定した結果(コアイデグレーション図)、2スプレッドにわたって作業リターンを達成することができます。 Dr. Trader 2018.02.07 16:07 #6464 平均値への戻りは、スイングで取引することも可能です。しかし、平均値がトレンドとともに移動する場合、どのように平均値の位置を決定すればよいのでしょうか。(この質問は修辞的なもので、あなたはできない)。 Maxim Dmitrievsky 2018.02.07 16:08 #6465 Dr.トレーダー平均値への戻りは、スイングで取引することも可能です。しかし、平均値がトレンドとともに移動する場合、どのように平均値の位置を決定すればよいのでしょうか。(この質問は修辞的なもので、あなたはできない)。ここの平均は0、中立的な戦略です。 ブラックボックス化したものを理解することは不可能である。 要するに、ほとんど計画3(最初の結果はすでに書かれていない、vkatilo)の2nd戦略を終えた これがうまくいかなければ、最後の1つが残されます ) そして、これがMOの終焉となる СанСаныч Фоменко 2018.02.07 16:22 #6466 マキシム・ドミトリエフスキー: このようなシリーズは、いくつかの有馬によって予測することができるのだろうか、それは平均に戻るために働くのに十分です...何とか印象的に安定した結果(共和分図)を達成するために、2以上のスプレッドに戻って動作します。コインテグレーションは用語であり、あなたの写真とは何の関係もない。 arimの適用性はいくつかのテストによって決定されるが、主なものはarchで、時系列に arch効果があるかどうかを判断する。アーチ効果がない場合は、20%程度ですが、貿易、、、。このセクションはすでに通過しているか、ほぼ通過しているか、あるいは......です。 Maxim Dmitrievsky 2018.02.07 16:24 #6467 サンサニッチ・フォメンコCo-integrationは用語であり、あなたの写真とは何の関係もありません。 算術演算の適用性はいくつかのテストによって決定されるが、主なものは時系列にアーチ効果があるかどうかを判定するアーチである。アーチ効果がない場合は、20%程度ですが、貿易、、、。歴史上、このセクションはすでに通過しているか、ほとんど通過しているか、あるいは......。3度目の正直となる今回は、「共和分」の定義についてです。:) これはテストサイトの写真で、履歴はまったく見ていません。 とか、MOのストラテジー開発とか、Rの関数の解析とか、数ヶ月の間、わざわざ結果を投稿したのは私一人だと思うのですが...... :) Dr. Trader 2018.02.07 16:34 #6468 マキシム・ドミトリエフスキー: ここの平均は0、マーケットニュートラル戦略です。 緑色のチャートそのものを取引させるのか?そうすると、なるほど、最初はユーラスド取引用のインジケーターかと思いました。 まず、ランダムなプロセスなのか、それとも通常の時系列の ように記憶を持っているのかを把握する必要があります。メモリがあれば、マシュカやアリマが使えるかもしれません。 しかし、グラフが完全にランダムであるならば、マルコフ過程のモデルが必要になる。私は苦手なのですが、AlexanderがWienerモデルについて何か言っていましたので、例えばそこから始めてみてはいかがでしょうか。 СанСаныч Фоменко 2018.02.07 16:36 #6469 マキシム・ドミトリエフスキー: 3回目は、「共和分」の定義についてです。:)これはテストプロットの写真ですが、私は歴史を全く見ていません。共和分には少なくとも2つの時系列が 存在する。 しかし、それらはすべてではありません。 これらの系列は定常的なものではありません。 しかし、これだけではありません。 これらの非定常系列は、結果が定常となるように接続する必要があります。 トレードの判断はこのSTATIONARYシリーズに基づいて行われ、まさに予測の可能性を保証しているのです。 Maxim Dmitrievsky 2018.02.07 16:36 #6470 Dr.トレーダー 緑色のチャートそのものを取引したいのか?そうすると、なるほど、最初はユーラスド取引用のインジケーターかと思いました。 まず、ランダムなプロセスなのか、通常の時系列のようにメモリを持っているのかを把握する必要があります。メモリがあれば、マッシュもアリマも便利なんですけどね。 しかし、グラフが完全にランダムであるならば、マルコフ過程のモデルが必要になる。私は苦手なのですが、アレクサンダーはウィーナーモデルについて何か言っていました。では、メモリを持っているかどうか、つまりテールによって決まるのですか? 1...640641642643644645646647648649650651652653654...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
マキシム・ドミトリエフスキー
NSのゴールまであと3週間です。賭けてみてください :))
最初は当選確率が聞けるといいですね。誰もここで命令を受けるだけではない;)
私はある滑らかな関数の最小 値を緊急に求める必要があったので、まず異なるパッケージを比較して、どれがより速いかを調べることにしました。テストでは、Rastrigin関数(ある教授によると、最適化が最も難しい関数)を使いました。
テストでは、4つのパラメータで撮影してみました。
デリバティブ
GenSA、lbfgs、lbfgsb3、n1qn1、標準のoptim()関数の各種メソッドを比較しました。
結果
パッケージ、フィットネス(および勾配)関数の呼び出し回数、見つかったパラメータ、および探索を停止した最終結果です。
最初の3つの関数(n1qn1, lbfgs, lbfgsb3)は、解析的に求めた勾配を用いるものである。
結果=0が理想的で、0から離れるほど悪い。
lbfgsb3は12回のフィットネス関数の呼び出しで完璧な結果に到達しています。
勾配を数値的に定義するものの中で最も優れていたのは、BFGS法による標準関数Optimで、フィットネス関数の呼び出し数は49回であった。
結論から言うと、デリバティブは非常に優秀です。理想的には、例えばすべてのウェイトの微分を求め、それをバックプロップスの代わりにlbfgsb3に入れることができればいいのです。
しかし、このテスト結果はすべて、すべてのパラメータに対する導関数が見つけられる滑らかな関数にのみ適用されます。もし、関数のパラメータがわずかな変化でもランダムに結果が変わるようなものであれば、遺伝学やGenSAなどの確率的アルゴリズムの方が優れていると思います。
コード付きのファイルを添付しますので、あなたの関数でテストしてください。
このようなシリーズは、いくつかの有馬によって予測することができるのだろうか、または平均に戻る作業で十分です...何とか印象的に安定した結果(コアイデグレーション図)、2スプレッドにわたって作業リターンを達成することができます。
平均値への戻りは、スイングで取引することも可能です。しかし、平均値がトレンドとともに移動する場合、どのように平均値の位置を決定すればよいのでしょうか。(この質問は修辞的なもので、あなたはできない)。
平均値への戻りは、スイングで取引することも可能です。しかし、平均値がトレンドとともに移動する場合、どのように平均値の位置を決定すればよいのでしょうか。(この質問は修辞的なもので、あなたはできない)。
ここの平均は0、中立的な戦略です。
ブラックボックス化したものを理解することは不可能である。
要するに、ほとんど計画3(最初の結果はすでに書かれていない、vkatilo)の2nd戦略を終えた
これがうまくいかなければ、最後の1つが残されます )
そして、これがMOの終焉となる
このようなシリーズは、いくつかの有馬によって予測することができるのだろうか、それは平均に戻るために働くのに十分です...何とか印象的に安定した結果(共和分図)を達成するために、2以上のスプレッドに戻って動作します。
コインテグレーションは用語であり、あなたの写真とは何の関係もない。
arimの適用性はいくつかのテストによって決定されるが、主なものはarchで、時系列に arch効果があるかどうかを判断する。アーチ効果がない場合は、20%程度ですが、貿易、、、。このセクションはすでに通過しているか、ほぼ通過しているか、あるいは......です。
Co-integrationは用語であり、あなたの写真とは何の関係もありません。
算術演算の適用性はいくつかのテストによって決定されるが、主なものは時系列にアーチ効果があるかどうかを判定するアーチである。アーチ効果がない場合は、20%程度ですが、貿易、、、。歴史上、このセクションはすでに通過しているか、ほとんど通過しているか、あるいは......。
3度目の正直となる今回は、「共和分」の定義についてです。:)
これはテストサイトの写真で、履歴はまったく見ていません。
とか、MOのストラテジー開発とか、Rの関数の解析とか、数ヶ月の間、わざわざ結果を投稿したのは私一人だと思うのですが...... :)
ここの平均は0、マーケットニュートラル戦略です。
緑色のチャートそのものを取引させるのか?そうすると、なるほど、最初はユーラスド取引用のインジケーターかと思いました。
まず、ランダムなプロセスなのか、それとも通常の時系列の ように記憶を持っているのかを把握する必要があります。
メモリがあれば、マシュカやアリマが使えるかもしれません。
しかし、グラフが完全にランダムであるならば、マルコフ過程のモデルが必要になる。私は苦手なのですが、AlexanderがWienerモデルについて何か言っていましたので、例えばそこから始めてみてはいかがでしょうか。
3回目は、「共和分」の定義についてです。:)
これはテストプロットの写真ですが、私は歴史を全く見ていません。
共和分には少なくとも2つの時系列が 存在する。
しかし、それらはすべてではありません。
これらの系列は定常的なものではありません。
しかし、これだけではありません。
これらの非定常系列は、結果が定常となるように接続する必要があります。
トレードの判断はこのSTATIONARYシリーズに基づいて行われ、まさに予測の可能性を保証しているのです。
緑色のチャートそのものを取引したいのか?そうすると、なるほど、最初はユーラスド取引用のインジケーターかと思いました。
まず、ランダムなプロセスなのか、通常の時系列のようにメモリを持っているのかを把握する必要があります。
メモリがあれば、マッシュもアリマも便利なんですけどね。
しかし、グラフが完全にランダムであるならば、マルコフ過程のモデルが必要になる。私は苦手なのですが、アレクサンダーはウィーナーモデルについて何か言っていました。
では、メモリを持っているかどうか、つまりテールによって決まるのですか?