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 695 1...688689690691692693694695696697698699700701702...3399 新しいコメント Forester 2018.02.19 08:22 #6941 エリブラリウス回帰を考えていたのですが...。 金融市場の回帰は、滑らかな関数ではなく、1pt刻みのステップ関数である。(先生にも予想にも)。例えば、動きを±100ptに制限すると、200クラスに分類されるのと同じようなものです。つまり、最も可能性の高いクラス、例えば+22ptの予測値が出力されるのである。 良い結果を得るためには、回帰のためのモデルの構造/複雑さ(ニューロン数)を200倍大きくする必要があるということではないのでしょうか?まあ5ptにステップを増やせば、40回は精度が落ちる代償として、もう少し経済的になるのでしょうけど。 このテーマに関するアイデアはないのか? Maxim Dmitrievsky 2018.02.19 08:30 #6942 エリブラリウス このテーマについて、何かアイデアはありますか?価格での回帰はできない。増分で回帰すれば、バリエーションは少なくなる。 線形回帰では、特性ごとに1つの係数が必要です。) Forester 2018.02.19 08:42 #6943 マキシム・ドミトリエフスキー価格での回帰はできない。増分で回帰すれば、バリエーションは少なくなる。 ニューロンを増やす必要はありません。実際、回帰には多くのニューロンは必要ありません。線形回帰では、1つの特性につき1つの係数が必要です :)価格ではなく、±100ptという意味です。 まあ、200クラスとの類比は直接的ですが...。順次進み、ステップ関数から滑らかな関数にすることは可能ですが Maxim Dmitrievsky 2018.02.19 08:45 #6944 エリブラリウスその増分が±100ptの意味である。 まあ、200クラスとの類比は直接的ですが...。まあ、クラスも複数の出力値を持っているので、単純にシグモイドで割っているだけなのですが Dr. Trader 2018.02.19 08:58 #6945 エリブラリウス このテーマに関するアイデアはないのか?200のクラスに分類するには、出力に200のニューロンが必要で、それに対応する多くのニューロンが内層に存在し、すべてを何とか機能させる必要があります。 そして、回帰には1つの出力ニューロンがあればよく、どのような値を出力するかは、Pronosis、「+22p、プラスマイナス誤差」です。そして、隠れニューロンはもっと少ないでしょう。 先生は、記号のような数字記号で、バラバラになります。しかし、予後は16桁の規則的な非連続の2倍数なので、推定関数(例えば平均2乗誤差)も連続になる。 Dr. Trader 2018.02.19 09:13 #6946 サンサニッチ・フォメンコ8つの機械学習モデルの研究についての興味深い記事残念なのは、記事の著者が原油価格の代わりに人工価格を例として取り上げたことだ。この結果は理想的な条件で得られたものであり、実際の取引に適用できるかどうかは不明である。 Mykola Demko 2018.02.19 10:20 #6947 ミハイル・マルキュカイツ今日は聖杯の日ですが、手に取るようにその姿と手間を知ることができます!!!! という言葉もありますが、今日は自分にとっての聖杯を見つけました。繰り返しテストしていますが、結果は素晴らしいものです。実際に発見につながったトレーダー博士の サポートに特別な感謝を捧げます。この言葉には、恐れ入りました......。Rの助けを借りて、重要な予測変数のセットを効率的に見つけることができました。ターゲットが同じ数のクラスを持っているとすると、それを少し弄る(1つ追加または削除)ことによって、重要な予測変数のセットを1列、2列と拡張することができるのです。一度試しましたが、普通に入れるだけでした。そして、学習結果が最大になるようなモデルを絞り込み、選択するようにします。 もちろん、多項式の大きなサイズではありませんが、理論的にはトレーニング間隔の50%、つまり1週間で動作します、そしてそれは私のために十分です!!!!!!!!!!!!!!!!!。しかし、ここからが本題です...。そして私は今、ここで信頼できる安定したパターンを求めている人たちに向けて発信しているのです。例を挙げて説明するのが簡単......。 1000行111列のデータテーブルを保存し、110の予測因子などを出力します。しかし、私はテーブル全体ではなく、40レコードの小さな新鮮なセクションを取ります(これは約2週間のTS作業です)その結果、私は40×110サイズとターゲットのトレーニングセットを持ちます。実際、私はこの日、まさにこの間隔でマーケットスライスを取っています。このスライスは静止しています。そして、 出力に対する重要な入力変数を選択し、他の市場参加者よりも優位に立てるよう、必要なアルファ値を持つ3~5列の列 を得ることができます。 そして今、最も重要なことは...。この議論は何だったんだろう。学習用のデータテーブルに1行追加した途端に、列のセットが大きく変わってしまう、つまりαが別の列のセットに移動してしまうのです。すぐには無理かもしれませんが、複数行を追加した後に。I.e.シグナルズTS!!!!αはまさに、対象機能に対して最小かつ十分な、最も純粋な形のパターンである。しかし、この模様は目立たない、つまり肉眼で見ることは非常に難しいのです。このとき、AIが関与して仕事をするのです。 そして今、アルファは、5つ以上の入力に含まれることがほとんどない場合、アンロードするすべてのデータフィールド、そして合計110の入力フィールドにバウンスすることができるか想像してみてください。つまり、新しいスライスごとに、まったく異なる予測変数のセットを得ることができるのです。しかも、それをどうやって追いかけるかというと、1年という距離でも!!!何週間もいたら、ほとんどまともに捕まえられない......。しかし、あなたは絶対に正しい聖杯が存在するが、誰もが自分自身を持っており、それを維持するために、あなたは多くの努力をする必要があります....... そしてまたデモ口座 の理論派に言及すると、こうなるわけです......。 私はその理論で仕事をし、それを使ってテストをしたことがあります。テストは良好な結果を示した。ロボットが搭載されたUPUでモデルを学習させる。今週の私のシグナルを見れば、私の想定がどの程度のものなのかすぐに分かるはずです。棒グラフをクラスタリングし(確実に比較するため)、任意の要素の繰り返しの統計データを作成し、最も一般的なものから始めることができるのです。そして、他の要素(統計の2番目の方が良いですが、それでも全てをチェックする必要があります)と対になって繰り返しの統計を取り、最大の統計を選択し、2番目の点をグラフ上に置く、というようにします。グラフが変曲した時点で、この単語にはこの長さが最適であることがわかります。そして、こうしてすべての文字をチェックするのです。 単語のセットを取得し、そのうちのすでに一緒に文章を置くことになり、ここですでにTCの単語に適用することができますが、最初にこの対処とTCと、最終的にavtoencodersもありますが、お互いに近いためにコーディング単語を割り当てる必要があります。つまり、この段階では想像の自由があるのです。 Maxim Dmitrievsky 2018.02.19 12:21 #6948 インクリメントのインジケータを確認できる方はいらっしゃいますか? なぜか低いTFでレンダリングに穴があいてしまい、そればかりか巻き戻すと・・・インジケータのウィンドウが真っ白になってしまいます。それとも、端末を再インストールする時期なのでしょうか? ファイル: loglog.mq5 5 kb Forester 2018.02.19 12:59 #6949 こっちの方が正しい double pr2 = (pr!=0?log(pr):0); СанСаныч Фоменко 2018.02.19 13:01 #6950 Dr.トレーダー記事の著者が、たとえば原油価格の代わりに人工価格を取り上げたのは残念なことである。この結果は理想的な条件下でのものであり、実際の取引に適用できるかどうかは不明である。価格の理論的な多様性をカバーし、この多様性を明示するためにわざわざ作られました。 1...688689690691692693694695696697698699700701702...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
回帰を考えていたのですが...。
金融市場の回帰は、滑らかな関数ではなく、1pt刻みのステップ関数である。(先生にも予想にも)。例えば、動きを±100ptに制限すると、200クラスに分類されるのと同じようなものです。つまり、最も可能性の高いクラス、例えば+22ptの予測値が出力されるのである。
良い結果を得るためには、回帰のためのモデルの構造/複雑さ(ニューロン数)を200倍大きくする必要があるということではないのでしょうか?まあ5ptにステップを増やせば、40回は精度が落ちる代償として、もう少し経済的になるのでしょうけど。
このテーマについて、何かアイデアはありますか?
価格での回帰はできない。増分で回帰すれば、バリエーションは少なくなる。
線形回帰では、特性ごとに1つの係数が必要です。)
価格での回帰はできない。増分で回帰すれば、バリエーションは少なくなる。
ニューロンを増やす必要はありません。実際、回帰には多くのニューロンは必要ありません。線形回帰では、1つの特性につき1つの係数が必要です :)
価格ではなく、±100ptという意味です。
まあ、200クラスとの類比は直接的ですが...。順次進み、ステップ関数から滑らかな関数にすることは可能ですが
その増分が±100ptの意味である。
まあ、200クラスとの類比は直接的ですが...。
まあ、クラスも複数の出力値を持っているので、単純にシグモイドで割っているだけなのですが
このテーマに関するアイデアはないのか?
200のクラスに分類するには、出力に200のニューロンが必要で、それに対応する多くのニューロンが内層に存在し、すべてを何とか機能させる必要があります。
そして、回帰には1つの出力ニューロンがあればよく、どのような値を出力するかは、Pronosis、「+22p、プラスマイナス誤差」です。そして、隠れニューロンはもっと少ないでしょう。
先生は、記号のような数字記号で、バラバラになります。しかし、予後は16桁の規則的な非連続の2倍数なので、推定関数(例えば平均2乗誤差)も連続になる。
8つの機械学習モデルの研究についての興味深い記事
残念なのは、記事の著者が原油価格の代わりに人工価格を例として取り上げたことだ。この結果は理想的な条件で得られたものであり、実際の取引に適用できるかどうかは不明である。
今日は聖杯の日ですが、手に取るようにその姿と手間を知ることができます!!!!
という言葉もありますが、今日は自分にとっての聖杯を見つけました。繰り返しテストしていますが、結果は素晴らしいものです。実際に発見につながったトレーダー博士の サポートに特別な感謝を捧げます。この言葉には、恐れ入りました......。Rの助けを借りて、重要な予測変数のセットを効率的に見つけることができました。ターゲットが同じ数のクラスを持っているとすると、それを少し弄る(1つ追加または削除)ことによって、重要な予測変数のセットを1列、2列と拡張することができるのです。一度試しましたが、普通に入れるだけでした。そして、学習結果が最大になるようなモデルを絞り込み、選択するようにします。
もちろん、多項式の大きなサイズではありませんが、理論的にはトレーニング間隔の50%、つまり1週間で動作します、そしてそれは私のために十分です!!!!!!!!!!!!!!!!!。しかし、ここからが本題です...。そして私は今、ここで信頼できる安定したパターンを求めている人たちに向けて発信しているのです。例を挙げて説明するのが簡単......。
1000行111列のデータテーブルを保存し、110の予測因子などを出力します。しかし、私はテーブル全体ではなく、40レコードの小さな新鮮なセクションを取ります(これは約2週間のTS作業です)その結果、私は40×110サイズとターゲットのトレーニングセットを持ちます。実際、私はこの日、まさにこの間隔でマーケットスライスを取っています。このスライスは静止しています。そして、 出力に対する重要な入力変数を選択し、他の市場参加者よりも優位に立てるよう、必要なアルファ値を持つ3~5列の列 を得ることができます。 そして今、最も重要なことは...。この議論は何だったんだろう。学習用のデータテーブルに1行追加した途端に、列のセットが大きく変わってしまう、つまりαが別の列のセットに移動してしまうのです。すぐには無理かもしれませんが、複数行を追加した後に。I.e.シグナルズTS!!!!αはまさに、対象機能に対して最小かつ十分な、最も純粋な形のパターンである。しかし、この模様は目立たない、つまり肉眼で見ることは非常に難しいのです。このとき、AIが関与して仕事をするのです。
そして今、アルファは、5つ以上の入力に含まれることがほとんどない場合、アンロードするすべてのデータフィールド、そして合計110の入力フィールドにバウンスすることができるか想像してみてください。つまり、新しいスライスごとに、まったく異なる予測変数のセットを得ることができるのです。しかも、それをどうやって追いかけるかというと、1年という距離でも!!!何週間もいたら、ほとんどまともに捕まえられない......。しかし、あなたは絶対に正しい聖杯が存在するが、誰もが自分自身を持っており、それを維持するために、あなたは多くの努力をする必要があります.......
そしてまたデモ口座 の理論派に言及すると、こうなるわけです......。
私はその理論で仕事をし、それを使ってテストをしたことがあります。テストは良好な結果を示した。ロボットが搭載されたUPUでモデルを学習させる。今週の私のシグナルを見れば、私の想定がどの程度のものなのかすぐに分かるはずです。
棒グラフをクラスタリングし(確実に比較するため)、任意の要素の繰り返しの統計データを作成し、最も一般的なものから始めることができるのです。そして、他の要素(統計の2番目の方が良いですが、それでも全てをチェックする必要があります)と対になって繰り返しの統計を取り、最大の統計を選択し、2番目の点をグラフ上に置く、というようにします。グラフが変曲した時点で、この単語にはこの長さが最適であることがわかります。そして、こうしてすべての文字をチェックするのです。
単語のセットを取得し、そのうちのすでに一緒に文章を置くことになり、ここですでにTCの単語に適用することができますが、最初にこの対処とTCと、最終的にavtoencodersもありますが、お互いに近いためにコーディング単語を割り当てる必要があります。つまり、この段階では想像の自由があるのです。
インクリメントのインジケータを確認できる方はいらっしゃいますか? なぜか低いTFでレンダリングに穴があいてしまい、そればかりか巻き戻すと・・・インジケータのウィンドウが真っ白になってしまいます。それとも、端末を再インストールする時期なのでしょうか?
こっちの方が正しい
double pr2 = (pr!=0?log(pr):0);
記事の著者が、たとえば原油価格の代わりに人工価格を取り上げたのは残念なことである。この結果は理想的な条件下でのものであり、実際の取引に適用できるかどうかは不明である。
価格の理論的な多様性をカバーし、この多様性を明示するためにわざわざ作られました。