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 744 1...737738739740741742743744745746747748749750751...3399 新しいコメント Grigoriy Chaunin 2018.03.15 04:44 #7431 ミハイル・マルキュカイツ2018.01.31から現在まで獲得しているモデルが届いたと言ったことを思い出して、このモデルが2018.03.05から現在までのこの2週間、どのようなパフォーマンスを見せてくれたかを紹介します。テスターの結果 40点満点で訓練して、1ヶ月半ほどOOSしているおばさんには、かなりいい感じです。 そして、これが2018.01.31からの彼女のフルOOSです。 それでも合ってると思うのか?スクリーンショットにあるのはOOSセクションであることをお忘れなく テスターの写真ではありますが、私はモニターを見たことがありません。でも、私はあなたを信じます。あなたのやり方が有効であることは認めざるを得ません。だから、謝るのです。 Grigoriy Chaunin 2018.03.15 04:45 #7432 そう、固定観念は市場には存在しないが、それを払拭するのはとても難しいのだ。 Mihail Marchukajtes 2018.03.15 04:48 #7433 グリゴーリイ チャーニン テスターの写真ではありますが、私はモニターを見たことがありません。でも、私はあなたを信じます。あなたのやり方がうまくいっていることは認めざるを得ません。だから、謝るのです。謝罪は受け入れた!? ここにいるほとんどの人が理論家や研究者であるのに対して、私はただの実務家ですから...。 Anatolii Zainchkovskii 2018.03.15 05:32 #7434 マキシム・ドミトリエフスキーそして、これらのつながりは数学的に見つけることができないので、ダムフィットや市場調査ということになります :) ダムフィッティングも、実は、一般化を使えば、かっこよくなるマックス、ニューラルネットワークやランダムフォレストってどうなんだろう...。そうすれば、将来この「パターン」が出てきたとき、機械は簡単にそれを認識することができます。これが五分五分の予想であることは、相場のすべてにおいて言えることです。 例えば、三角持ち合いのブレイクアウトの例ですが、古典的なケースではtakeがlossより大きいです。さて、このケースに50/50を掛けると、利益が出ます。これは、機械学習を使った儲かるシステムの作り方の最もシンプルなバリエーションです。 Maxim Dmitrievsky 2018.03.15 05:39 #7435 Anatolii Zainchkovskii: マックス、ニューラルネットワークやランダムフォレストってどうなんでしょうね、、、。そうすれば、将来、そのような「パターン」が現れたとき、機械は簡単にそれを認識することができる。これが五分五分の予想であることは、相場のすべてにおいて言えることです。 例えば、三角持ち合いのブレイクアウトの例ですが、古典的なケースではtakeがlossより大きいです。さて、このケースに50/50を掛けると、利益が出ます。以上、機械学習による儲かるシステムの作り方を簡単に説明しました。主な問題は、教師による学習はそれだけでは何も見つけられないこと、また、ターゲットに対する特徴の比率が必ずしも私たちによって最適に選択されていないことです。したがって、大きな誤分類や再学習が起こり、このプロセスを最適化する方法について多くのトピックがあります。本格的なNSボットということであれば、専門家(人間)の手を借りずに最適な方法でタグをマークする必要があります。現在、どのように実現されているかというと、例えば強化学習など、いくつかのリンクが示されているが、探索と活用の問題、つまり、環境の学習と得られた知識の活用のバランスをとること、基本的には、NSの再トレーニングの頻度のジレンマに相当するが、自動モードであること、などがある Anatolii Zainchkovskii 2018.03.15 05:51 #7436 マキシム・ドミトリエフスキー最大の問題は、教師による訓練だけでは何も見つけられないことであり、特徴量とターゲットの比率が必ずしも最適な形で私たちによって選ばれるとは限らない。それゆえ、大きな分類エラーや再トレーニングが発生し、このプロセスをいかに最適化するかが多くのトピックとなる。本格的なNSボットということであれば、専門家(人間)の手を借りずに最適な方法でタグをマークする必要があります。今日、どのように実現されているかというと、例えば、強化学習を通じて、いくつかのリンクを送りましたが、探索と活用の問題、つまり、学習環境と得られた知識の応用のバランスを見つけること、実際には、NSを何度学び直す必要があるかというジレンマに相当するのですが、自動モードで理論的な知識は乏しいので、あまり気の利いたことは言いません。私はオブザーバーと実務者の意見しか言えません。実際、2つのボールを使って行うこともできますが、その場合も結果は同じです。このボールの教え方は説明しませんが、それは本題ではありません。だから、オブザーバーとして私は再研修NSの周波数が遠く定常的なものから、時にはそれが例えば週に一度のために十分であることが1セット判明し、他の回それは月あたりの十分な時間が発生すると言うことができるテストの多くは、データ別の周波数の再研修の異なるセットについて。いつまで通用するのか、まるで "沼 "の中にいるようで、いつ沼に入るかわからない。 Maxim Dmitrievsky 2018.03.15 06:02 #7437 アナトリー・ザイニチコフスキー理論的な知識はほとんどないので、あまり気の利いたことは言えませんが。一人の観察者、一人の実践者の意見としてしか言えません。予測変数の選択は非常に面倒な作業で,たくさんの大きなものは必要ありません。実際,2つのマスクでも管理できますが,そうすると結果は適切なものになります。だから、オブザーバーとして私は再研修NSの周波数が遠く定常的なものから、時にはそれが例えば週に一度のために十分であることが1セット判明し、他の回それは月あたりの十分な時間が発生すると言うことができますテストの多くは、データ別の周波数の再研修の異なるセットについて。いつまで続くか、沼の中と同じで、いつ沼に入るかわからない。まあ、環境についての十分な説明と、モードからモードへの正しいスイッチ、大雑把に言うとパターンが変わるので、そうですね この問題を解決するために、異なるTSを切り替える人もいれば、1つでも適応的にしようとする人もいるし、Alexanderのように、すべてを1つの分布に合わせようとする人もいる 三山は成長する市場をとらえ、成長している間は喜びますが、乱高下が始まるとすぐに泣くことになります。 Anatolii Zainchkovskii 2018.03.15 07:10 #7438 マキシム・ドミトリエフスキーまあ、十分な数の環境の状態記述と、モードからモードへの正しいスイッチ、大雑把に言えば、パターンが変わるので、必要なんですけどね、はい ある人は異なるTSを切り替えることでこの問題を解決し、ある人は1つでも適応的にしようとし、ある人はAlexanderのようにすべてを1つの分布に合わせようとします。 ミシャンは成長する市場で利益を得て、成長している間は喜んでいるが、乱高下が始まるとすぐに泣き出してしまう。泣かないでほしいけど、そのうち建て直そう)言い争うために来たんじゃないんだから......。 Maxim Dmitrievsky 2018.03.15 07:46 #7439 アナトリー・ザイニチコフスキー神はあなたが泣くことはありませんが、時間内に再構築)我々は議論するためにここにいるわけではありません...。まあコインゲームにまともなバックテストがなければ結果は自ずと見えてくる。 Evgeny Raspaev 2018.03.15 09:02 #7440 皆さん、こんにちは。 ちょっとまとめてみたかったので...。例えば、未来のロウソクについて、私たちは何を知っているのでしょうか?開店時間、閉店時間がわかる。上昇方向の白いローソク足、下降方向の黒いローソク足、そして童子という3つの状態を持つ場合があることが分かっています。長い」「大きなローソク足」の確率が、わかっているのです)- は、「平均的な」ローソク足や童子と比較すると小さいです。価格が動くチャネル、あるいはレンジと呼ばれるものを見つけることができます。他には何も知らないの?ダウンローソク、アップローソクといった単純な分類であっても、予測を立てるには小さすぎる...。方向性を予測しようとしなければ...。方向性を予測せずにエントリーするのは無理がある...。未来のローソク足について、他にどのような分類ができるでしょうか。結局のところ、過去のデータに基づくすべての予測は、過去のローソク足の兆候を与えます。そして、このデータに対する予測が「今日は昨日のようになる」と提示されているのですが、これはまずいのでは......。 1...737738739740741742743744745746747748749750751...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
2018.01.31から現在まで獲得しているモデルが届いたと言ったことを思い出して、このモデルが2018.03.05から現在までのこの2週間、どのようなパフォーマンスを見せてくれたかを紹介します。テスターの結果
40点満点で訓練して、1ヶ月半ほどOOSしているおばさんには、かなりいい感じです。
そして、これが2018.01.31からの彼女のフルOOSです。
それでも合ってると思うのか?スクリーンショットにあるのはOOSセクションであることをお忘れなく
テスターの写真ではありますが、私はモニターを見たことがありません。でも、私はあなたを信じます。あなたのやり方がうまくいっていることは認めざるを得ません。だから、謝るのです。
謝罪は受け入れた!?
ここにいるほとんどの人が理論家や研究者であるのに対して、私はただの実務家ですから...。
そして、これらのつながりは数学的に見つけることができないので、ダムフィットや市場調査ということになります :)
ダムフィッティングも、実は、一般化を使えば、かっこよくなる
マックス、ニューラルネットワークやランダムフォレストってどうなんだろう...。そうすれば、将来この「パターン」が出てきたとき、機械は簡単にそれを認識することができます。これが五分五分の予想であることは、相場のすべてにおいて言えることです。 例えば、三角持ち合いのブレイクアウトの例ですが、古典的なケースではtakeがlossより大きいです。さて、このケースに50/50を掛けると、利益が出ます。これは、機械学習を使った儲かるシステムの作り方の最もシンプルなバリエーションです。
マックス、ニューラルネットワークやランダムフォレストってどうなんでしょうね、、、。そうすれば、将来、そのような「パターン」が現れたとき、機械は簡単にそれを認識することができる。これが五分五分の予想であることは、相場のすべてにおいて言えることです。 例えば、三角持ち合いのブレイクアウトの例ですが、古典的なケースではtakeがlossより大きいです。さて、このケースに50/50を掛けると、利益が出ます。以上、機械学習による儲かるシステムの作り方を簡単に説明しました。
主な問題は、教師による学習はそれだけでは何も見つけられないこと、また、ターゲットに対する特徴の比率が必ずしも私たちによって最適に選択されていないことです。したがって、大きな誤分類や再学習が起こり、このプロセスを最適化する方法について多くのトピックがあります。本格的なNSボットということであれば、専門家(人間)の手を借りずに最適な方法でタグをマークする必要があります。現在、どのように実現されているかというと、例えば強化学習など、いくつかのリンクが示されているが、探索と活用の問題、つまり、環境の学習と得られた知識の活用のバランスをとること、基本的には、NSの再トレーニングの頻度のジレンマに相当するが、自動モードであること、などがある
最大の問題は、教師による訓練だけでは何も見つけられないことであり、特徴量とターゲットの比率が必ずしも最適な形で私たちによって選ばれるとは限らない。それゆえ、大きな分類エラーや再トレーニングが発生し、このプロセスをいかに最適化するかが多くのトピックとなる。本格的なNSボットということであれば、専門家(人間)の手を借りずに最適な方法でタグをマークする必要があります。今日、どのように実現されているかというと、例えば、強化学習を通じて、いくつかのリンクを送りましたが、探索と活用の問題、つまり、学習環境と得られた知識の応用のバランスを見つけること、実際には、NSを何度学び直す必要があるかというジレンマに相当するのですが、自動モードで
理論的な知識は乏しいので、あまり気の利いたことは言いません。私はオブザーバーと実務者の意見しか言えません。実際、2つのボールを使って行うこともできますが、その場合も結果は同じです。このボールの教え方は説明しませんが、それは本題ではありません。だから、オブザーバーとして私は再研修NSの周波数が遠く定常的なものから、時にはそれが例えば週に一度のために十分であることが1セット判明し、他の回それは月あたりの十分な時間が発生すると言うことができるテストの多くは、データ別の周波数の再研修の異なるセットについて。いつまで通用するのか、まるで "沼 "の中にいるようで、いつ沼に入るかわからない。
理論的な知識はほとんどないので、あまり気の利いたことは言えませんが。一人の観察者、一人の実践者の意見としてしか言えません。予測変数の選択は非常に面倒な作業で,たくさんの大きなものは必要ありません。実際,2つのマスクでも管理できますが,そうすると結果は適切なものになります。だから、オブザーバーとして私は再研修NSの周波数が遠く定常的なものから、時にはそれが例えば週に一度のために十分であることが1セット判明し、他の回それは月あたりの十分な時間が発生すると言うことができますテストの多くは、データ別の周波数の再研修の異なるセットについて。いつまで続くか、沼の中と同じで、いつ沼に入るかわからない。
まあ、環境についての十分な説明と、モードからモードへの正しいスイッチ、大雑把に言うとパターンが変わるので、そうですね
この問題を解決するために、異なるTSを切り替える人もいれば、1つでも適応的にしようとする人もいるし、Alexanderのように、すべてを1つの分布に合わせようとする人もいる
三山は成長する市場をとらえ、成長している間は喜びますが、乱高下が始まるとすぐに泣くことになります。
まあ、十分な数の環境の状態記述と、モードからモードへの正しいスイッチ、大雑把に言えば、パターンが変わるので、必要なんですけどね、はい
ある人は異なるTSを切り替えることでこの問題を解決し、ある人は1つでも適応的にしようとし、ある人はAlexanderのようにすべてを1つの分布に合わせようとします。
ミシャンは成長する市場で利益を得て、成長している間は喜んでいるが、乱高下が始まるとすぐに泣き出してしまう。
泣かないでほしいけど、そのうち建て直そう)言い争うために来たんじゃないんだから......。
神はあなたが泣くことはありませんが、時間内に再構築)我々は議論するためにここにいるわけではありません...。
まあコインゲームにまともなバックテストがなければ結果は自ずと見えてくる。
皆さん、こんにちは。
ちょっとまとめてみたかったので...。例えば、未来のロウソクについて、私たちは何を知っているのでしょうか?開店時間、閉店時間がわかる。上昇方向の白いローソク足、下降方向の黒いローソク足、そして童子という3つの状態を持つ場合があることが分かっています。長い」「大きなローソク足」の確率が、わかっているのです)- は、「平均的な」ローソク足や童子と比較すると小さいです。価格が動くチャネル、あるいはレンジと呼ばれるものを見つけることができます。他には何も知らないの?ダウンローソク、アップローソクといった単純な分類であっても、予測を立てるには小さすぎる...。方向性を予測しようとしなければ...。方向性を予測せずにエントリーするのは無理がある...。未来のローソク足について、他にどのような分類ができるでしょうか。結局のところ、過去のデータに基づくすべての予測は、過去のローソク足の兆候を与えます。そして、このデータに対する予測が「今日は昨日のようになる」と提示されているのですが、これはまずいのでは......。