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 79 1...727374757677787980818283848586...3399 新しいコメント Alexey Burnakov 2016.07.31 20:36 #781 Dr.Trader(ドクタートレーダー) trainControlの "repeatedcv "メソッドで、デフォルトの分割を使用しました。最近、自分でクロスバリデーションのコードを書いて、ランダムに取ったバーと、隙間なく連続的に取ったチャンクの両方でクロスバリデーションを試しました。フロントテストでは、どちらもほぼ同じ結果になり、違いは見られませんでした。トレーニング/クロスバリデーションのデータを50%/50%に分けましたが、この比率ではもう問題ないのかもしれませんね。 カレットで実験してみるか...。少し前に投稿された記事で、有力な比較対象がPlattの手法によるブースト・ツリー(のようなもの)だったのを覚えています。この方法についてグーグルで調べたところ、モデルの出力をシグモイドに渡して、その結果を取るということしかわかりませんでした。gbmやxgboostはそれができるのか?この方法は、2位のフォレスト、ニューロン、いくつかの「袋小路の木」よりも優れているようです。 Gbmとxgboostは ブーストツリーです。Grpdientの収束性を高めるため、各新木は前の木の学習結果に基づき重み付けされた観測値に基づいて構築される。線形モデル、非線形モデルともにブーストが可能で...2位にはランダムフォレストがあります。これが私の理解するところのバギングです。異なるデータで構築された複数のモデルの平均的な結果です。グラデーションブースティングについて読む。分類上、これ以上のものはなかなかないと思います。例えば私は、回帰予測器の結果をもとに分類しています。 Alexey Burnakov 2016.07.31 20:38 #782 CVについてデフォルトではランダムパーティションに設定されています...時系列では、時間分離性が重要である...キャレットではこれが可能です。Caret CV時系列カスタムフォールド...調べろ先ほど掲載した私のコードではそこではトレインコントロールに実装されています。 Mihail Marchukajtes 2016.08.01 06:49 #783 Alexey Burnakov: CVについて。デフォルトはランダムパーティション...時系列では、時間分離性が重要である...は、カレットでできます。Caret CV時系列カスタムフォールド...調べろ先ほど掲載した私のコードではトレインコントロールに実装されています。見ていて、驚きました...。何もないところから何かを得たいと思うのです。つまり、0から0.00000000000000000000の結果を得たいのです。もう見てられないから、手を貸してあげるよ。実は、ネットワークのトポロジーは二の次なんです。機械学習では、FXでもそれ以外でも、まずデータが先です。つまり、ニューラルネットワークを 設計する上で最も重要なのは、ネットワークのトポロジーや学習方法ではないのだ。入力データであり、出力データである。もしデータが市場に関連していれば、どんな小さなペルセプトロンでも分類の問題を解決し、将来もうまくいくでしょう。理由は簡単で、入力データが市場に関連していて、このデータが市場を予測することができるからです。そして、あなたがやろうとしていることは、無関係な情報の表面を掻くことです。申し訳ありませんが、結果も関係ないことになります...。マーケットについては、FXの場合、ボリュームがメインで、それに対するマーケットの反応がメインになります。しかもMT(ティック)になっている数量ではなく、先物の実数量、同じユーロのクラスタデルタを利用してください。有益な情報がたくさんあります。そのため、取引量を利用することで、最もシンプルなペルセプトロンであっても、あらゆるネットワークのパフォーマンスを大幅に向上させることができます。また、デルタを搭載しており、こちらも非常に便利です。しかし、価格の後の二次的、三次的と言ってもいいような指標をもとにモデルを構築し、そこに奇跡を期待しようとしているのですね。奇跡は起きない、断言する......。追伸:誰を敵に回そうとしているのか、ちょっと考えてみてください...。クアッドコアより処理能力の高い、クールなプログラマーを集めた企業。新しい手法の開発などに資金を投入して。そして、ここロシアの素朴な田舎出身のアレクセイは、5年後に市場をハッキングして、聖杯を手に入れることを決意したのです。天から降りてきて、バラ色の眼鏡を外す......。 Dr. Trader 2016.08.01 07:57 #784 Mihail Marchukajtes: 機械学習では、FXでもそれ以外でも、まずデータがありきです。つまり、ニューラルネットワークを設計する際に最も重要なのは、ネットワークのトポロジーや学習方法ではないのだ。入力データであり、出力データである。もしデータが市場に関連していれば、どんな小さなペルセプトロンでも分類の問題を解決し、将来もうまくいくでしょう。理由は簡単で、入力データが市場に関連していて、このデータが市場を予測することができるからです。反論の余地すらない、その通りです。それもわかっていて、分類モデルだけでなく、予測因子(入力データ)の選択方法についても議論しているのですが、まずはこのスレッドを読んでみてください。あなたは、手動で12個の入力を選択し、モデルを構築し、1週間取引し、負け始め、再び入力を選択することを望んでいるのだと思います。私もそうでした。時々、「ニューロンを初期化するためにある粒子を取り、それを正確に7777回反復して訓練すれば、すべてがうまくいくが、隔週火曜日にそのシグナルに逆らってトレードしなければならない」といったおかしな戦略を持っていることがあります。一日おきに新しいデータでネットワークを最適化する」。そのような戦略は実在するが、そのようなものを選ぶには長い時間がかかるし、2、3週間しか利益を上げられない。全ては、そのような戦略が何らかの短期的なパターンに基づいているためです。その代わり、エントリーを自動的に選択するアルゴリズムを選んでいます。単純なことで、各バーに約100のエントリーがあり、それらが全て揃うと1年間一貫して有効な売買シグナルを出すようなエントリーの組み合わせを選択するアルゴリズムです。mt5のExpert Advisorの最適 化のように、あるEAが素晴らしい結果を出してもフロントテストで失敗するようなことはなく、クロスバリデーションや異なる基準で結果を推定する、より複雑なものとなっています。以前は100件ほど選んでいましたが、今は数十件と少なくなっています。フロントテストでは60%から70%の精度が得られますが、まだ不安定です。毎回ゼロから始めてもほぼ同じ結果が得られるように、選択と学習のプロセス全体から自由度を取り除く必要があります。Mihail Marchukajtes: 追伸:誰を相手にしようとしているのか、ちょっと考えてみてください...。クアッドコアより処理能力の高い、クールなプログラマーを集めた企業。新しい手法の開発などに資金を投入して。そして、ここロシアの素朴な田舎出身のアレクセイは、5年後に市場をハッキングして、聖杯を手に入れることを決意したのです。空から降りてきて、バラ色のメガネを外す......。独自の設備とプログラマーを持つ企業は、私たちが利用できるのと同じデータ分析・モデリングソフトを使用しています。完璧なモデルを育成し、月100%の利益を得ることができたとしよう。同じデータで、例えば50%の利益しか得られないような弱いモデルを作ることができるようになるのです。これだけあれば十分でしょう。 Alexey Burnakov 2016.08.01 09:34 #785 ミハイル・マルキュカイツあなたを見てると、すごいな...と思う。何もないところから何かを得たいと思うのです。つまり、0から、0.00000000000000000000の結果を得たいのです。もう見てられないから、手を貸してあげるよ。実は、ネットワークのトポロジーは二の次なんです。機械学習では、FXでもそれ以外でも、まずデータが先です。つまり、ニューラルネットワークを設計する上で最も重要なのは、ネットワークのトポロジーや学習方法ではないのだ。入力データであり、出力データである。もしデータが市場に関連していれば、どんな小さなペルセプトロンでも分類の問題を解決し、将来もうまくいくでしょう。理由は簡単で、入力データが市場に関連していて、このデータが市場を予測することができるからです。そして、あなたがやろうとしていることは、無関係な情報の表面を掻くことです。申し訳ありませんが、結果も関係ないことになります...。マーケットについては、FXの場合、ボリュームがメインで、それに対するマーケットの反応がメインになります。しかもMT(ティック)になっている数量ではなく、先物の実数量、同じユーロのクラスタデルタを利用してください。有益な情報がたくさんあります。そのため、取引量を利用することで、最もシンプルなペルセプトロンであっても、あらゆるネットワークのパフォーマンスを大幅に向上させることができます。また、デルタを搭載しており、こちらも非常に便利です。しかし、価格の後の二次的、三次的と言ってもいいような指標をもとにモデルを構築し、そこに奇跡を期待しようとしているのですね。奇跡は起きない、断言する......。追伸:誰を敵に回そうとしているのか、ちょっと考えてみてください...。クアッドコアより処理能力の高い、クールなプログラマーを集めた企業。新しい手法の開発などに資金を投入して。そして、ここロシアの素朴な田舎出身のアレクセイは、5年後に市場をハッキングして、聖杯を手に入れることを決意したのです。空から降りてきて、バラ色のメガネを外す......。デマゴーグ、痛い。そろそろ出て行ってくれないかな。家を建てる。"犬が吠えればキャラバンが行く"С Alexey Burnakov 2016.08.01 09:37 #786 Dr.トレーダー: 反論の余地すらない、そりゃそうだ。それもわかっていて、分類モデルだけでなく、予測因子(入力)の選択方法についても議論しているのですが、まずはこのスレッドを読んでみてください。あなたは、手動で12個の入力を選択し、モデルを構築し、1週間取引し、負け始め、再び入力を選択することを望んでいるのだと思います。私もそうでした。時々、「ニューロンを初期化するためにある粒子を取り、それを正確に7777回反復して訓練すれば、すべてがうまくいくが、隔週火曜日にそのシグナルに逆らってトレードしなければならない」といったおかしな戦略を持っていることがあります。一日おきに新しいデータでネットワークを最適化する」。そのような戦略は実在するが、そのようなものを選ぶには長い時間がかかるし、2、3週間しか利益を上げられない。全ては、そのような戦略が何らかの短期的なパターンに基づいているためです。その代わり、エントリーを自動的に選択するアルゴリズムを選んでいます。簡単に言うと、各バーに約100のエントリーがあり、それらが全て揃うと1年中一貫して有効な売買シグナルを出すようなエントリーの組み合わせを選択するアルゴリズムである。mt5のExpert Advisorの最適 化のように、あるEAが素晴らしい結果を出してもフロントテストで失敗するようなことはなく、クロスバリデーションや異なる基準で結果を推定する、より複雑なものとなっています。以前は100件ほど選んでいましたが、今は数十件と少なくなっています。フロントテストでは60%〜70%の精度が得られますが、まだ不安定です。毎回ゼロから始めてもほぼ同じ結果が得られるように、選択と学習のプロセス全体で自由度をなくす必要があります。企業では、設備やプログラマーが、私たちと同じデータ解析やモデリングソフトを使用しています。完璧なモデルを育成し、毎月100%の利益を得ることができるのです。同じデータを使って、例えば50%の利益しか得られないような、より弱いモデルを作ることができるのです。私は大丈夫です。 こう言ってはどうだろう。トップファンドは年平均40〜50%のリターンを示している。賢い人も、ただ優秀な人も、そこで働くことができるのです。1年に50%台に近づいて、それが増えていくのは、何も異常なことではないと思います。 mytarmailS 2016.08.01 09:52 #787 アレクセイ・ブルナコフ こう言ってはどうだろう。トップファンドは年平均40〜50%のリターンを示している。賢い人も優秀な人もそこで働いているかもしれない。年率50%に近づいてきて、この伸びしろになるとは、何も異常はないですね。最初に - 資金は、1つの理由だけで、市場の流動性の欠如のような悲惨な収率を示し、それは戦略に大量の資金を投入することは困難である、あなたはそのような問題を持っていない次に、「例えば月100%を目指してはどうか?認知の質を上げるためには、看板やモデルの質を上げる必要がある......」というのは、ミハイル・マルカジェッツの 意見に完全に同意します。全体の結果に対する影響度 +/- 5%。 Alexey Burnakov 2016.08.01 10:07 #788 mytarmailS:まず第一に - 資金は、1つの理由だけで、市場の流動性の欠如のような悲惨な収率を示し、それは戦略に大量のお金を入れて難しいですが、あなたはそのような問題を持っていない次に、「例えば月100%を目指してはどうか?認知の質を上げるためには、看板やモデルの質を上げる必要がある......」というのは、ミハイル・マルカジェッツの 意見に完全に同意します。最終結果に対する影響度 +/- 5%。デマゴーグでもあるんですね。では、この程度の情報量でインプットを示してください。なぜ、トップモデルを取るのか?ノイズの多いデータから信号を絞り出すには、ノイズのないデータがあれば、エクセルで数式を作ることもできます。"月100%"です。努力する、結果を出す、アイデアを出し合う。収益性を20倍にする方法、ドローダウンから翌月に引き出さない方法など、お話をお伺いします。 Alexey Burnakov 2016.08.01 10:44 #789 アレクセイ・ブルナコフデマゴーグでもあるんですね。では、この程度の情報量でインプットを示してください。なぜ、トップモデルを取るのか?ノイズの多いデータから信号を絞り出すには、ノイズのないデータがあれば、エクセルで計算式を行うことができる。"月100%"です。努力する、結果を出す、アイデアを出し合う。収益性を20倍にする方法、ドローダウンから翌月に撤退しない方法など、お話をお伺いします。FXの "長者番付"。5年以上の取引実績がある。FSでソートしています。たしかに、コスパのいいリターンもありますが、他のスタッツは悪いです。これが現実です。そして、スタビライザーが取引されている。その他はすべてFSが3以下であることを示す。 mytarmailS 2016.08.01 11:26 #790 アレクセイ・ブルナコフデマゴーグでもあるんですね。では、この程度の情報量でインプットを示してください。なぜ、トップモデルを取るのか?ノイズの多いデータから信号を絞り出すには、ノイズのないデータがあれば、エクセルで計算式を行うことができる。"月100%"です。努力する、結果を出す、アイデアを出し合う。利回りを20倍にする方法と、ドローダウンから翌月に迷わない方法をお聞きします。ここにいるのは全員デマゴーグで、あなただけがダルタニアンであることはもう明らかです、少なくともあなたが荒らしでないのは良いことです...。ではでは......。:)以下はその例です。http://robostroy.ru/community/article.aspx?id=801本物のトレード戦略とは思えませんが、深い実践者であることを知り、相場に関する疑問で答えのないものはない・・・と感謝したいくらいです。この人はPh.D.です。かなり昔(20年ほど前)に「AI」についての博士論文(技術科学)を発表しています。彼は20年以上ロボットを作り続けており、多くの経験を積んでいます。そして、ブラックボックス的なアプローチで市場を予測することはできないが、働く属性を特定し、それがどのように、なぜ働くのかを理解し、ノイズを無視して働くものだけを残すために、データをできる限りフィルターすることが必要であるという。彼は約100の兆候(予測因子)のネットワークを持っており、各特徴はあなたが望むように全体のライブラリまたはパッケージを持っています。そして、図書館を丸ごと使うような看板と、"SMA "という名のくだらない曲がったものとのクオリティの差を比べてみてください。, "MACD"や「RSI」等...Mihail Marchukajtesが 書いたように、モデルには0.00000001%の有用な情報があり、 それは事実です。そうでなければ、モデルはまさに彼らが示すことのできる性能、つまり90%の正解を示すでしょうこの人は、「MSUA」を読むことと、スペクトル解析、特にフーリエ解析を勧めています。========================================================さらに私は "demagog "が達成しているどのような結果が、実際には非常に控えめな、私は多くを考えると良いアイデアは、私の研究は、同時に多くの方向に進んでいると様々な分野での知識の巨大な不足は、しばしばフォーラムの参加者からの助けを求めるため、特に助けるために、誰も望んでいない、彼らはあなた自身を学び、その後言う... 私自身がすべてを習得した場合にのみ、なぜ私は、この通信を行うように論理なしで、私は気を取られるようにします。ここに段の最高のものです。 私は新しいデータ上のRFから絞り出すために管理されているママは、2ヶ月連続で月額50%ですが、すべてがまだ非常に不安定である、私は写真10回を埋めるためにしようとしたが、(それを得た) 取得しないでください。要は、年率30%がかっこいい、 みたいなパターンに自分を縛る必要はなく、 かっこいいのではなく、心やクリエイティビティのためのフレーム ワークであるということです 1...727374757677787980818283848586...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
trainControlの "repeatedcv "メソッドで、デフォルトの分割を使用しました。最近、自分でクロスバリデーションのコードを書いて、ランダムに取ったバーと、隙間なく連続的に取ったチャンクの両方でクロスバリデーションを試しました。フロントテストでは、どちらもほぼ同じ結果になり、違いは見られませんでした。トレーニング/クロスバリデーションのデータを50%/50%に分けましたが、この比率ではもう問題ないのかもしれませんね。
カレットで実験してみるか...。
少し前に投稿された記事で、有力な比較対象がPlattの手法によるブースト・ツリー(のようなもの)だったのを覚えています。この方法についてグーグルで調べたところ、モデルの出力をシグモイドに渡して、その結果を取るということしかわかりませんでした。gbmやxgboostはそれができるのか?この方法は、2位のフォレスト、ニューロン、いくつかの「袋小路の木」よりも優れているようです。
CVについて。デフォルトはランダムパーティション...時系列では、時間分離性が重要である...は、カレットでできます。Caret CV時系列カスタムフォールド...調べろ先ほど掲載した私のコードではトレインコントロールに実装されています。
見ていて、驚きました...。何もないところから何かを得たいと思うのです。つまり、0から0.00000000000000000000の結果を得たいのです。もう見てられないから、手を貸してあげるよ。実は、ネットワークのトポロジーは二の次なんです。機械学習では、FXでもそれ以外でも、まずデータが先です。つまり、ニューラルネットワークを 設計する上で最も重要なのは、ネットワークのトポロジーや学習方法ではないのだ。入力データであり、出力データである。もしデータが市場に関連していれば、どんな小さなペルセプトロンでも分類の問題を解決し、将来もうまくいくでしょう。理由は簡単で、入力データが市場に関連していて、このデータが市場を予測することができるからです。そして、あなたがやろうとしていることは、無関係な情報の表面を掻くことです。申し訳ありませんが、結果も関係ないことになります...。マーケットについては、FXの場合、ボリュームがメインで、それに対するマーケットの反応がメインになります。しかもMT(ティック)になっている数量ではなく、先物の実数量、同じユーロのクラスタデルタを利用してください。有益な情報がたくさんあります。そのため、取引量を利用することで、最もシンプルなペルセプトロンであっても、あらゆるネットワークのパフォーマンスを大幅に向上させることができます。また、デルタを搭載しており、こちらも非常に便利です。しかし、価格の後の二次的、三次的と言ってもいいような指標をもとにモデルを構築し、そこに奇跡を期待しようとしているのですね。奇跡は起きない、断言する......。
追伸:誰を敵に回そうとしているのか、ちょっと考えてみてください...。クアッドコアより処理能力の高い、クールなプログラマーを集めた企業。新しい手法の開発などに資金を投入して。そして、ここロシアの素朴な田舎出身のアレクセイは、5年後に市場をハッキングして、聖杯を手に入れることを決意したのです。天から降りてきて、バラ色の眼鏡を外す......。
機械学習では、FXでもそれ以外でも、まずデータがありきです。つまり、ニューラルネットワークを設計する際に最も重要なのは、ネットワークのトポロジーや学習方法ではないのだ。入力データであり、出力データである。もしデータが市場に関連していれば、どんな小さなペルセプトロンでも分類の問題を解決し、将来もうまくいくでしょう。理由は簡単で、入力データが市場に関連していて、このデータが市場を予測することができるからです。
反論の余地すらない、その通りです。それもわかっていて、分類モデルだけでなく、予測因子(入力データ)の選択方法についても議論しているのですが、まずはこのスレッドを読んでみてください。
あなたは、手動で12個の入力を選択し、モデルを構築し、1週間取引し、負け始め、再び入力を選択することを望んでいるのだと思います。私もそうでした。時々、「ニューロンを初期化するためにある粒子を取り、それを正確に7777回反復して訓練すれば、すべてがうまくいくが、隔週火曜日にそのシグナルに逆らってトレードしなければならない」といったおかしな戦略を持っていることがあります。一日おきに新しいデータでネットワークを最適化する」。そのような戦略は実在するが、そのようなものを選ぶには長い時間がかかるし、2、3週間しか利益を上げられない。全ては、そのような戦略が何らかの短期的なパターンに基づいているためです。
その代わり、エントリーを自動的に選択するアルゴリズムを選んでいます。単純なことで、各バーに約100のエントリーがあり、それらが全て揃うと1年間一貫して有効な売買シグナルを出すようなエントリーの組み合わせを選択するアルゴリズムです。mt5のExpert Advisorの最適 化のように、あるEAが素晴らしい結果を出してもフロントテストで失敗するようなことはなく、クロスバリデーションや異なる基準で結果を推定する、より複雑なものとなっています。以前は100件ほど選んでいましたが、今は数十件と少なくなっています。フロントテストでは60%から70%の精度が得られますが、まだ不安定です。毎回ゼロから始めてもほぼ同じ結果が得られるように、選択と学習のプロセス全体から自由度を取り除く必要があります。
追伸:誰を相手にしようとしているのか、ちょっと考えてみてください...。クアッドコアより処理能力の高い、クールなプログラマーを集めた企業。新しい手法の開発などに資金を投入して。そして、ここロシアの素朴な田舎出身のアレクセイは、5年後に市場をハッキングして、聖杯を手に入れることを決意したのです。空から降りてきて、バラ色のメガネを外す......。
独自の設備とプログラマーを持つ企業は、私たちが利用できるのと同じデータ分析・モデリングソフトを使用しています。完璧なモデルを育成し、月100%の利益を得ることができたとしよう。同じデータで、例えば50%の利益しか得られないような弱いモデルを作ることができるようになるのです。これだけあれば十分でしょう。
あなたを見てると、すごいな...と思う。何もないところから何かを得たいと思うのです。つまり、0から、0.00000000000000000000の結果を得たいのです。もう見てられないから、手を貸してあげるよ。実は、ネットワークのトポロジーは二の次なんです。機械学習では、FXでもそれ以外でも、まずデータが先です。つまり、ニューラルネットワークを設計する上で最も重要なのは、ネットワークのトポロジーや学習方法ではないのだ。入力データであり、出力データである。もしデータが市場に関連していれば、どんな小さなペルセプトロンでも分類の問題を解決し、将来もうまくいくでしょう。理由は簡単で、入力データが市場に関連していて、このデータが市場を予測することができるからです。そして、あなたがやろうとしていることは、無関係な情報の表面を掻くことです。申し訳ありませんが、結果も関係ないことになります...。マーケットについては、FXの場合、ボリュームがメインで、それに対するマーケットの反応がメインになります。しかもMT(ティック)になっている数量ではなく、先物の実数量、同じユーロのクラスタデルタを利用してください。有益な情報がたくさんあります。そのため、取引量を利用することで、最もシンプルなペルセプトロンであっても、あらゆるネットワークのパフォーマンスを大幅に向上させることができます。また、デルタを搭載しており、こちらも非常に便利です。しかし、価格の後の二次的、三次的と言ってもいいような指標をもとにモデルを構築し、そこに奇跡を期待しようとしているのですね。奇跡は起きない、断言する......。
追伸:誰を敵に回そうとしているのか、ちょっと考えてみてください...。クアッドコアより処理能力の高い、クールなプログラマーを集めた企業。新しい手法の開発などに資金を投入して。そして、ここロシアの素朴な田舎出身のアレクセイは、5年後に市場をハッキングして、聖杯を手に入れることを決意したのです。空から降りてきて、バラ色のメガネを外す......。
デマゴーグ、痛い。そろそろ出て行ってくれないかな。家を建てる。
"犬が吠えればキャラバンが行く"С
反論の余地すらない、そりゃそうだ。それもわかっていて、分類モデルだけでなく、予測因子(入力)の選択方法についても議論しているのですが、まずはこのスレッドを読んでみてください。
あなたは、手動で12個の入力を選択し、モデルを構築し、1週間取引し、負け始め、再び入力を選択することを望んでいるのだと思います。私もそうでした。時々、「ニューロンを初期化するためにある粒子を取り、それを正確に7777回反復して訓練すれば、すべてがうまくいくが、隔週火曜日にそのシグナルに逆らってトレードしなければならない」といったおかしな戦略を持っていることがあります。一日おきに新しいデータでネットワークを最適化する」。そのような戦略は実在するが、そのようなものを選ぶには長い時間がかかるし、2、3週間しか利益を上げられない。全ては、そのような戦略が何らかの短期的なパターンに基づいているためです。
その代わり、エントリーを自動的に選択するアルゴリズムを選んでいます。簡単に言うと、各バーに約100のエントリーがあり、それらが全て揃うと1年中一貫して有効な売買シグナルを出すようなエントリーの組み合わせを選択するアルゴリズムである。mt5のExpert Advisorの最適 化のように、あるEAが素晴らしい結果を出してもフロントテストで失敗するようなことはなく、クロスバリデーションや異なる基準で結果を推定する、より複雑なものとなっています。以前は100件ほど選んでいましたが、今は数十件と少なくなっています。フロントテストでは60%〜70%の精度が得られますが、まだ不安定です。毎回ゼロから始めてもほぼ同じ結果が得られるように、選択と学習のプロセス全体で自由度をなくす必要があります。
企業では、設備やプログラマーが、私たちと同じデータ解析やモデリングソフトを使用しています。完璧なモデルを育成し、毎月100%の利益を得ることができるのです。同じデータを使って、例えば50%の利益しか得られないような、より弱いモデルを作ることができるのです。私は大丈夫です。
こう言ってはどうだろう。トップファンドは年平均40〜50%のリターンを示している。賢い人も優秀な人もそこで働いているかもしれない。年率50%に近づいてきて、この伸びしろになるとは、何も異常はないですね。
最初に - 資金は、1つの理由だけで、市場の流動性の欠如のような悲惨な収率を示し、それは戦略に大量の資金を投入することは困難である、あなたはそのような問題を持っていない
次に、「例えば月100%を目指してはどうか?
認知の質を上げるためには、看板やモデルの質を上げる必要がある......」というのは、ミハイル・マルカジェッツの 意見に完全に同意します。全体の結果に対する影響度 +/- 5%。
まず第一に - 資金は、1つの理由だけで、市場の流動性の欠如のような悲惨な収率を示し、それは戦略に大量のお金を入れて難しいですが、あなたはそのような問題を持っていない
次に、「例えば月100%を目指してはどうか?
認知の質を上げるためには、看板やモデルの質を上げる必要がある......」というのは、ミハイル・マルカジェッツの 意見に完全に同意します。最終結果に対する影響度 +/- 5%。
デマゴーグでもあるんですね。では、この程度の情報量でインプットを示してください。なぜ、トップモデルを取るのか?ノイズの多いデータから信号を絞り出すには、ノイズのないデータがあれば、エクセルで数式を作ることもできます。
"月100%"です。努力する、結果を出す、アイデアを出し合う。収益性を20倍にする方法、ドローダウンから翌月に引き出さない方法など、お話をお伺いします。
デマゴーグでもあるんですね。では、この程度の情報量でインプットを示してください。なぜ、トップモデルを取るのか?ノイズの多いデータから信号を絞り出すには、ノイズのないデータがあれば、エクセルで計算式を行うことができる。
"月100%"です。努力する、結果を出す、アイデアを出し合う。収益性を20倍にする方法、ドローダウンから翌月に撤退しない方法など、お話をお伺いします。
FXの "長者番付"。5年以上の取引実績がある。FSでソートしています。たしかに、コスパのいいリターンもありますが、他のスタッツは悪いです。これが現実です。そして、スタビライザーが取引されている。その他はすべてFSが3以下であることを示す。
デマゴーグでもあるんですね。では、この程度の情報量でインプットを示してください。なぜ、トップモデルを取るのか?ノイズの多いデータから信号を絞り出すには、ノイズのないデータがあれば、エクセルで計算式を行うことができる。
"月100%"です。努力する、結果を出す、アイデアを出し合う。利回りを20倍にする方法と、ドローダウンから翌月に迷わない方法をお聞きします。
この人は、「MSUA」を読むことと、スペクトル解析、特にフーリエ解析を勧めています。
========================================================
さらに私は "demagog "が達成しているどのような結果が、実際には非常に控えめな、私は多くを考えると良いアイデアは、私の研究は、同時に多くの方向に進んでいると様々な分野での知識の巨大な不足は、しばしばフォーラムの参加者からの助けを求めるため、特に助けるために、誰も望んでいない、彼らはあなた自身を学び、その後言う... 私自身がすべてを習得した場合にのみ、なぜ私は、この通信を行うように論理なしで、私は気を取られるようにします。
ここに段の最高のものです。 私は新しいデータ上のRFから絞り出すために管理されているママは、2ヶ月連続で月額50%ですが、すべてがまだ非常に不安定である、私は写真10回を埋めるためにしようとしたが、(それを得た) 取得しないでください。
要は、年率30%がかっこいい、 みたいなパターンに自分を縛る必要はなく、 かっこいいのではなく、心やクリエイティビティのためのフレーム ワークであるということです