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 81

新しいコメント
 
mytarmailS:
サーがあります :)

)))

ひょっとしてwealthlabで取引しているのでしょうか？

 
Alexey Burnakov：

)))

ウェルスラボで取引していますか？

R-kaでシミュレーションするよりも早くて便利だし、ストップロスや テイクプロフィット、手数料も必要だから、全部書くのは大変なんだ。
 
Dr.トレーダー

4) 学習でクロスバリデーションを行う場合、同じデータで何度か繰り返し、結果にどの程度のばらつきがあるかを確認し、ばらつきの少ないモデルや予測子を選択する

これが今思い浮かぶことですが、考えられる問題の限界ではありません。

あなたはきっと驚くでしょうし、私の意見に反対するでしょうが :) 、私はクロスバリデーションが市場で有効だとは思っていません、少なくともその古典的な使い方においては

 
mytarmailS:

皆さんは驚くと思いますが、私はクロスバリデーションが有効だとは思っていません。

なぜ、これほどまでに木が少ないのか？
 
mytarmailS:

皆さんは驚くと思いますが、私はクロスバリデーションが有効だとは思っていません。

まず、あなたがクロス評価の意味をどう理解しているのか、そこから始めましょう。
 
サンサニッチ・フォメンコ
なぜ、これほどまでに木が少ないのか？

木が増えるほど取引量が減り、品質が全く上がらないようにした。

例えば、私のモデルがパラメータ10/5で500件の取引を行い、パラメータ5/200（5分割、200本）で1件の取引または全く取引を行わない場合、一般化は低下し、モデルは既に起こったが将来は起こらない非常に明確な状況を検索することになります。

 
アレクセイ・ブルナコフ
まずは、クロスバリデーションの意味をどう理解しているかというところから始めましょう。

を弖紗しています。

プロットを5つの部分に分け、そのうちの4つをトレーニングし、5番目の部分をチェックし、サンプル外チェックがサンプルの5つの部分すべてで行われるようにプロットですべての変種を調べ、平均誤差を計算します。

それは、私が忘れていなければということのようです。

 
mytarmailS:

木が増えれば増えるほど、システムが行う取引は少なくなり、その質は全く上がらないということです。

例えば、私のモデルがパラメータ10/5で500件の取引を行い、パラメータ5/200（5分割、200本）で1件の取引または全く取引を行わない場合、一般化は低下し、モデルはかつて起こったが将来は起こらないという非常に明確な状況を検索することになります。

面白い考え方ですね。木の本数でオーバートレーニング対策していることが判明？
 
mytarmailS:

を弖紗しています。

プロットを5つの部分に分け、そのうちの4つをトレーニングし、5番目の部分をチェックし、サンプル外チェックがサンプルの5つの部分すべてで行われるようにプロットですべての変種を調べ、平均誤差を計算します。

忘れていなければ、それでいいようです。

はい、何のために必要なのでしょうか？最適な学習パラメータを見つけるために。

この方法のどこが嫌なのでしょうか？パラメータはどのように選択するのですか？

 
サンサニッチ・フォメンコ
面白いアイデアですね。木の本数によって、オーバートレーニングとの戦いであることがわかったわけですね。

然程

書いていることは、あくまで私のやり方に当てはまることです。

私のターゲットはピボットの使い方です。

ピボット（1 , -1 , 0）の3つのクラスがあります。

また、クラスの歪度が非常に大きく、"0 "クラスは"-1 "や "1 "の何十倍も大きいこともご存じでしょう。

そして、これはモデルがクラス "0 "で最もよく訓練されることを意味します。なぜなら、クラス "0 "には最も多くの観測値があるからです。そして、モデルの訓練中に、より多くの木が "0 "クラスを訓練します。"0" クラスが良く、強くなると、クラス "1" や "-1" に（吸収 - 圧出）しはじめます。だから、木が多ければ多いほどお得なのです

1...747576777879808182838485868788...3399
新しいコメント