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 868

新しいコメント
 
エリブラリウス
について質問します。
NSはどんな指標も自分の中に映し出すことができると考えられている。
どなたか実験をされた方はいらっしゃいますか？NSがMAなどを再現することは可能でしょうか？あるいはMACDやデジタルフィルター？

問題ないのかもしれません。多くのNSパッケージで、そのようなものをデザインする事例がたくさんあります。

しかし、TCを設計した場合のみで、内部で何をしているかは謎のままです。係数だけ。

 
このスレの問題点は、ここの人たちはバカじゃないし、みんな経験があって、誰も変えたくない意見を持っていることです。そして、自分の意見と矛盾することを聞いても、それが正しいかどうかを考える機会すら与えないのです。それが問題なんです。興味関心があるはずだ、などということは明らかです。しかし、何のテストもせずに間違っていると言うのは......。だいたい、ここはみんな頭が良すぎるから、貧乏くじを引いてしまうんです。そして、私たちの中にも欲張りな人がいます :-)。
 
ユーリイ・アサウレンコ

問題ないのかもしれません。多くのNSパッケージで、そのようなものをデザインする事例がたくさんあります。

しかし、TCを設計した場合のみで、内部で何をしているかは謎のままです。係数のみ。

パッケージの中には、たいてい花菖蒲や薬などが入っています。- マーケットインデックスで何か覚えがあるわけでもない。
MA10では、v=1の入力を10個追加し、他の入力にはv=0を割り当て、k=10を選ぶという単純すぎる方法ですが。
デジタルフィルタも 同様ですが、vは1にはならず、フィルタ式に従った他の値になります。そして理論的には、NSは標準的なフィルターではなく、市場に最も適合する独自のフィルターを見つけることができる。
つまり、本来1つのニューロンはデジタルフィルター（TF）なのです。
複数のニューロンにより、複数のTFの相互作用（デルタ、合計）を得ることができる。もし2次の相互作用（デルタのデルタ）が必要なら、隠れ層をもう1つ追加する必要があります。

2x CPの積は、出力ニューロンの2ニューロンから得ることはできず、単なる足し算である。しかし、vとkが異なるだけで、別のニューロンで再計算することができる。
総じて、私にとっては、NSをTFとして見る新しい視点となりました。

 
エリブラリウス
パックには通常、アヤメや薬などが入っています。- マーケットインデックスで何か覚えがあるわけでもない。
MA10は、v=1の入力を10個集めて、他の入力にv=0を割り当てて、k=10をピックアップするというシンプルすぎるものですが。
デジタルフィルタも 同様で、フィルタ式によって1ではなく他の値になります。そして、NSは理論的には、標準的なフィルターからではなく、市場に最も適した独自のフィルターを見つけることができます。
つまり、本質的に1つのニューロンはデジタルフィルター（TF）なのです。
複数のニューロンにより、複数のTFの相互作用（デルタ、合計）を得ることができる。2次の相互作用（デルタのデルタ）が必要な場合は、隠れ層を1つ追加する必要があります。

以前書いたこれと似たようなもの。NSにプラス2層、それだけでどんな指標予測も可能になります。そして、悩む必要はない。

 
Yuriy Asaulenko：

以前書いたこれと似たようなもの。NSにプラス2層、それだけでどんな指標予測も可能になります。しかも、わざわざ面倒なことをする必要はないのです。

その結果、入力データが棒グラフの場合、予測変数の 選択は不必要な作業であり、妨げになる可能性さえあることが判明した。
時系列ではなく、多くの標準・非標準指標（例えば、異なる期間を持つMA、CCI、RSI）をランダムに投入する場合、選択が必要となります。
適さないものは捨てるべき。時系列を入力とするNSは、適切な係数を持つ指標を自動的に選択する。
 
elibrarius:
そうすると、予測変数の選択は不要なものであり、入力が棒グラフの場合は邪魔になる可能性すらあることがわかります。
時系列ではなく、多くの標準的、非標準的な指標をランダムに投入する場合、選択が必要になります。
そして、全く適さないものは捨てるべきです。しかし、時系列を入力とするNSは、適切な係数を持つ指標を自動的に選択する。

NSの入力に正規化された時系列が ありますね。NSの構造-15-20-15-10-5-1がすでに良い仕事をしているとしましょう。

ロングとショートを決定するためには、2つのNSが必要です。

 
elibrarius:
そうすると、予測変数の選択は不要なものであり、入力が棒グラフの場合は邪魔になる可能性すらあることがわかります。
時系列ではなく、多くの標準的、非標準的な指標をランダムに投入する場合、選択が必要になります。
そして、全く適さないものは捨てるべきです。一方、時系列を入力とするNSは、適切な係数を持つ指標を自動的に選択する。

時系列（素の価格）を入力しました。

入力指標やインクリメントに適用される（指数 期間などを持つものを含む）。

差の余弦、差の正接、双曲線の余弦、正接を与えても差はないのだが...。なぜそうなるのかは分かりませんが、TCの性能は多少向上しています。

 
ユーリイ・アサウレンコ

NSの入力は、正規化された時系列です。NSの構成-15-20-15-10-5-1がすでにうまくいっているとしよう。

ロングとショートを決定するために、2つのNSが必要です。

2VSについては実践で学んだので、それしか使いようがない。3つのクラス（買い、待ち、売り）を使う場合、特に出力ニューロンがシグモイドかタンジェントの場合、中間クラスが非常に早く発生します。
しかし、もし退行が...理想的には1つの出力ニューロンが必要です。

 
マキシム・ドミトリエフスキー

は、時系列（裸の価格）を入力に与えた

インジケーターやインクリメント（指数期間付きなども含む）を入力しています。

差分コサイン、差分タンジェント、双曲線cos、tangを入力すると差が出るのですが......。なぜそうなるのか、それはわからないが、TCの性能は多少向上している

そして、素の価格からアナログを構築するために、3〜4層の隠れ層が必要となる。インジケータ1層＋デルタ1層＋コサイン・タンジェント1層。試してみましたか？
 
エリブラリウス
そして、裸の価格からアナログを構築するために、3-4層の隠れ層が必要となる。インジケータ1層＋デルタ1層＋コサイン・タンジェント1層。試してみましたか？

いいえ、私はこれまで足場（異なる特徴を持つ、任意の数のモデルのアンサンブル）を使用しており、出力は平均的です。

すぐに使えるが

1...861862863864865866867868869870871872873874875...3399
新しいコメント
理由: