После того, как трейдер определился со стратегией и реализовал ее в советнике, он сталкивается с двумя проблемами, которые, будучи нерешенными, обесценивают эту стратегию. Очевидно, что, в отличие от параметров, которые задаются заранее (рабочая пара, таймфрейм и т.д.), есть и другие, которые будут изменяемыми: период расчета индикаторов...
IMHOは、今日の取引でNSを使用する唯一の方法である。それ以外のものは、時間と労力の無駄です。現在のAIと呼ばれるレベルを考慮すると))
現在に至るまでではなく、それなりに複雑な構成のMOとNSについては、これしかないと思っています。まず、NSとMOの適用分野を限定し、NSとMOを適用します。
そして、「一般的に、すべて、一度に」というような問題を解くのは、AIのためです）。
NSは、トレードに入る際の判断のフィルターのようなもので、起こりうる結果を事前にテストするものだということがわかりました。
いわば、オペレーショナル・テスター？
むしろ、NSは意思決定のロジックを教えてくれるものなのです。もともと標準的なストラテジーにあるものの代用として、わざわざ書かないように設計されているのです。
ターゲット変数について質問です。
対象変数がトレードの財務結果であれば、やはりこの結果を正規化するのが合理的です。しかし、ここでホームページの情報を探していると、どこもかしこもターゲット変数には買いか売りの2つの値を持たせるように書いてあるのです。そして、買うにしろ売るにしろ、どんな場合でも損失が出るのであれば（そしてそれは起こる！）、なぜすべての負の変数をカットしなければならないのだろうか？また、統計に影響を与えるのが負のバリアントの存在だとしたら？
一般的には、トリガーがある極端なケース（買う/売る/何もしない）と、ランキングを行う関数（以前は理論的な解決策を探していたので、ここで関数を尋ねましたが、今は予測子を要約するスクリプトを作りました）があるベストケースで、どんなネットワークが機能するか（そしてどこで入手できるか）知りたいと考えています。
付録では、変換せずに予測因子とターゲットのセット - シーケンス番号の後の最初の2つの列（ところで、シーケンスは重要ですか、もしそうなら、古いから新しいまたは今のように何ですか - 上で新しいと古い下部にある）。
これは（何について）教えることができるのか、それとも他に何か必要なことがあるのか？
アドバイス - あなたの質問は何度も重複しているため、同じことを繰り返しても意味がありません。
MoDは、多くのことを知り、一歩一歩学んでいくシステム的なアプローチです。
現地の洪水で最後が読みづらくなりますが、序盤と中盤は大丈夫です :)
私はまだ特定の改造を決めていません（すでに25個持っています）、私はテストを続けます...大量の取引とOOSと同様の曲線、少なくともトレインから3番目の部分を達成することに決めました。でも、いつも現在の日付に近いところでトレーニングしたいんです。
AOSでは、各モデルが特別な機能を使い、個別の設定で学習するアンサンブルの方が安定することに気づきました（このTSでは10個のモデルが存在します）
プロフィールのモニターテスト用デモ（特定のバージョンに止まらず、改良を続けているため、デモのバージョンは定期的に変更される可能性があります。）
いいね、行こうよ！
Alglibはkfoldを持っています。）
他のNSの亜種と同様に、昨年の夏にテストしました。他の方法と同様に機能し、特別な印象はない。alglib-eのすべてのNSに関連する唯一のことは、それらがRより数十倍遅いということです。そうそう、ここでは同じデータを10回再トレーニングしているが、ブロックが違うので、つまり10倍遅い)))
とR kfoldでは改善されるのでしょうか？通常1000例までのバッチがあるので、そんなに時間はかからないと思います
もしそうなら、MLPの構造をファイルに保存するコードはないのでしょうか？
とR kfoldでは改善されるのでしょうか？通常、1000例までのロットがあるので、そんなに時間はかからないと思います。
もしそうなら、MLPの構造をファイルに保存するためのコードはありますか？
Rではまだ試していません。Dr.トレーダーは改善すると言っているようです。
alglibで保存？NS、アンサンブル、スキャフォールド、リグレッションなど、それぞれにSerializeのフィージョンがあり、それらからのリカバリーがあります。
NS自体から係数を引っ張ってくるfor NSもあるhttps://www.mql5.com/ru/articles/2279 最初は（作業例として）それでやっていて、その後シリアライズに切り替えた。
もう一つ、もし私が正規化や予測変数の削除を行ったのなら、このすべてを記憶しておいて、新しいデータに適用すべきです（ヒントをくれたVladimir氏に感謝します）上記の記事ではそれができません。
R Darchでは、例えばネットワーク自体で(center,scale)を正規化する場合、これを勝手に記憶して、将来のデータで試行することになります。他のRパッケージも、きっと全部覚えているはずです。
アドバイス - あなたの質問は何度も重複しているため、同じことを繰り返しても意味がありません。
MoDは、多くのことを知り、一歩一歩学んでいくシステム的なアプローチです。
現地の洪水で最後は読みづらくなりますが、序盤と中盤は大丈夫です :)
私は6ヶ月間、このスレッドを詳細に追ってきました - 類似の質問、自分にとって役に立つと思い、ノートに書いたスマートな投稿を覚えていません - たった3つです。
おそらく、トピックに何か他のものがありますが、口論の量を考えると - 読んで楽しいではありません...
したがって、私は彼らがNSの問題で初心者に答えを与えることができる場所として、このスレッドに関連し、よく、人々は質問に答えるか、答え（と私は探していた答えを見つけることができませんでした）へのリンクを与えるだろう5分間申し訳ありませんが、あまりにも悪いです。
アプリケーションは、予測因子と変換せずにターゲットのセットを持っている - シーケンス番号の後の最初の2つの列（ところで、シーケンスは重要ですか、はい、それは古いから新しいまたは今のように何ですか - 上で新しいと古い下部にある）。
これは（何について）教えることができるのか、それとも他に何か必要なことがあるのか？
ターゲット - 分類ではなく、回帰があるんですね。とりあえず回帰はあきらめました。私は、ターゲットの数だけ、2つのニューロを訓練するのが良いと思いますが、私自身、回帰の実験を十分に行っていませんので、ご自分で実験してみてください。
列の順番は重要ではなく、これらはターゲットであることをNSに伝えることが重要なのです。多くのパッケージでは、デフォルトですべての行をシャッフルすることで、均一な 学習が可能です。そうしないと、NSはどこかで失速し（ローカルミニマム）、新鮮なデータにたどり着けなくなる可能性があります。新鮮なデータ（最後の10-20％）を2-3回供給することで、ネットワークは最新の市場動向をよりよく学習することができます-これも私が実際に試していない意見です。
トピックスターターのブログをチェック - 彼はそこで回帰を教えました、多くの良い考えを持っています。しかし、最終的に彼は、コードに何らかの誤りがあり、すべての結果が無効であることを発見したと書いた。
だから、明確な答えがない。だから、みんな黙っているんだ)