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 926

[Maxim Dmitrievsky]

FXMAN77 です。

多くのパラメータを弄ったので、まだはっきりとは言えませんが、0.1程度の改善でした。もしかしたら、私の知らないテクニックがあるかもしれないので、質問させていただきました。

何もなければ、問題はデータにあり、他に調整するものはない。

[Dr. Trader]

アレクセイ・ヴャジミキン

もちろん可能ですが、部分的に行う必要があります（サーバーの不具合）。フィルターセット - 売買できない場所を定義する、MaloVhodovセット - きちんと利益を得るためのトレンドエントリ、MnogoVhodovセット - 利益の出ないものを除くすべてのエントリ。

手始めにmalovhodovを試してみました。

arr_Vektor_Week、arr_Vektor_Dayなどを元に、2015年からarr_Buyを予測するようにforestに教えてみた。

クラスは非常にアンバランスで（クラス0はクラス1の10倍以上の例がある）、これが難易度を高めています。

に訓練された2015年のツリーです。

	y_pred
y_true	0	1
0	97268	86118
1	5529	12256

しかも、これは2016年、樹木のデータに新しい。

y_pred

y_true
0
1
0
96581
90918
1
6296
8956

いずれの場合も予測精度は低いが、少なくとも50％以上の精度を有している。

ツリーはこんな感じです。

そこには常に、左がTRUE、右がFALSE。楕円の場合、予後は四捨五入が必要です（＞0.5→1、＜0.5→0） mnogovhodovを試してみます。

[Aleksey Vyazmikin]

Dr.トレーダー

手始めにmalovhodovを試してみました。

arr_Vektor_Week、arr_Vektor_Dayなどを元に、2015年からarr_Buyを予測するようにforestに教えてみた。

クラスは非常にアンバランスで（クラス0はクラス1の10倍以上の例がある）、これが難易度を高めています。

に訓練された2015年のツリーです。

	y_pred
y_true	0	1
0	97268	86118
1	5529	12256

いずれの場合も予測精度は低いが、少なくとも50％以上の精度を有している。

ツリーはこんな感じです。

そこには常に、左がTRUE、右がFALSE。楕円の予測では、まだ丸めが必要です（>0.5 -> 1; <0.5 -> 0）私はmnogovhodovを試してみます。

うわー、なんて小さな小さな木なんだ驚きました!ツリーからは、トレンドの転換点、つまり一番底で買いたいという思いが読み取れました。あなたのシステムでは、他の予測因子は情報量が少なかったのですか？

楕円の中の数字は何ですか？

[forexman77]

私の森羅万象が駆け巡りました。

[[ 2011  2948]
 [  215 11821]]//тест

[[14997     0]
 [    0 35985]]//тренировка

お目当てのクラスは、テストでは半分以上別のクラスになっていたが、トレーニングではきれいに分かれた)

[Aleksey Vyazmikin]

トレーダー博士 - スクリーンショットでは予測因子の名前が削られてしまっているので、ツリーのリストを書いてください。

[Dr. Trader]

アレクセイ・ヴャジミキン

うわー、なんて小さな小さな木なんだ驚きました!ツリーからは、トレンドの反転でエントリーしたい、つまり、一番底で買いたいという気持ちが読み取れました。あなたのシステムでは、他の予測因子は情報量が少なかったのですか？

楕円の中の数字とは？

その中には，木や予測変数のパラメータを選択する過程で却下されたものもある．情報量については一概に言えませんが、今回はこのようなものが一番しっくりきました。

楕円は、木による予測です。私のツリーは「アノバ」モードで学習されました。つまり、特定の予測値0や1ではなく、確率が与えられています。0.5より大きいものは、クラス1の可能性が高い。0.5未満のものは、クラス0の可能性が高いです。つまり、0か1に近いほど、予測の信頼性が高いということだ。

プログラム的にツリーを記述する方法は、以下の通りである。

double prediction;
if(arr_Donproc<3.5)
{
  if(arr_iDeltaH1>=-6.5)
  {
    if(arr_TimeH>=14)
    {
       prediction = 0.29;
    }
    else
    {
       prediction = 0.44;
    }
  }
  else
  {
     prediction = 0.58;
  }
}
else
{
  if(arr_RSI_Open_ < 0.5)
  {
     //...
  }
  else
  {
     //...
  }
}

int predictionClass = 0;
if(prediction >= 0.5) predictionClass=1;

if(predictionClass == 0)
{
  //...
}
else if(predictionClass == 1)
{
  //...
}

[Dr. Trader]

アレクセイ・ヴャジミキン
トレーダー博士 - 画面が名前をカットしてしまうので、ツリーの中に予測変数のリストを書いてください。

そうか、気がつかなかった。ガラケーでは、なんとなくリストやルールが見やすかったです。今はガタがないので、別の方法を探します。

[Aleksey Vyazmikin]

ドクタートレーダー

予測変数のいくつかは，木と予測変数のパラメータを選択する過程で除去され，予測変数のいくつかは木自体によって拒否された．情報量については一概に言えませんが、今回はこれが一番しっくりきました。

楕円は、木による予測です。私のツリーは「アノバ」モードで学習されました。つまり、特定の予測値0や1ではなく、確率が与えられています。0.5を超えるとクラス1の可能性が高い。0.5未満のものは、クラス0の可能性が高いです。つまり、0か1に近いほど、予測の信頼性が高いということだ。

プログラム的にツリーを記述する場合は、以下のように記述します。

昨日、arr_iDeltaの情報を様々なバリエーションで作り直し、2種類の予測子を追加し、H4,MN1,W1についてより完全な計算ができるようにしました。

ちなみに、ほとんどの予測変数はスクリプトで計算し、新しい予測変数はEAで計算し、結果は一致する、つまりピーキングがない。

コード形式での解釈をありがとうございました興味があれば、Si先物の接着に関するデータも。

もう一度ファイルを添付しますので、実験してみてはいかがでしょうか。

[Aleksey Vyazmikin]

マロヴォドフ_02

[Aleksey Vyazmikin]

MnogoVhodov_02