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 98

[СанСаныч Фоменко]

Dr.トレーダー

実験の第2弾は

以前選択した14個の予測変数に、さらに14個のランダムな値を追加しました。ForeCAコンポーネントの最大許容数を28個に変更しました。

全28成分による学習データでの予測精度（foreCAあり・なし）76%、新規データでの予測精度（foreCAあり・なし）57%。

予想屋の屑にforecaが対処したとは思えない、期待した奇跡は起こらなかった。

すごいですねぇ。

私の仕事量を減らしてくれてありがとう

[Dr. Trader]

他のデータでは、予測変数の共分散が高すぎるため、私のForeCAの例がうまくいかないことに気づきました。
これは、このコードで解決できます。

#это  строки кода из примера:
targetName <- colnames(trainData)[ncol(trainData)]
predictorColnames <- colnames(trainData)[-ncol(trainData)]
#...
#это  нужно добавить сразу после них:
while(TRUE){
        covMatrix <- cov(as.matrix(trainData[,predictorColnames]))
        covMatrixRank <- qr(covMatrix)$rank
        if(covMatrixRank == ncol(covMatrix)){
                break
        }else{
                eigenValues <- abs(eigen(covMatrix)$values)
                #  eigenValuesLow <- order(eigenValues, decreasing=FALSE)[1:(ncol(covMatrix)-covMatrixRank)]
                #  predictorColnames <- predictorColnames[-eigenValuesLow]
                eigenValuesHigh <- order(eigenValues, decreasing=TRUE)[1]
                predictorColnames <- predictorColnames[-eigenValuesHigh]
        }
}

共分散行列から高い固有値を持つ予測変数を1つずつ取り除くだけです。 低い固有値を持つ予測変数を逆に取り除くべきかもしれません。でも、まだ長いし、効率も悪い。でも、どうすればよくなるのか......まだわからない。

[mytarmailS]

なぜインジケーターが機能せず、今後も機能しないのか？ 私の意見ですが...。そして、それをどう解決しようとするのか...。

a little bit about being stoned...:)

相場が静止しているわけではないことは、私も含め、相場分析の ためのツールをほとんど使っています。

例えば、非定常データを解析するアルゴリズムとしては、隠れマルコフモデル「HMM」 、引数のグループ会計法「MGUA」、BPのリカレントニューラルネットワークなどが確立されており、数は多くないが、なぜこれらのアルゴリズムを使わないのだろうか。しかし、私たちは皆、足場や従来の神経回路、問題とは全く関係のない愚かな分類器を使っています。

それはなぜでしょうか？なぜ、これだけ理解しているにもかかわらず、RFの練習を続けてしまうのか...。私たちはどうしたんだろう...。思ったことを書く...

さて、指標についてと、また少しマニアックな 話ですが・・・。;)

市場が不安定であることを知って、我々は将来的に動作するいくつかの指標を見つけようとしている、市場が常に変化した場合、それはどのように可能ですか？ 答えは明白です - まさか！！ またはそれはそう簡単ではありません...？

私は市場についてより客観的になる方法があると思う、指標を使用して、スペクトル分析、このケースではウェーブレットは、私たちの考えを説明するのに役立つだろう

写真では、左側に期間、つまり市場に存在する期間を示すスケールがあり、チャート上の赤い部分が多いほど強い期間が優勢で、強い期間は写真のように黒い輪郭で表示されます...。

コードを実行するまで、これ以上読まないでください。

コードが完了したら、スタジオ内の写真の上で「戻る矢印」を押すと、コードを実行した後に出てきたすべての写真を見ることができます。

install.packages("dplR")

hankel <- function(data, r=10) {
  do.call(cbind,
          lapply(0:(r-1),function(i) { data[(i+1):(length(data)-(r-1-i))]}))} #hankel  matrx

price <- cumsum(rnorm(200))+1000    ;    plot(price,t="l")
H.price <- hankel(price,100)

library(dplR)
for(i in nrow(H.price):1 ){
  m <- morlet(y1 = H.price[i,] )
  wavelet.plot(m)
}

市場の期間が常に空の雲のように浮いているのを見ると、期間を固定して市場でやることがないのはもう明らかですが、適応することはできますよね。もし、現在の市場の好調な時期を特定し、常にその真の目的期間に合わせて指標を正確に調整するとしたらどうでしょう。

リンクス

https://cran.r-project.org/web/packages/dplR/vignettes/timeseries-dplR.pdf

https://www.r-bloggers.com/wavelet-spectrogram-non-stationary-financial-time-series-analysis-using-r-ttrquantmoddplr-with-usdeur/

[СанСаныч Фоменко]

NSの愛好家のために、ここに

ディープラーニング その1 記号型ディープラーニングフレームワークの比較

[Yuri Evseenkov]

mytarmailS:

なぜインジケーターが機能せず、今後も機能しないのか？ 私の意見ですが...。そして、それをどう解決しようとすればいいのか...。

我々は、すべての市場が定常ではないことを知っているが、我々は市場を分析 するために使用するツールの大半は私を含め、定常シリーズであり、私は理由がわからない、理由は何ですか？ ファッション？

市場が非定常であることを知っている私たちは、将来にわたって機能するいくつかの指標を見つけようとしますが、市場が常に変化している場合、それはどのように可能なのでしょうか？

しかし、分類は、サニチが書いて いるように、うまくいかないのでは？

[mytarmailS]

ユーリ・エフシエンコフ
で、分類は、Sanychが書いて いるように、しないんですか？

どのような分類なのかがわからないので、もう少し具体的に説明します。

[Yuri Evseenkov]

mytarmailS:
具体的に言うと、どのような分類のことを話しているのか全く理解できないので、もう少し具体的に説明しましょう。

L 私は医者なんですか？ここで、Sanychが書いています。

"ここでは、次の小節を予測する際に前の状態を考慮しない、分類に基づく予測について説明しています。分類に基づく予測（予報）とは、パターンに基づく予測である。また、過去に過去の値から導かれない（外挿されない）変化があった場合、分類はその変化をそのように捉え、将来同様の変化（全く同じではないが、似ている）があれば、それを認識し正しい予測をすることができます。"

それは、「分類は、そのような変化をキャッチ するものである」ということを掘り下げていくことだと思います。

[mytarmailS]

ユーリ・エフシエンコフ

L 私は医者なんですか？ここで、Sanychが書いています。

"ここでは、次の小節を予測する際に前の状態を考慮しない、分類に基づく予測について説明しています。分類に基づく予測（予報）とは、パターンに基づく予測である。また、過去に過去の値から導かれない（外挿されない）変化があった場合、分類はその変化をそのように捉え、将来同様の変化（全く同じではないが、似ている）があれば、それを認識し正しい予測をすることができます。"

だから、私はこの方向で掘り下げる価値があると思います :"分類はこのような変更をキャッチします" .

実験は真理の基準である-考えるな、実行せよ

個人的には、スペクトル解析の方が期待できると思うのですが、それは私個人の 考えで...。

[DAFomenko]

ユーリ・エフシエンコフ：

ですから、「分類はこのような変化をキャッチ する」という方向で掘り下げていくといいと思います。

分類は万能薬でもなければ、聖杯を作る道具でもない。

分類の応用は、まず道具をその道具が適用される問題に適用することです。例えば、金融市場にスペクトル分析を適用するアイデアは何度も議論され、どれも一見素晴らしいツールに見えますが、他の対象については、あ、いや、もう一度提供します。

2番目。この分類は、金融市場にもかなり当てはまるが、上に書いたようにトラブルも多い。しかし、分類では、主な問題、つまりTSの再トレーニング（オーバーフィット）の問題を置くことができます。これ以上、重要なことがあるでしょうか？もちろん、お気に入りの品を持っているという幻想を奪われるのはいいことではありません。しかし、ここで、幸せもいいが、真実のほうがいいのか、という選択をするのです。

3つ目。分類は、「何を予測するのか」ということを具体的に問うものです。TAと比較してみましょう。指標をとっています。常にバーである[1]。現在のバーが使用されていない。H1にはどんな意味があるのでしょうか？1時間ごとの鮮度情報を使って、市場参入を 予測する!これはベストケースでの話です。

これは分類上まったく違う。ターゲット変数の現在値を取り、昨日の生データと照合し、ターゲットを1本または複数本シフトさせる。そのようなデータに当てはめたモデルを使って、次のバーが来たときに常に現実的に未来を予測するのです。

PS.

相場の急な動き（ニュース）を予測するために使うのであれば、ターゲットとなる変数を形成できれば成功するでしょうし、もっと単純なケースでは大きな問題がありますね。

[mytarmailS]

DAFomenko

例えば、金融市場にスペクトル分析を適用するというアイデアは何度も議論され、どれも一見素晴らしいツールに見えますが、他の対象については、ああでもない、こうでもないと、また提案されるのです。

????????????????????????

研究者がスペクトル解析のことを知らずにwikipediaの記事で終わってしまうと、市場に適用できないというのは同感です :)