市場のエチケット、あるいは地雷原でのマナー - ページ 18 1...111213141516171819202122232425...104 新しいコメント TheXpert 2009.05.10 13:22 #171 paralocus >> : 中性子 私もヘブのトレーニング（ワッサーマンの読み方）についてお聞きしたかったのですが。重さの補正の計算式はとてもシンプルなようです。 Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)] で勾配が落ちないようにします。うまくいくのか？ どのようなネットワークで、どのような場合に使用されるかを読み取ることができます。 Neutron 2009.05.11 08:49 #172 HideYourRichess писал(а)>> サイズが決まっているんです。また、勝敗額が正規の法則に従って分布している場合、それが固定額に相当することが疑われます。 これで、私の負け賄賂と勝ち賄賂のサイズも同じになりました。このために私は、トリックの固定サイズにそれをシャープに、すべてのTCを掘る必要がありましたが、あなたはこのケースでは正確な分析表現を持っており、さらに、長期的には、資金を再投資するとき、これとは異なる他のTSは、より収益性を与えることはありません最適なMMのすべての電力を使用することができます！このような場合、私はあなたがより多くの利益を得ることができます。しかし，一般に，この記述は正しくなく，より高いリターンの戦略が存在するのは，トレンドのある市場と高度な予測可能性（p>0.2）の場合のみであり，市場にとっては決してそうではないことに注意する必要があります．この戦略は、「損失を確定して利益を拡大させる」ことになる。 左の図は、取引レバレッジLの 値を変えたときの最適なTS利益の対数を示した、おなじみの図です。モンテカルロ法により、市場価格と同一の相場（EURUSD）でTSを運用し、手数料（Sp）を考慮した数値シミュレーションの結果を組み合わせています。平均化は200の独立した取引セッションに対して行われ、各セッションは1000の取引を持っています。初期資本を1（ln(1)=0）とし、ひげは取引結果の典型的なばらつきを1/eのレベルで示している。青色は、取引基本方程式の解析解の結果。 ...1. ところで，Edward Thorpeの著作「Kelly's Criterion in Blackjack, Sports and Stock Market」は，取引終了時の口座残高の分散に対する分析的解を提供しており， n回の 取引後に我々の口座がどの程度のバンドになるかを推定することが可能である．しかし、ソープはそれを導き出す際にミスを犯してしまい、現実と一致しない結果になってしまった。同様の関係を得ることができたので、結果を青丸の線で表現しています。数値実験の結果と見事に一致しているのがおわかりいただけると思います。ここで、資金を再投資したトレードの結果の分散を表す式があります。 ...............................................2. もちろん、私たちトレーダーにとっては、完全に破滅するリスクの分析が最大の関心事です。右の図は、最大入金額のドローダウンを現在値に対する割合で数値シミュレーションした結果です（青線）。レバレッジを大きくすればするほど、口座のドローダウンのリスクが高くなることがわかります。これらの最大ドローダウンの平均値とプロセスの分散を求めることができます（赤のデータ）。残念ながら、この取引プロセスの特性はほとんど情報にはならない。問題は、トレーダーが市場で過ごす時間が長くなればなるほど、実行された取引の数が増え、それに応じて破滅のリスクも高まるということです。つまり、倒産の事実は時間の問題なのだ!そして、どんなに慎重な戦術で取引を行っても、遅かれ早かれゼロにされてしまうのですこれは本当です。時間で止めて、クリームを取ることが重要です。いずれにせよ、最適なMMは、TSの測定パラメータ（予測可能性の度合い-pと 取引の水平線-H）において、預金の最大成長率を保証するものである。確かに預金はなくなりますが、やり直すこともできますし、福祉の全体的な成長率も（起こりうる損失を考慮した上で）自然界で可能な限り高くなるはずです 最適なMMが最大の預金増加率を保証するのは、TSが正のMOのとき、あるいは同様にp>0の ときだけであることを思い出していただきたい。そして、レバレッジと取引の水平線の最適値における預金増加率（預金倍増の特性時間の逆数の値）は、予測pの 信頼性が増すと著しく増加することに注目したい。 ...................................................................................3. - を4次パラメータとする。このような場合、できるだけ高い予測精度が得られるようなTSの開発に最大限力を注ぐことが非常に重要であり、そのためにNSの容量（隠れ層のニューロン数）を増やす必要があっても、その目的は報われるので、エネルギーと時間を惜しんではいけないのである。さて、TC最適化の目的は、最大限の機能性を見出すことです。 4. これは、H-trading horizonという1つのパラメータだけを検索して、それに対応する予測信頼度-pを 計算します。発見されたH 値は最適とされ、一般的な市場動向に変化がない限り取引される。市場は継続的にモニターされています。幸いなことに、分析的な解決策があれば、これはリソースを必要としない。 資金再投資時の最適TSはベルヌーイのTS、すなわち、注文のSLと TPが 等しく、取引結果に関する関数の最大化によって見出されるHoptと 等しいTSであることが示された。さらに、他のMMが長い時間間隔でより小さい利益を与えるように、最大の預金増加率を提供する最適なレバレッジ Loptが 存在します。 .........................................................................5. この時点で、1つの楽器で作業する場合の最適なMMのテーマは、理論的には解決し、実践的には終了したと考えることができる。指定された取引範囲Hoptに対する 価格増分予測の信頼性を最大化する問題は未解決のままである。このタスクは、トランザクションごとに再学習ブロックを持つニューラルネットワークにとっては、当然のことである。 Market etiquette or good 誤った考え、パート２統計は、偽りの科学か、暴落するなくてはならない歴史です。 戦略バランス曲線の品質評価としての R 乗 paralocus 2009.05.11 10:58 #173 Neutron >> : NSの最適な入力の問題を解決することになります。もちろん、入力にいろいろな指標をつけて、グリッドが最適なものを判断してくれることを期待してもいいのですが......。しかし、「市場における最適なTSは何か」を考えたほうがいい。その瞬間を予測したほうがいいのでは？ この作品を読むもちろん、不具合はありますが、元々ないものです。 エショフを読んでいるうちに、少なくともあのような形のインドックは全く必要ないのではないか、という疑念が湧いてきた。RSIやストキャスティックスは役に立たない:) Neutron 2009.05.12 04:00 #174 という話をずっとしてきました。 実は、TAで使われるすべての指標のうち、かなりの割合が何らかの形で価格連動平均を使って構築されているのです。例えば、RSIはプラスのレートの増分の平均とマイナスのレートの増分の平均を含んでいます。それでもいいのですが、BPを平均化しようとすると、どうしてもFPが出てしまうので、せっかくの努力が水の泡になってしまいます。そして、それは偶然ではなく、第一差の読み取り値が正の相関を持つGRに対してのみ、スムージングによるBP予測が可能であることを厳密に示すことができるのである。価格型BPの場合、この条件は決して満たされない!それゆえ、どうしても残念な結果になってしまうのです。予測のために価格系列を平均化したり、平滑化することはできません。他の分析手法も必要です。具体的には、回帰法（モデルがある場合）、ニューラルネットワーク法（モデルがない場合）などがある。 前回の記事で紹介した解析解の良さは、関数（4）を明示的に得て、その最大化をNSに移し替えられることである。この場合の課題は極めてシンプルで、インターネットが落ちないようにすることです :-) paralocus 2009.05.12 09:37 #175 Neutron >> : という話をずっとしてきました。 実は、TAで使われるすべての指標のうち、かなりの割合が何らかの形で価格連動平均を使って構築されているのです。例えば、RSIはプラスのレートの増分の平均とマイナスのレートの増分の平均を含んでいます。それでもいいのですが、BPを平均化しようとすると、どうしてもFPが出てしまうので、せっかくの努力が水の泡になってしまいます。そして、それは偶然ではなく、第一差の読み取り値が正の相関を持つGRに対してのみ、スムージングによるBP予測が可能であることを厳密に示すことができるのである。価格型BPの場合、この条件は決して満たされない!それゆえ、どうしても残念な結果になってしまうのです。予測のために価格系列を平均化したり、平滑化することはできません。他の分析手法も必要です。具体的には、回帰法（モデルがある場合）、ニューラルネットワーク法（モデルがない場合）などが挙げられる。 前回の記事で紹介した解析解の良さは、関数（4）を明示的に得て、その最大化をNSに移し替えられることである。この場合のタスクは非常にシンプルで、インターネットがクラッシュしないようにすることです :-) 中性子、なんとなくわかってきたような気がする!たくさんの質問と、いくつかのアイデアもあります。 七面鳥は地獄へ!昨日、面白い実験をしました。パーセプトロンの増分を予測する能力がどの程度なのかを調べようと思ったのです。 写真は、最適化後2ヶ月間のONE !!!パーセプトロンです。ショックだ！ 質問が多いので、一度には書けません。 1.入力信号にハイパータンジェントで影響を与え、その分布密度を均一にするために、まず係数K＞1（ハイパータンジェント前）を掛ける。 多くの場合、かなり均一な分布が得られる。つまり、次のような関数が得られる：F(t) = tn(K * Y(t)).特別に研ぎ澄まされたインジケーターで、経験的にKを選択します。しかし、必ずしもそれが可能とは限りません。通常、入力信号のハイパータンジェント分布の密度は、この信号をKで乗算する前は、次のようになります。 そして、Kを掛けると次のようになります。 つまり、入力信号（そのハイパータンジェント）は、ある種、±1の範囲に引き伸ばされる。 しかし、BPインクリメントの場合、一様分布に還元できない信号が得られます。 乗算前の信号がこちらです。 乗算後：（私のインジケータでは、真ん中が「消える」ので、これを見ることは常に可能ではありません）。 入力の白色化が学習の質とその結果としての予測可能性に大きく影響することはもうわかったので、信号の乗算以外の方法はないのでしょうか。 そうでない場合は、どうすればいいのか？ paralocus 2009.05.12 11:25 #176 Neutron >> : 前回の記事であげた解析解の良さは、関数(4)を明示的に得て、その最大化をNSに移し替えることができることです。この場合、私たちの仕事はとてもシンプルで、インターネットが落ちないようにすることです :-) このスレッドのメインテーマは、私はすでに評価する機会を得ました-:)あなたは天才です！冗談抜きで。 思いついたことがあります。かなり、新鮮です。昨夜は "ショート "してしまいました...。私の個人的な神経ネットワークのすべてのレベルで -:) 私が生涯をかけて研究してきたのは、人間を社会的・個人的な実現という文脈だけでなく、存在の全体的な現象、「意識の器」として研究してきた点である。一夜にして、私が長年集めてきたすべてのものが、構造化された事実と仮定の集まりから、一体化した全体へと体系化（自己組織化）されたのです。 喜びを隠せません!まあ、いいや...。は余談でしたね。 発想はシンプルです。 規模や目的を問わず、NSの堅牢性を高めるには、感染させる工夫をしなければ...。を感染させる。チューリングマシンの決定論的論理にとって、ウイルスは確かに致命的です。NSや人工知能にとっては、適切に「投与」すれば、ただの「生きた水」になるのかもしれません。では、ひとつひとつお話ししていきましょう。 1.すべての生物はニューラルネットワークのエッセンスである。大胆すぎる発言と思われるかもしれないが、これは現象学的な事実である。 2.すべての生物は、学習するために攻撃的な環境に置かれます。私たちはそれを進化と呼んでいます。ただ、形の進化とともに、その形に内包される個々の意識も絶えず進化していることを忘れてはならない。意識そのものは、システム（神経回路網）の複雑さの効果であり、その進化的な「プランク」（：）は、システムの複雑さとシステムのエントロピーの比であると私は推測しています。 3.エントロピーがある限界値以下になった系は、それ以上進化できないので滅びますが、エントロピーがある限界値以上になった系も自滅します。したがって、結論としては、あるシステムがうまく進化するためには、そのエントロピーが、ある期間、周期的に、与えられたシステムにおける許容値の限界に到達する必要がある。そのような状態を私たちは「病気」と呼んでいます。病気といっても広い意味で、健康そうに見える犯罪者が病気なのです。ただ、病気なのは体ではなく、心であり、受ける痛みは、ほとんどが熱やインフルエンザという形ではなく、いわゆる「重い十字架」「運命」などという形である。しかし、この「社会的」な痛みは、進化の連続体の一種の教育的影響であり、生き物のエントロピーを耐えられる限界まで引き上げてしまうのだ。これは、先生とその目的についての哲学的な質問を提起するものです...しかし、それは、我々のフォーラムの議論の範囲をはるかに超えています -:). 4.生き残るものは - 免疫を発達させている - 広い意味で - すなわち、病原性の細菌や社会に対してだけでなく、進化にとってより重要な - 取引外部と取引内部。 5.どんな生命体にも、免疫力が十分に低下すれば必ず死んでしまう、そんな「微生物」が存在するのです。なぜ、自然はそのようなことをしたのでしょうか。同じシステムが環境の要因に抵抗する能力を高めるため、すなわち、生存のためのシステムの絶え間ない内部「訓練」によって、個体進化を継続する機会（時間）を増やすためである。 6.進化するシステムの課題は、（あらゆる意味での）免疫を発達させることだと仮定してみよう。ところが、面白いことに、生きているNSの入力の数、出力の数（さらに少ない）は、その神経細胞や接続の数に比べて、とんでもなく少ないことがわかったのですつまり、中間層（入力、隠れ、出力の3層がある場合）のニューロンの数を急激に増やし、今度はNSに「感染」させてみるのです。これは、重さの補正の際に、計量されたランダムな誤差を導入することで実現できますさらに、このランダムエラーの頻度や振幅を増減させることで、NSの代替トレーニングも可能である。 例えば、重みの補正を行う前に、1000回呼び出すごとに（ランダムに）ある範囲からランダムな値（例えば +0.01 / -0.01 ）を返すような関数で補正器に小さな誤差を追加してみることができます。いつ、どのニューロンで小さな誤増分が発生するかはわからない。このような増分が頻繁に起こるほど、システムのエントロピーは高くなる。この場合、NSが考慮しなければならないのは...。己の過失だ！ そんな思いが...。 実践的なアドバイスをお願いします。 [ARCHIVE]フォーラムを乱立させないために、どんなルーキーの質問でも。プロフェッショナルの皆さん、通り過ぎないでください。あなたなしではどこにも行けない - 5. Live LAVINAシステムで取引しているのは誰ですか？誰か損した人いないの？ Hide 2009.05.12 11:39 #177 Neutron >> : これは、1つの小さなことを除けば、すべて素晴らしいことです。元の計算式に間違いがあります。要は、1+(L*(σ*H-Sp)/S)という式は、取引ごとのキャピタルゲインとは等しくないということで、この式を代わりに使おうとしているのです。正直、「当たり前」と捉えた根拠が理解できません。それが1点目です。第二に、通貨ペアによって計算式を変えなければならないことです。計算式は、「ダイレクトクォート」「インバースクォート」「クロスレート」のペアの3種類のみです。例えば、「ストレート・クォート」のペアの場合、総資本に対する利得の割合は、以下のように計算することができます。(TakeProfit-Spread)*size_one_lot*number_of_lots/deposit.これに対応して、ゲイン比を求めるには、式に1を加える。size_one_lot*number_lots "という表現は、レバレッジを考慮した取引に関わるお金の量です。もっと一般的に言えば、直接相場については、決算＝（売値 -買値）×ロット数×ロットの大きさ-手数料×ロット数±銀行利息という 計算式が記事のどこかにあったはずだ。この式では、スプレッドがそのまま価格に織り込まれている。 Neutron 2009.05.12 13:08 #178 HideYourRichess писал(а)>> ひとつだけ小さなことを除けば、すべて素晴らしいことです。元の計算式に間違いがあります。要は、 1+(L*(σ*H-Sp)/S) は、あなたが使おうとしているトレードごとのキャピタルゲインとは等しくないということです。 HideYourRichess さん、わざわざ計算を確認していただき、ありがとうございました。他人の計算を確認することの辛さはよくわかる。もちろん、数式やそれを導き出す前提に誤りがないとは言い切れませんので、解析解の結果は数値実験によって確認するようにしています。今回のケースでは、離散的な価格上昇のプロセスを、均等な上昇ステップ H ポイントでモデル化しました。さらに、予想される増分は前の増分に依存することが決まっており、p= 連続するすべての増分の合計を すべての動作の倍数で割ったものである。実際のマーケットクオーティエントについても同様の内訳を表示し、対応する係数pを 求めることができる。 そのため、数値モデリングの結果は、私が得た解析解の結果と完全に一致しています（上の左図参照）。したがって、この問題の定式化とその解析解に誤りはないのですこのモデルの現実への対応について議論することは可能ですが、ここでは何の問題もありません。この分割を商に実装すれば、いつでもpを 求めることができます。 paralocus さんが書き込みました もう、このスレの本題をなんとか評価したいところです ありがたいお言葉ですが、微分の取り方、関数の極値の求め方を知っていて、何が特別なんでしょうか？多くの人は、詳細な分析に携わりたくないだけで、採石場に直行する方が簡単なのです。 上に書いてあることは、後でじっくり考えてみます。 paralocus 2009.05.12 13:46 #179 Neutron >> : 嬉しいお言葉をありがとうございます... ありがとうございました。 もうひとつご紹介しましょう。 1.システムに感染させるもう1つの方法は、ニューロンやニューロン群、つまり器官に追加のランダムな入力を導入することである。 2.「つまり、各器官ニューロンは、そのグループ（器官またはファミリー）の他のニューロンの出力にあるものを「知って」おり、各グループは器官の出力にあるものを知っているのである。このようなNSは、ダイナミックな自己適応が可能で、学習の必要性が支配的なものの一つとなる。つまり、システムは意図的かつ自己動機的に必要な知識を探し、一般化することができるのだ。私たちの仕事は、そのための障害物を作り、あちこちに知識の断片を散りばめることです -:) Hide 2009.05.12 13:54 #180 Neutron >> : つまり、数値シミュレーションの結果は、私が得た解析解の結果と完全に一致するのです（上図左参照）。したがって、この問題の定式化と得られた解析解に誤りはないのですモデルと現実の対応について議論することは可能ですが、ここでは全く問題がありません。この分割は常に商で実装できますし、pを見つけることにも問題はありません。 レバレッジとそれに関連する「トリック」については、ここに 少し書かれています。トレーディングサーバーエミュレーターでのシミュレーションです。 1...111213141516171819202122232425...104 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
中性子 私もヘブのトレーニング（ワッサーマンの読み方）についてお聞きしたかったのですが。重さの補正の計算式はとてもシンプルなようです。
Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)] で勾配が落ちないようにします。うまくいくのか？
どのようなネットワークで、どのような場合に使用されるかを読み取ることができます。
サイズが決まっているんです。また、勝敗額が正規の法則に従って分布している場合、それが固定額に相当することが疑われます。
これで、私の負け賄賂と勝ち賄賂のサイズも同じになりました。このために私は、トリックの固定サイズにそれをシャープに、すべてのTCを掘る必要がありましたが、あなたはこのケースでは正確な分析表現を持っており、さらに、長期的には、資金を再投資するとき、これとは異なる他のTSは、より収益性を与えることはありません最適なMMのすべての電力を使用することができます！このような場合、私はあなたがより多くの利益を得ることができます。しかし，一般に，この記述は正しくなく，より高いリターンの戦略が存在するのは，トレンドのある市場と高度な予測可能性（p>0.2）の場合のみであり，市場にとっては決してそうではないことに注意する必要があります．この戦略は、「損失を確定して利益を拡大させる」ことになる。
左の図は、取引レバレッジLの 値を変えたときの最適なTS利益の対数を示した、おなじみの図です。モンテカルロ法により、市場価格と同一の相場（EURUSD）でTSを運用し、手数料（Sp）を考慮した数値シミュレーションの結果を組み合わせています。平均化は200の独立した取引セッションに対して行われ、各セッションは1000の取引を持っています。初期資本を1（ln(1)=0）とし、ひげは取引結果の典型的なばらつきを1/eのレベルで示している。青色は、取引基本方程式の解析解の結果。
ところで，Edward Thorpeの著作「Kelly's Criterion in Blackjack, Sports and Stock Market」は，取引終了時の口座残高の分散に対する分析的解を提供しており， n回の 取引後に我々の口座がどの程度のバンドになるかを推定することが可能である．しかし、ソープはそれを導き出す際にミスを犯してしまい、現実と一致しない結果になってしまった。同様の関係を得ることができたので、結果を青丸の線で表現しています。数値実験の結果と見事に一致しているのがおわかりいただけると思います。ここで、資金を再投資したトレードの結果の分散を表す式があります。
もちろん、私たちトレーダーにとっては、完全に破滅するリスクの分析が最大の関心事です。右の図は、最大入金額のドローダウンを現在値に対する割合で数値シミュレーションした結果です（青線）。レバレッジを大きくすればするほど、口座のドローダウンのリスクが高くなることがわかります。これらの最大ドローダウンの平均値とプロセスの分散を求めることができます（赤のデータ）。残念ながら、この取引プロセスの特性はほとんど情報にはならない。問題は、トレーダーが市場で過ごす時間が長くなればなるほど、実行された取引の数が増え、それに応じて破滅のリスクも高まるということです。つまり、倒産の事実は時間の問題なのだ!そして、どんなに慎重な戦術で取引を行っても、遅かれ早かれゼロにされてしまうのですこれは本当です。時間で止めて、クリームを取ることが重要です。いずれにせよ、最適なMMは、TSの測定パラメータ（予測可能性の度合い-pと 取引の水平線-H）において、預金の最大成長率を保証するものである。確かに預金はなくなりますが、やり直すこともできますし、福祉の全体的な成長率も（起こりうる損失を考慮した上で）自然界で可能な限り高くなるはずです
最適なMMが最大の預金増加率を保証するのは、TSが正のMOのとき、あるいは同様にp>0の ときだけであることを思い出していただきたい。そして、レバレッジと取引の水平線の最適値における預金増加率（預金倍増の特性時間の逆数の値）は、予測pの 信頼性が増すと著しく増加することに注目したい。
- を4次パラメータとする。このような場合、できるだけ高い予測精度が得られるようなTSの開発に最大限力を注ぐことが非常に重要であり、そのためにNSの容量（隠れ層のニューロン数）を増やす必要があっても、その目的は報われるので、エネルギーと時間を惜しんではいけないのである。さて、TC最適化の目的は、最大限の機能性を見出すことです。
これは、H-trading horizonという1つのパラメータだけを検索して、それに対応する予測信頼度-pを 計算します。発見されたH 値は最適とされ、一般的な市場動向に変化がない限り取引される。市場は継続的にモニターされています。幸いなことに、分析的な解決策があれば、これはリソースを必要としない。
資金再投資時の最適TSはベルヌーイのTS、すなわち、注文のSLと TPが 等しく、取引結果に関する関数の最大化によって見出されるHoptと 等しいTSであることが示された。さらに、他のMMが長い時間間隔でより小さい利益を与えるように、最大の預金増加率を提供する最適なレバレッジ Loptが 存在します。
この時点で、1つの楽器で作業する場合の最適なMMのテーマは、理論的には解決し、実践的には終了したと考えることができる。指定された取引範囲Hoptに対する 価格増分予測の信頼性を最大化する問題は未解決のままである。このタスクは、トランザクションごとに再学習ブロックを持つニューラルネットワークにとっては、当然のことである。
NSの最適な入力の問題を解決することになります。もちろん、入力にいろいろな指標をつけて、グリッドが最適なものを判断してくれることを期待してもいいのですが......。しかし、「市場における最適なTSは何か」を考えたほうがいい。その瞬間を予測したほうがいいのでは？
この作品を読むもちろん、不具合はありますが、元々ないものです。
エショフを読んでいるうちに、少なくともあのような形のインドックは全く必要ないのではないか、という疑念が湧いてきた。RSIやストキャスティックスは役に立たない:)
という話をずっとしてきました。
実は、TAで使われるすべての指標のうち、かなりの割合が何らかの形で価格連動平均を使って構築されているのです。例えば、RSIはプラスのレートの増分の平均とマイナスのレートの増分の平均を含んでいます。それでもいいのですが、BPを平均化しようとすると、どうしてもFPが出てしまうので、せっかくの努力が水の泡になってしまいます。そして、それは偶然ではなく、第一差の読み取り値が正の相関を持つGRに対してのみ、スムージングによるBP予測が可能であることを厳密に示すことができるのである。価格型BPの場合、この条件は決して満たされない!それゆえ、どうしても残念な結果になってしまうのです。予測のために価格系列を平均化したり、平滑化することはできません。他の分析手法も必要です。具体的には、回帰法（モデルがある場合）、ニューラルネットワーク法（モデルがない場合）などがある。
前回の記事で紹介した解析解の良さは、関数（4）を明示的に得て、その最大化をNSに移し替えられることである。この場合の課題は極めてシンプルで、インターネットが落ちないようにすることです :-)
という話をずっとしてきました。
実は、TAで使われるすべての指標のうち、かなりの割合が何らかの形で価格連動平均を使って構築されているのです。例えば、RSIはプラスのレートの増分の平均とマイナスのレートの増分の平均を含んでいます。それでもいいのですが、BPを平均化しようとすると、どうしてもFPが出てしまうので、せっかくの努力が水の泡になってしまいます。そして、それは偶然ではなく、第一差の読み取り値が正の相関を持つGRに対してのみ、スムージングによるBP予測が可能であることを厳密に示すことができるのである。価格型BPの場合、この条件は決して満たされない!それゆえ、どうしても残念な結果になってしまうのです。予測のために価格系列を平均化したり、平滑化することはできません。他の分析手法も必要です。具体的には、回帰法（モデルがある場合）、ニューラルネットワーク法（モデルがない場合）などが挙げられる。
前回の記事で紹介した解析解の良さは、関数（4）を明示的に得て、その最大化をNSに移し替えられることである。この場合のタスクは非常にシンプルで、インターネットがクラッシュしないようにすることです :-)
中性子、なんとなくわかってきたような気がする!たくさんの質問と、いくつかのアイデアもあります。
七面鳥は地獄へ!昨日、面白い実験をしました。パーセプトロンの増分を予測する能力がどの程度なのかを調べようと思ったのです。
写真は、最適化後2ヶ月間のONE !!!パーセプトロンです。ショックだ！
質問が多いので、一度には書けません。
1.入力信号にハイパータンジェントで影響を与え、その分布密度を均一にするために、まず係数K＞1（ハイパータンジェント前）を掛ける。
多くの場合、かなり均一な分布が得られる。つまり、次のような関数が得られる：F(t) = tn(K * Y(t)).特別に研ぎ澄まされたインジケーターで、経験的にKを選択します。しかし、必ずしもそれが可能とは限りません。通常、入力信号のハイパータンジェント分布の密度は、この信号をKで乗算する前は、次のようになります。
そして、Kを掛けると次のようになります。
つまり、入力信号（そのハイパータンジェント）は、ある種、±1の範囲に引き伸ばされる。
しかし、BPインクリメントの場合、一様分布に還元できない信号が得られます。
乗算前の信号がこちらです。
乗算後：（私のインジケータでは、真ん中が「消える」ので、これを見ることは常に可能ではありません）。
入力の白色化が学習の質とその結果としての予測可能性に大きく影響することはもうわかったので、信号の乗算以外の方法はないのでしょうか。
そうでない場合は、どうすればいいのか？
前回の記事であげた解析解の良さは、関数(4)を明示的に得て、その最大化をNSに移し替えることができることです。この場合、私たちの仕事はとてもシンプルで、インターネットが落ちないようにすることです :-)
このスレッドのメインテーマは、私はすでに評価する機会を得ました-:)あなたは天才です！冗談抜きで。
思いついたことがあります。かなり、新鮮です。昨夜は "ショート "してしまいました...。私の個人的な神経ネットワークのすべてのレベルで -:)
私が生涯をかけて研究してきたのは、人間を社会的・個人的な実現という文脈だけでなく、存在の全体的な現象、「意識の器」として研究してきた点である。一夜にして、私が長年集めてきたすべてのものが、構造化された事実と仮定の集まりから、一体化した全体へと体系化（自己組織化）されたのです。
喜びを隠せません!まあ、いいや...。は余談でしたね。
発想はシンプルです。
規模や目的を問わず、NSの堅牢性を高めるには、感染させる工夫をしなければ...。を感染させる。チューリングマシンの決定論的論理にとって、ウイルスは確かに致命的です。NSや人工知能にとっては、適切に「投与」すれば、ただの「生きた水」になるのかもしれません。では、ひとつひとつお話ししていきましょう。
1.すべての生物はニューラルネットワークのエッセンスである。大胆すぎる発言と思われるかもしれないが、これは現象学的な事実である。
2.すべての生物は、学習するために攻撃的な環境に置かれます。私たちはそれを進化と呼んでいます。ただ、形の進化とともに、その形に内包される個々の意識も絶えず進化していることを忘れてはならない。意識そのものは、システム（神経回路網）の複雑さの効果であり、その進化的な「プランク」（：）は、システムの複雑さとシステムのエントロピーの比であると私は推測しています。
3.エントロピーがある限界値以下になった系は、それ以上進化できないので滅びますが、エントロピーがある限界値以上になった系も自滅します。したがって、結論としては、あるシステムがうまく進化するためには、そのエントロピーが、ある期間、周期的に、与えられたシステムにおける許容値の限界に到達する必要がある。そのような状態を私たちは「病気」と呼んでいます。病気といっても広い意味で、健康そうに見える犯罪者が病気なのです。ただ、病気なのは体ではなく、心であり、受ける痛みは、ほとんどが熱やインフルエンザという形ではなく、いわゆる「重い十字架」「運命」などという形である。しかし、この「社会的」な痛みは、進化の連続体の一種の教育的影響であり、生き物のエントロピーを耐えられる限界まで引き上げてしまうのだ。これは、先生とその目的についての哲学的な質問を提起するものです...しかし、それは、我々のフォーラムの議論の範囲をはるかに超えています -:).
4.生き残るものは - 免疫を発達させている - 広い意味で - すなわち、病原性の細菌や社会に対してだけでなく、進化にとってより重要な - 取引外部と取引内部。
5.どんな生命体にも、免疫力が十分に低下すれば必ず死んでしまう、そんな「微生物」が存在するのです。なぜ、自然はそのようなことをしたのでしょうか。同じシステムが環境の要因に抵抗する能力を高めるため、すなわち、生存のためのシステムの絶え間ない内部「訓練」によって、個体進化を継続する機会（時間）を増やすためである。
6.進化するシステムの課題は、（あらゆる意味での）免疫を発達させることだと仮定してみよう。ところが、面白いことに、生きているNSの入力の数、出力の数（さらに少ない）は、その神経細胞や接続の数に比べて、とんでもなく少ないことがわかったのですつまり、中間層（入力、隠れ、出力の3層がある場合）のニューロンの数を急激に増やし、今度はNSに「感染」させてみるのです。これは、重さの補正の際に、計量されたランダムな誤差を導入することで実現できますさらに、このランダムエラーの頻度や振幅を増減させることで、NSの代替トレーニングも可能である。
例えば、重みの補正を行う前に、1000回呼び出すごとに（ランダムに）ある範囲からランダムな値（例えば +0.01 / -0.01 ）を返すような関数で補正器に小さな誤差を追加してみることができます。いつ、どのニューロンで小さな誤増分が発生するかはわからない。このような増分が頻繁に起こるほど、システムのエントロピーは高くなる。この場合、NSが考慮しなければならないのは...。己の過失だ！
そんな思いが...。
これは、1つの小さなことを除けば、すべて素晴らしいことです。元の計算式に間違いがあります。要は、1+(L*(σ*H-Sp)/S)という式は、取引ごとのキャピタルゲインとは等しくないということで、この式を代わりに使おうとしているのです。正直、「当たり前」と捉えた根拠が理解できません。それが1点目です。第二に、通貨ペアによって計算式を変えなければならないことです。計算式は、「ダイレクトクォート」「インバースクォート」「クロスレート」のペアの3種類のみです。例えば、「ストレート・クォート」のペアの場合、総資本に対する利得の割合は、以下のように計算することができます。(TakeProfit-Spread)*size_one_lot*number_of_lots/deposit.これに対応して、ゲイン比を求めるには、式に1を加える。size_one_lot*number_lots "という表現は、レバレッジを考慮した取引に関わるお金の量です。もっと一般的に言えば、直接相場については、決算＝（売値 -買値）×ロット数×ロットの大きさ-手数料×ロット数±銀行利息という 計算式が記事のどこかにあったはずだ。この式では、スプレッドがそのまま価格に織り込まれている。
ひとつだけ小さなことを除けば、すべて素晴らしいことです。元の計算式に間違いがあります。要は、 1+(L*(σ*H-Sp)/S) は、あなたが使おうとしているトレードごとのキャピタルゲインとは等しくないということです。
HideYourRichess さん、わざわざ計算を確認していただき、ありがとうございました。他人の計算を確認することの辛さはよくわかる。もちろん、数式やそれを導き出す前提に誤りがないとは言い切れませんので、解析解の結果は数値実験によって確認するようにしています。今回のケースでは、離散的な価格上昇のプロセスを、均等な上昇ステップ H ポイントでモデル化しました。さらに、予想される増分は前の増分に依存することが決まっており、p= 連続するすべての増分の合計を すべての動作の倍数で割ったものである。実際のマーケットクオーティエントについても同様の内訳を表示し、対応する係数pを 求めることができる。
そのため、数値モデリングの結果は、私が得た解析解の結果と完全に一致しています（上の左図参照）。したがって、この問題の定式化とその解析解に誤りはないのですこのモデルの現実への対応について議論することは可能ですが、ここでは何の問題もありません。この分割を商に実装すれば、いつでもpを 求めることができます。
もう、このスレの本題をなんとか評価したいところです
ありがたいお言葉ですが、微分の取り方、関数の極値の求め方を知っていて、何が特別なんでしょうか？多くの人は、詳細な分析に携わりたくないだけで、採石場に直行する方が簡単なのです。
上に書いてあることは、後でじっくり考えてみます。
嬉しいお言葉をありがとうございます...
ありがとうございました。
もうひとつご紹介しましょう。
1.システムに感染させるもう1つの方法は、ニューロンやニューロン群、つまり器官に追加のランダムな入力を導入することである。
2.「つまり、各器官ニューロンは、そのグループ（器官またはファミリー）の他のニューロンの出力にあるものを「知って」おり、各グループは器官の出力にあるものを知っているのである。このようなNSは、ダイナミックな自己適応が可能で、学習の必要性が支配的なものの一つとなる。つまり、システムは意図的かつ自己動機的に必要な知識を探し、一般化することができるのだ。私たちの仕事は、そのための障害物を作り、あちこちに知識の断片を散りばめることです -:)
つまり、数値シミュレーションの結果は、私が得た解析解の結果と完全に一致するのです（上図左参照）。したがって、この問題の定式化と得られた解析解に誤りはないのですモデルと現実の対応について議論することは可能ですが、ここでは全く問題がありません。この分割は常に商で実装できますし、pを見つけることにも問題はありません。
レバレッジとそれに関連する「トリック」については、ここに 少し書かれています。トレーディングサーバーエミュレーターでのシミュレーションです。