フィッティングと実際のパターンの境界線はどこにあるのでしょうか？ - ページ 50 1...434445464748495051525354555657...64 新しいコメント Vladimir Gomonov 2011.01.29 23:06 #491 Gerasimm: ええ、それは承知しています。そんなことはしない。しかし、コンピュータが外見的特徴によって猫と区別するまでは、悩むだけ無駄である。そうなれば、市場はまったく違った様相を呈するだろう......。:о) "テールアフテレクション "は、最適化されたTSではよくある現象なので、実証することすらつまらないのです。 実際に検出しない方法は、利益ではなく、パターンが存在しないことを証明することを追い求めるしかないのです。 頑張ってください。 削除済み 2011.01.30 02:12 #492 考えて考えて、たどり着いたのは、「パターン探しは、フィッティングよりももう少し "深い "ところにあるのでは？私が行っている実験を例にとって説明しましょう。私が使っているニューラルネットがあります。普段は1〜2時間程度トレーニングしています。だいたい3～5割の結果を出して、フォワードテスト（訓練期間の1/6）に無事合格するんです。特定するための問題、単純な推測はこの場合不利に働く。4時間教えてみた - 悲しいかな、成功したフォワーダーは2割程度。結論：再トレーニング、フィッティングがなくなりました。イライラして...。は、トレーニングを続けることにした。12時間、同20％。24時間、また20％ですが、トレーニング期間より若干悪い程度でフォワードを通過していることに気がつきました。以前は、最高の結果でもパフォーマンスの低下が目立っていたのですが、実はこの20％が全セットの中で最も良いトレーニング結果だったのです。以前は、ほぼ均等に 分散していたのですが。面白くなってきた。これまでに72時間近くを費やしてきたトレーニング。なんと、上位200件のうち、123件以上がフォワードテストに合格しているのです。推理ゲームを有利に進めてみてはいかがでしょうか。 学習時間を長くすることで、サンプル期間での結果は徐々に改善された。それは当然のことです。72時間の結果は、2時間の結果を4倍以上上回った。OOSの結果も最終的には改善されましたが、そこには漸進性というものはなく、明らかな失敗があったのです。__________ これは何を意味するのでしょうか？ 悲しくも明白な選択肢：不完全なトレーニング方法と過負荷のNSについて）クラシックGAはNSを教えるには少し重いですが、はい、微調整することがたくさんあります...。NSは自由度が高く、NSの入力も明らかに冗長で、すべてが十分な情報量とは言えない、NSは学習過程でかなり「除外」しているのである。また、アーキテクチャの実験もできました。楽観的かつ時期尚早：「直感」で規則性を見極めることができるTSは、訓練期間中に最高の結果を出すために、そうすることが「義務」になっているに過ぎない。もちろん、これらのパターンがこの結果に意味を持つのであれば、ですが。 Роман 2011.01.30 02:40 #493 MetaDriver: タグこの議論・ホリエモンが真理の探究・誕生とどう関係するのかわかりませんが、このスレッドのトピックに対する答えを自分で確認できたような気がします。 境界はグラフの左側部分と右側部分の間にあり、次のように定義される。 もし、この特定のTSが、チャートの左側で最適化され、チャートの右側で統計的に 「利益尾行」** する傾向が あるならば、そこにはパターンがあるのです。 そうでなければ、無駄なフィッティングです。 // 統計的な傾向がある* - ここでは、複数の（1 ）最適化タイムフレームの シフトと（2）取引商品の 変更を意味します。 //"Profit-tail "** - "後遺症".隣接する将来セグメントでの統計的なプラス収益性。 この定義では、「永遠」のパターンと「時間」の パターンの両方の可能性が考慮されています。 マークされた線は、定性的には正確です。 あとは、定量的な評価（寿命、発現の程度など）だけです。ゴミ箱でもいい。 100％同意します。 ジェラシムは、規則性を探し、等化し、線を消すという、やや異なる 概念のフィッティングを行っている。 ただ、履歴にフィッティングする場合、システムはフォワードで負けるが、最適化期間中に本当の規則性に「チューニング」する場合、フォワードで利益が出る（少なくとも最適化期間の25％までは）、という点で異なるのである。 これはまさに、あなたが書いていた エッジ です。もうひとつは、本当のパターンを探す（チューニングする）ことを、歴史に基づくフィッティングにしないためには どう したらいいかということです。 ここですでに、最適化時間、入力パラメータ変更のステップ、入力パラメータの準備などに依存し、主題にある誰もが知っていると指導されています... 繰り返しになりますが、このテーマ（「どのように...」）については、こちらで より詳しくご覧いただけます。 Vladimir Gomonov 2011.01.30 02:43 #494 Figar0: 1. これまで72時間近くをトレーニングに費やした。上位200件のうち、123件以上がフォワードテストに合格しているのです。推理ゲームを有利に進めてみてはいかがでしょうか。 トレーニング時間を増やすことで、Sample periodでの結果が徐々に改善された。それは当然のことです。72時間の結果は、2時間の結果を4倍以上上回った。OOSの結果も長い目で見れば改善されましたが、漸進性などというものはなく、明らかな失敗でした。 __________ 2.これで何がわかるのか？ 1.もし、この「奇跡」が、異なる時代、異なる種類の 装置で再現されることがわかれば、得られた結果の規則性を語ることができる。 2.今のところ、ほとんど何もありません。ポイント1参照。 削除済み 2011.01.30 03:40 #495 Где грань между подгонкой и реальными закономерностями?論理的に推論してみる。 1）パターンとは？一定の条件下で同じ価格行動をとること。 2) 条件とは何でしょうか？価格チャートの特徴をいくつかピックアップしてご紹介します。 3) 価格チャートの特性は一定か？一般に一定しない。 4) 特性はどのように定義されるのか？時間帯別、価格帯別の特徴。 5) したがって、同じ価格行動が可能なのはどのような場合か。指標が一定でない（異なる）場合に可能です。 6) 非変動体指標の特徴とは？指標の変化を表す時間・価格駆動型プロセスの特徴。 7) したがって、市場のパターンとは 何でしょうか？規則性とは、時間と価格を考慮したプロセス特性に一定の変化があった場合に、価格が同じ挙動を示すことであり、規則性を記述する価格チャート上の指標の変化を記述したものである。 規則性がフィッティングと異なるのは、規則性実現の条件（同じ挙動）がある法則に従って価格チャートの変化と同期して変化するが、フィッティングでは同じことが変化しない点であることが判明した。市場には変数よりも定数特性がはるかに少ないため、静的に決定された条件では、ほとんど規則性を表現できないことが判明した。そこでFringeは、動的解析システムをパターン描写に最も適したタイプとして選んだ。 Vladimir Paukas 2011.01.30 06:00 #496 Gerasimm: ええ、それは承知しています。やめておこう。でも、コンピュータが見た目で猫を見分けられなくなるまでは、意味がない。 そして、そうなったとき、市場はまったく違った様相を見せるだろう......。:о) 猫って関係あるんですか？ Yury Reshetov 2011.01.30 09:37 #497 -Aleksey-:論理的に推論してみる。1）パターンとは？一定の条件下で同じ価格行動をとること。一定の条件下では、価格を同一にすることはできません。簡単に言えば、歴史が1ピップ以内の誤差で繰り返される確率は限りなく0に近いということです。その理由は、引用文にノイズが含まれているからです。 TAは、過去にあった何かを未来に利用するために、その何かを探すことが基本ですから。 1.ノイズ - 記憶のない過去のいくつかのパターン - ランダムなプロセス。分散があるので、過去のデータのパターンは、密集した後、空っぽになるという偏在がある。ある価格行動に先行するノイズパターンが高い確率で蓄積されているため、最適化（トレーニング）中にこれらのパターンそのものを「売買シグナル」とみなすことができるのである。当然、このような「パターン」はフォワードテストを通過する可能性は極めて低く、過去のデータの異なる部分に過剰に蓄積されることは考えにくいし、安定した因果関係の不在、すなわち記憶が損失を与えることになるからだ。 2.本物の売買シグナル - 将来の価格行動を先行させる過去のパターン、すなわち記憶を持つ非ランダムなプロセス。これらのパターンは売買シグナルに先行するため、一様に 蓄積される。つまり、まずパターン、次に売買シグナルという安定した因果関係である（不安定な場合は、もはやパターンとは言えない）。もし、TSがこれらのパターンを少なくとも部分的に明らかにすれば、フォワードテストに合格することができる。 理論的には、パターンからノイズを除去することも可能です。すなわち、フォワードテスト上のすべての売買シグナルを2つのカテゴリーに分けます。 1.信号がロス-ノイズを示す 2.シグナルが利益をもたらした-パターン そうすると、例えば、NSにノイズとパターンを区別するための属性を追加して教えることができる。その結果、ノイズサプレッサー付きのTSが得られる。何％かのノイズは漏れるが、自然界に100％ノイズを抑制するものは存在しない。 要するに、バザーはフォワードテストの結果によってフィルタリングされるべきなのです。アウトオブサンプル、つまりOOSですが、代表的なサンプルではありません。サンプルです。多くの人が試みているように、サンプルで信号をフィルタリングすると、2乗フィットになります。 削除済み 2011.01.30 09:58 #498 Reshetov: 1.信号が損失-ノイズを与えた 2.シグナルが利益をもたらした-パターン フハハハハ 動物を「有害なもの」と「有用なもの」に分けるようなものだ...。だからここでも-値動きがある...。でも、それで1円でも儲かったら、「正統派」と見下して......。そうでなければ、意味のない「雑音」です。もちろん、それで気分が良くなったわけではなく、事故に違いないのですが......。 シャーマン！人間中心主義者！？神様を怒らせてはいけない! :) Vladimir Paukas 2011.01.30 10:57 #499 市場に雑音はない。ノイズはすべて頭の中にあるだけです。 削除済み 2011.01.30 10:58 #500 paukas: 猫って関係あるんですか？ 歌でお答えします( 残酷なエドワード)・・・。猫がいなくてもいいのですが、ポイントは変わりません...。機械に定規で魂を測らせ...規則性を明らかにしようとするのです。それらは間違いなく存在するのですが、一度に全部見るか（かなりのリソースを消費します）、今の話にわざわざ一つ以上の機器を追加しなくても、百発百中なので、実はブラウン運動なので、断片的な結果しか得られないのです。例えばここ（+/-/++/---/+/-/+/-/）のように、視覚的にはプラスが多いように見えるのは、それを望んでいるからで、実際はそうではないのですが......。 おそらく次の質問は、「曲はどこだ？:о)) 1...434445464748495051525354555657...64 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
ええ、それは承知しています。そんなことはしない。しかし、コンピュータが外見的特徴によって猫と区別するまでは、悩むだけ無駄である。そうなれば、市場はまったく違った様相を呈するだろう......。:о)
"テールアフテレクション "は、最適化されたTSではよくある現象なので、実証することすらつまらないのです。
実際に検出しない方法は、利益ではなく、パターンが存在しないことを証明することを追い求めるしかないのです。
頑張ってください。
考えて考えて、たどり着いたのは、「パターン探しは、フィッティングよりももう少し "深い "ところにあるのでは？私が行っている実験を例にとって説明しましょう。私が使っているニューラルネットがあります。普段は1〜2時間程度トレーニングしています。だいたい3～5割の結果を出して、フォワードテスト（訓練期間の1/6）に無事合格するんです。特定するための問題、単純な推測はこの場合不利に働く。4時間教えてみた - 悲しいかな、成功したフォワーダーは2割程度。結論：再トレーニング、フィッティングがなくなりました。イライラして...。は、トレーニングを続けることにした。12時間、同20％。24時間、また20％ですが、トレーニング期間より若干悪い程度でフォワードを通過していることに気がつきました。以前は、最高の結果でもパフォーマンスの低下が目立っていたのですが、実はこの20％が全セットの中で最も良いトレーニング結果だったのです。以前は、ほぼ均等に 分散していたのですが。面白くなってきた。これまでに72時間近くを費やしてきたトレーニング。なんと、上位200件のうち、123件以上がフォワードテストに合格しているのです。推理ゲームを有利に進めてみてはいかがでしょうか。
学習時間を長くすることで、サンプル期間での結果は徐々に改善された。それは当然のことです。72時間の結果は、2時間の結果を4倍以上上回った。OOSの結果も最終的には改善されましたが、そこには漸進性というものはなく、明らかな失敗があったのです。
__________
これは何を意味するのでしょうか？
悲しくも明白な選択肢：不完全なトレーニング方法と過負荷のNSについて）クラシックGAはNSを教えるには少し重いですが、はい、微調整することがたくさんあります...。NSは自由度が高く、NSの入力も明らかに冗長で、すべてが十分な情報量とは言えない、NSは学習過程でかなり「除外」しているのである。また、アーキテクチャの実験もできました。
楽観的かつ時期尚早：「直感」で規則性を見極めることができるTSは、訓練期間中に最高の結果を出すために、そうすることが「義務」になっているに過ぎない。もちろん、これらのパターンがこの結果に意味を持つのであれば、ですが。
タグこの議論・ホリエモンが真理の探究・誕生とどう関係するのかわかりませんが、このスレッドのトピックに対する答えを自分で確認できたような気がします。
境界はグラフの左側部分と右側部分の間にあり、次のように定義される。
もし、この特定のTSが、チャートの左側で最適化され、チャートの右側で統計的に 「利益尾行」** する傾向が あるならば、そこにはパターンがあるのです。
そうでなければ、無駄なフィッティングです。
// 統計的な傾向がある* - ここでは、複数の（1 ）最適化タイムフレームの シフトと（2）取引商品の 変更を意味します。
//"Profit-tail "** - "後遺症".隣接する将来セグメントでの統計的なプラス収益性。
この定義では、「永遠」のパターンと「時間」の パターンの両方の可能性が考慮されています。
マークされた線は、定性的には正確です。 あとは、定量的な評価（寿命、発現の程度など）だけです。ゴミ箱でもいい。
100％同意します。
ジェラシムは、規則性を探し、等化し、線を消すという、やや異なる 概念のフィッティングを行っている。 ただ、履歴にフィッティングする場合、システムはフォワードで負けるが、最適化期間中に本当の規則性に「チューニング」する場合、フォワードで利益が出る（少なくとも最適化期間の25％までは）、という点で異なるのである。
これはまさに、あなたが書いていた エッジ です。もうひとつは、本当のパターンを探す（チューニングする）ことを、歴史に基づくフィッティングにしないためには どう したらいいかということです。
ここですでに、最適化時間、入力パラメータ変更のステップ、入力パラメータの準備などに依存し、主題にある誰もが知っていると指導されています...
繰り返しになりますが、このテーマ（「どのように...」）については、こちらで より詳しくご覧いただけます。
1. これまで72時間近くをトレーニングに費やした。上位200件のうち、123件以上がフォワードテストに合格しているのです。推理ゲームを有利に進めてみてはいかがでしょうか。
トレーニング時間を増やすことで、Sample periodでの結果が徐々に改善された。それは当然のことです。72時間の結果は、2時間の結果を4倍以上上回った。OOSの結果も長い目で見れば改善されましたが、漸進性などというものはなく、明らかな失敗でした。
__________
2.これで何がわかるのか？
1.もし、この「奇跡」が、異なる時代、異なる種類の 装置で再現されることがわかれば、得られた結果の規則性を語ることができる。
2.今のところ、ほとんど何もありません。ポイント1参照。
論理的に推論してみる。
1）パターンとは？一定の条件下で同じ価格行動をとること。
2) 条件とは何でしょうか？価格チャートの特徴をいくつかピックアップしてご紹介します。
3) 価格チャートの特性は一定か？一般に一定しない。
4) 特性はどのように定義されるのか？時間帯別、価格帯別の特徴。
5) したがって、同じ価格行動が可能なのはどのような場合か。指標が一定でない（異なる）場合に可能です。
6) 非変動体指標の特徴とは？指標の変化を表す時間・価格駆動型プロセスの特徴。
7) したがって、市場のパターンとは 何でしょうか？規則性とは、時間と価格を考慮したプロセス特性に一定の変化があった場合に、価格が同じ挙動を示すことであり、規則性を記述する価格チャート上の指標の変化を記述したものである。
規則性がフィッティングと異なるのは、規則性実現の条件（同じ挙動）がある法則に従って価格チャートの変化と同期して変化するが、フィッティングでは同じことが変化しない点であることが判明した。市場には変数よりも定数特性がはるかに少ないため、静的に決定された条件では、ほとんど規則性を表現できないことが判明した。そこでFringeは、動的解析システムをパターン描写に最も適したタイプとして選んだ。
ええ、それは承知しています。やめておこう。でも、コンピュータが見た目で猫を見分けられなくなるまでは、意味がない。 そして、そうなったとき、市場はまったく違った様相を見せるだろう......。:о)
論理的に推論してみる。
1）パターンとは？一定の条件下で同じ価格行動をとること。
一定の条件下では、価格を同一にすることはできません。簡単に言えば、歴史が1ピップ以内の誤差で繰り返される確率は限りなく0に近いということです。その理由は、引用文にノイズが含まれているからです。
TAは、過去にあった何かを未来に利用するために、その何かを探すことが基本ですから。
1.ノイズ - 記憶のない過去のいくつかのパターン - ランダムなプロセス。分散があるので、過去のデータのパターンは、密集した後、空っぽになるという偏在がある。ある価格行動に先行するノイズパターンが高い確率で蓄積されているため、最適化（トレーニング）中にこれらのパターンそのものを「売買シグナル」とみなすことができるのである。当然、このような「パターン」はフォワードテストを通過する可能性は極めて低く、過去のデータの異なる部分に過剰に蓄積されることは考えにくいし、安定した因果関係の不在、すなわち記憶が損失を与えることになるからだ。
2.本物の売買シグナル - 将来の価格行動を先行させる過去のパターン、すなわち記憶を持つ非ランダムなプロセス。これらのパターンは売買シグナルに先行するため、一様に 蓄積される。つまり、まずパターン、次に売買シグナルという安定した因果関係である（不安定な場合は、もはやパターンとは言えない）。もし、TSがこれらのパターンを少なくとも部分的に明らかにすれば、フォワードテストに合格することができる。
理論的には、パターンからノイズを除去することも可能です。すなわち、フォワードテスト上のすべての売買シグナルを2つのカテゴリーに分けます。
1.信号がロス-ノイズを示す
2.シグナルが利益をもたらした-パターン
そうすると、例えば、NSにノイズとパターンを区別するための属性を追加して教えることができる。その結果、ノイズサプレッサー付きのTSが得られる。何％かのノイズは漏れるが、自然界に100％ノイズを抑制するものは存在しない。
要するに、バザーはフォワードテストの結果によってフィルタリングされるべきなのです。アウトオブサンプル、つまりOOSですが、代表的なサンプルではありません。サンプルです。多くの人が試みているように、サンプルで信号をフィルタリングすると、2乗フィットになります。
1.信号が損失-ノイズを与えた
2.シグナルが利益をもたらした-パターン
フハハハハ
動物を「有害なもの」と「有用なもの」に分けるようなものだ...。だからここでも-値動きがある...。でも、それで1円でも儲かったら、「正統派」と見下して......。そうでなければ、意味のない「雑音」です。もちろん、それで気分が良くなったわけではなく、事故に違いないのですが......。
シャーマン！人間中心主義者！？神様を怒らせてはいけない!
:)
猫って関係あるんですか？
歌でお答えします( 残酷なエドワード)・・・。猫がいなくてもいいのですが、ポイントは変わりません...。機械に定規で魂を測らせ...規則性を明らかにしようとするのです。それらは間違いなく存在するのですが、一度に全部見るか（かなりのリソースを消費します）、今の話にわざわざ一つ以上の機器を追加しなくても、百発百中なので、実はブラウン運動なので、断片的な結果しか得られないのです。例えばここ（+/-/++/---/+/-/+/-/）のように、視覚的にはプラスが多いように見えるのは、それを望んでいるからで、実際はそうではないのですが......。
おそらく次の質問は、「曲はどこだ？:о))