市場現象 - ページ 61 1...545556575859606162636465666768...75 新しいコメント 削除済み 2012.01.20 04:46 #601 joo: その枝の親がスウィノサウルスなのですが、面白いのは、数学さんが おっしゃるように、枝の途中から末端に あるんです。そしてそれは、大概において興味深いことに、彼の長所ではなく Yurixx, Mathemat, Candid, MetaDriver , etc.読んでみてください、きっと面白いですよ。 半端なページ数から珠玉の作品を探し出すのは至難の業だ......。トピックの展開、方向性、文脈の中にいるときは、感情や控えめな表現であっても、すべてが明確で理解しやすい - トピックは生き物のようなものなのです。しかし、今は違う。凍結された存在であり、文脈ももはや同じではない......。抽象的な表現が出るのを待ちます...。 rsi 2012.01.20 05:04 #602 金曜日が始まったばかりなのに、木曜日からやっているなんて・・・。 ニュートロンだけが、理にかなったイラストを描いている。 2 中性子次に、「第2」工程の区間分布を見てみます。見せてくれ、頼む！ Neutron 2012.01.20 05:22 #603 rsi: 次に、「第2」工程の時間間隔分布を見てみる。 掘っています。 面白いのは、この発想に基づくTSのエクイティが実に這い上がってきていることだ。そのランダム性に注目しています。そうでないだろうことは明らかですが、魅力的です TheXpert 2012.01.20 06:59 #604 そして、2つ目のプロセスをグラフ上にマークして見るだけでも面白いでしょう。 Yury Reshetov 2012.01.20 07:42 #605 911: また、非線形回帰分析では、この場合何が判断できるのでしょうか？ そもそも、タスクはパーツに分解されなければならない。 1.TSを最適化した場合、その成功したフォワードテストは特定の場所で混雑している、つまり利益率が1.6以上であればフォワードテストは流出する可能性が高く、ある値以下であれば、それも流出する、という事実に基づいているのです。最適化ポイントでのドローダウンが一定の限度を超えた場合、フォワードテストは失敗する可能性が高い。期待ペイオフも同じです。最適化結果の期待収益がスプレッドに比べ重要でないため、フォワードテストが失敗する。つまり、最適化の結果とフォワードテストの成功の間に何らかの依存関係があるため、より精度を高める必要があるのです。参考書を見て、適切な（文脈に合った）勉強方法を探してみよう。つまり、ある事象（フォワードテスト）の特徴（フィッティングパラメータ）に応じて、その成功確率を計算することができるのです。理論的には合っているのですが、よくわからないのは、最も一般的なロジスティック回帰は線形であり、それを非線形の形にした方が良いということです。しかし、これはあくまで推測であり、リニアが十分すぎるほど可能性があります。 2. フォワードテストの初期セグメントがあり、外挿のために非線形回帰を使用してその数学的モデルを構築する必要がある、例えばOLSやパワー多項式近似を使用する。 3.項目1のデータと項目2のモデルがありますが、項目2のモデルについて、既知の前方区間のモデルからのずれ（計量経済学用語で残差）を調べます。フォワードテストの既知の間隔とその偏差の特性を調査し、ステップ1からのデータを取り、例えば上記のロジスティック回帰を用いて分析を行い、フォワードテストが枯渇せず、将来的に有益な取引の可能性が十分にある確率を計算します（さもなければ、もう一度すべてを最適化し、フォワードテストの成功を探さなければなりません）。 フォワードテスト研究については、おおよそこのような計画で進めています。 СанСаныч Фоменко 2012.01.20 10:17 #606 Reshetov: そもそも、タスクはパーツに分解されなければならない。 1.TSを最適化した場合、その成功したフォワードテストは特定の場所で混雑している、つまり利益率が1.6以上であればフォワードテストは流出する可能性が高く、ある値以下であれば、それも流出する、という事実に基づいているのです。最適化ポイントでのドローダウンが一定の限度を超えた場合、フォワードテストは失敗する可能性が高い。期待ペイオフも同じです。最適化結果の期待収益がスプレッドに比べ重要でないため、フォワードテストが失敗する。つまり、最適化の結果とフォワードテストの成功の間に何らかの依存関係があるため、より精度を高める必要があるのです。参考書を見て、適切な（文脈に合った）勉強方法を探してみよう。例えば、我々の文脈では、ロジスティック回帰とROC分析が 適切であることがわかりました。つまり、イベント（フォワードテスト）の成功確率を、その特徴（適合パラメータ）に応じて計算することができるのです。理論的には合っているのですが、よくわからないのは、最も一般的なロジスティック回帰は線形であり、それを非線形の形にした方が良いということです。しかし、これはあくまで推測であり、リニアが十分すぎるほど可能性があります。 2. フォワードテストの初期セグメントがあり、外挿のために非線形回帰を用いて数学的モデルを構築する必要がある。例えば、OLSやべき乗多項式近似を用いて。 項目1のデータと項目2のモデルがあり、項目2のモデルについて、既知の前方区間のモデルからの乖離（計量経済学用語で残差）を調べます。フォワードテストの既知の間隔とその偏差の特性を調査し、ステップ1からのデータを取り、例えば上記のロジスティック回帰を用いて分析を行い、フォワードテストが枯渇せず、将来的に有益な取引の可能性が十分にある確率を計算します（さもなければ、もう一度すべてを最適化し、フォワードテストの成功を探さなければなりません）。 フォワードテスト研究については、おおよそこのような計画で進めています。 TSが非定常商を定常利益に変換してくれるなら、すべて問題ない。 削除済み 2012.01.20 12:14 #607 faa1947: TSが非定常の気配を定常の利益に変換してくれればいいんだけどね。 また、利益が非定常である場合、それは悪いことなのでしょうか？ 911 2012.01.20 12:15 #608 Reshetov: そもそも、タスクはパーツに分解されなければならない。 1.TSを最適化した場合、その成功したフォワードテストは特定の場所で混雑している、つまり利益率が1.6以上であればフォワードテストは流出する可能性が高く、ある値以下であれば、それも流出する、という事実に基づいているのです。最適化ポイントでのドローダウンが一定の限度を超えた場合、フォワードテストは失敗する可能性が高い。期待ペイオフも同じです。最適化結果の期待収益がスプレッドに比べ重要でないため、フォワードテストが失敗する。つまり、最適化の結果とフォワードテストの成功の間に何らかの依存関係があるため、より精度を高める必要があるのです。参考書を見て、適切な（文脈に合った）勉強方法を探してみよう。例えば、我々の文脈では、ロジスティック回帰とROC分析が 適切であることがわかりました。つまり、イベント（フォワードテスト）の成功確率を、その特徴（適合パラメータ）に応じて計算することができるのです。理論的には合っているのですが、よくわからないのは、最も一般的なロジスティック回帰は線形であり、それを非線形の形にした方が良いということです。しかし、これはあくまで推測であり、リニアが十分すぎるほど可能性があります。 2. フォワードテストの初期セグメントがあり、外挿のために非線形回帰を使用してその数学的モデルを構築する必要がある、例えばOLSやべき乗多項式近似を使用する。 ステップ1のデータとステップ2のモデルがあり、ステップ2のモデルから既知の前進区間のモデルからのずれ（計量経済学用語で残差）を調べます。フォワードテストの既知の間隔とその偏差の特性を調査し、ステップ1からのデータを取り、例えば上記のロジスティック回帰を用いて分析を行い、フォワードテストが枯渇せず、将来的に有益な取引の可能性が十分にある確率を計算します（さもなければ、もう一度すべてを最適化し、フォワードテストの成功を探さなければなりません）。 フォワードテスト研究については、おおよそこのような計画で進めています。 MQLやプログラミング全般に慣れ親しんでまだ2ヶ月、知らないことだらけですが、それでもこのアイデアをMQLを使って検証するのは技術的にとても難しいと思います。 ここでは、テスト時にテスターが自分自身を呼び出すことが必要です。ただし、可能であれば、2つのターミナルからテスターを使用することもできます（Expert Advisorからテスターを起動することが可能であれば、その限りではありません）。 СанСаныч Фоменко 2012.01.20 12:28 #609 avtomat: また、利益が安定しない場合、それは悪いことなのでしょうか？ ISCの試算は成り立たない。 削除済み 2012.01.20 12:44 #610 faa1947: ISCの評価は成り立たない。 バカにしないで！ISCは何の関係があるのですか？定常性、非定常性とはどのような関係があるのでしょうか？ 行く先々で言葉を拾っては落とし、拾っては落とし...。音は聞こえても、どこにあるのかわからない。 1...545556575859606162636465666768...75 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
その枝の親がスウィノサウルスなのですが、面白いのは、数学さんが おっしゃるように、枝の途中から末端に あるんです。そしてそれは、大概において興味深いことに、彼の長所ではなく
Yurixx, Mathemat, Candid, MetaDriver , etc.読んでみてください、きっと面白いですよ。
金曜日が始まったばかりなのに、木曜日からやっているなんて・・・。
ニュートロンだけが、理にかなったイラストを描いている。
2 中性子次に、「第2」工程の区間分布を見てみます。見せてくれ、頼む！
rsi:
次に、「第2」工程の時間間隔分布を見てみる。
掘っています。
面白いのは、この発想に基づくTSのエクイティが実に這い上がってきていることだ。そのランダム性に注目しています。そうでないだろうことは明らかですが、魅力的です
また、非線形回帰分析では、この場合何が判断できるのでしょうか？
そもそも、タスクはパーツに分解されなければならない。
1.TSを最適化した場合、その成功したフォワードテストは特定の場所で混雑している、つまり利益率が1.6以上であればフォワードテストは流出する可能性が高く、ある値以下であれば、それも流出する、という事実に基づいているのです。最適化ポイントでのドローダウンが一定の限度を超えた場合、フォワードテストは失敗する可能性が高い。期待ペイオフも同じです。最適化結果の期待収益がスプレッドに比べ重要でないため、フォワードテストが失敗する。つまり、最適化の結果とフォワードテストの成功の間に何らかの依存関係があるため、より精度を高める必要があるのです。参考書を見て、適切な（文脈に合った）勉強方法を探してみよう。つまり、ある事象（フォワードテスト）の特徴（フィッティングパラメータ）に応じて、その成功確率を計算することができるのです。理論的には合っているのですが、よくわからないのは、最も一般的なロジスティック回帰は線形であり、それを非線形の形にした方が良いということです。しかし、これはあくまで推測であり、リニアが十分すぎるほど可能性があります。
2. フォワードテストの初期セグメントがあり、外挿のために非線形回帰を使用してその数学的モデルを構築する必要がある、例えばOLSやパワー多項式近似を使用する。
3.項目1のデータと項目2のモデルがありますが、項目2のモデルについて、既知の前方区間のモデルからのずれ（計量経済学用語で残差）を調べます。フォワードテストの既知の間隔とその偏差の特性を調査し、ステップ1からのデータを取り、例えば上記のロジスティック回帰を用いて分析を行い、フォワードテストが枯渇せず、将来的に有益な取引の可能性が十分にある確率を計算します（さもなければ、もう一度すべてを最適化し、フォワードテストの成功を探さなければなりません）。
フォワードテスト研究については、おおよそこのような計画で進めています。
そもそも、タスクはパーツに分解されなければならない。
1.TSを最適化した場合、その成功したフォワードテストは特定の場所で混雑している、つまり利益率が1.6以上であればフォワードテストは流出する可能性が高く、ある値以下であれば、それも流出する、という事実に基づいているのです。最適化ポイントでのドローダウンが一定の限度を超えた場合、フォワードテストは失敗する可能性が高い。期待ペイオフも同じです。最適化結果の期待収益がスプレッドに比べ重要でないため、フォワードテストが失敗する。つまり、最適化の結果とフォワードテストの成功の間に何らかの依存関係があるため、より精度を高める必要があるのです。参考書を見て、適切な（文脈に合った）勉強方法を探してみよう。例えば、我々の文脈では、ロジスティック回帰とROC分析が 適切であることがわかりました。つまり、イベント（フォワードテスト）の成功確率を、その特徴（適合パラメータ）に応じて計算することができるのです。理論的には合っているのですが、よくわからないのは、最も一般的なロジスティック回帰は線形であり、それを非線形の形にした方が良いということです。しかし、これはあくまで推測であり、リニアが十分すぎるほど可能性があります。
2. フォワードテストの初期セグメントがあり、外挿のために非線形回帰を用いて数学的モデルを構築する必要がある。例えば、OLSやべき乗多項式近似を用いて。
項目1のデータと項目2のモデルがあり、項目2のモデルについて、既知の前方区間のモデルからの乖離（計量経済学用語で残差）を調べます。フォワードテストの既知の間隔とその偏差の特性を調査し、ステップ1からのデータを取り、例えば上記のロジスティック回帰を用いて分析を行い、フォワードテストが枯渇せず、将来的に有益な取引の可能性が十分にある確率を計算します（さもなければ、もう一度すべてを最適化し、フォワードテストの成功を探さなければなりません）。
フォワードテスト研究については、おおよそこのような計画で進めています。
TSが非定常の気配を定常の利益に変換してくれればいいんだけどね。
また、利益が非定常である場合、それは悪いことなのでしょうか？
そもそも、タスクはパーツに分解されなければならない。
1.TSを最適化した場合、その成功したフォワードテストは特定の場所で混雑している、つまり利益率が1.6以上であればフォワードテストは流出する可能性が高く、ある値以下であれば、それも流出する、という事実に基づいているのです。最適化ポイントでのドローダウンが一定の限度を超えた場合、フォワードテストは失敗する可能性が高い。期待ペイオフも同じです。最適化結果の期待収益がスプレッドに比べ重要でないため、フォワードテストが失敗する。つまり、最適化の結果とフォワードテストの成功の間に何らかの依存関係があるため、より精度を高める必要があるのです。参考書を見て、適切な（文脈に合った）勉強方法を探してみよう。例えば、我々の文脈では、ロジスティック回帰とROC分析が 適切であることがわかりました。つまり、イベント（フォワードテスト）の成功確率を、その特徴（適合パラメータ）に応じて計算することができるのです。理論的には合っているのですが、よくわからないのは、最も一般的なロジスティック回帰は線形であり、それを非線形の形にした方が良いということです。しかし、これはあくまで推測であり、リニアが十分すぎるほど可能性があります。
2. フォワードテストの初期セグメントがあり、外挿のために非線形回帰を使用してその数学的モデルを構築する必要がある、例えばOLSやべき乗多項式近似を使用する。
ステップ1のデータとステップ2のモデルがあり、ステップ2のモデルから既知の前進区間のモデルからのずれ（計量経済学用語で残差）を調べます。フォワードテストの既知の間隔とその偏差の特性を調査し、ステップ1からのデータを取り、例えば上記のロジスティック回帰を用いて分析を行い、フォワードテストが枯渇せず、将来的に有益な取引の可能性が十分にある確率を計算します（さもなければ、もう一度すべてを最適化し、フォワードテストの成功を探さなければなりません）。
フォワードテスト研究については、おおよそこのような計画で進めています。
MQLやプログラミング全般に慣れ親しんでまだ2ヶ月、知らないことだらけですが、それでもこのアイデアをMQLを使って検証するのは技術的にとても難しいと思います。
ここでは、テスト時にテスターが自分自身を呼び出すことが必要です。ただし、可能であれば、2つのターミナルからテスターを使用することもできます（Expert Advisorからテスターを起動することが可能であれば、その限りではありません）。
また、利益が安定しない場合、それは悪いことなのでしょうか？
ISCの評価は成り立たない。
バカにしないで！ISCは何の関係があるのですか？定常性、非定常性とはどのような関係があるのでしょうか？
行く先々で言葉を拾っては落とし、拾っては落とし...。音は聞こえても、どこにあるのかわからない。