スタンフォード大学の無料講義 - ページ 8

[СанСаныч Фоменко]

gpwr:
ひょっとして、あなたの名前はヴィクトル・ミハイロヴィチですか？

プロフィール

以前はTAを勉強していました。MESIでは、計量経済学や数理統計学を教える学科が3つあると思うのですが、私は勉強したことがないんです。有益な数学的手法は知らない。熟練者の手にかかれば利益を上げることができる数学的手法を知っている、何度も参照した。目次、書籍リスト付き。マットパッケージ ....ググったり、私のプロフィールを見たくない人はEViewsかRを持っていってください。しかし、それはすべて指標の一覧 表のようなツールです。

私は聖杯を持っていません。TAと数学の統計学を使うのが個人的なスキルです。この技は誰にも教えません。

詳しくお答えしたつもりです。

[Vladimir]

faa1947:

プロフィール

以前はTAを勉強していました。MESIでは、計量経済学や数理統計学を教える学科が3つあると思うのですが、私は勉強したことがないんです。有益な数学的手法は知らない。熟練者の手にかかれば利益を上げることができる数学的手法を知っている、何度も参照した。目次、書籍リスト付き。マットパッケージ ....ググったり、私のプロフィールを見たくない人はEViewsかRを持っていってください。しかし、それはすべて指標の一覧表のようなツールです。

私は聖杯を持っていません。TAと数学の統計学を使うのが個人的なスキルです。この技は誰にも教えません。

総合的に判断してお答えしたつもりです。

最初に「TAはパチンカス用だから、大事な顔して預金を捨てられる」と言うんですね。そして今、「TAや数理統計の使い方に自分なりの技量がある。誰にも教えるつもりはない。"

わかりました。言葉にこだわるな。ここで、ニューラルネットワークに対する私の個人的な意見を述べます。2006年から勉強を始め、市場に適用しようとしたのです。そして6年間で、ネットワークそのものは、入力データの準備ほど重要ではないという結論に達しました。さらに、入力データは同じTAで変換して次元を小さくし、時間軸や価格軸の歪みに対して不変であることが必要である。また、ネットに何を求めるのか、どのような入出力システムを実装するのか、あらかじめ知っておく必要があります。例えば、支持線・抵抗線の反発・突破で取引させたい場合は、入力データをそれに合わせて提示する必要があります。しかし、ネットが訓練され、私たちのために判断するために必要な入力データが集められた後は、私たちはすでに出入りの方法を知っているので、ネットはまったく必要ありません。ネットワークのインプットに価格をつけ、ネットワークがそれを変換し、どのように使うかを考えることを期待する試みは、悲惨な結果につながる。

では、ネットは本当に必要なのか、研究する価値があるのか、という疑問が生まれます。答えは人それぞれです。例えば、ネットワークについて学んだ ことは無駄ではなかったと思います。私の仕事にも役立っています。それに、私たちの脳は同じ神経回路網なのです。ですから、トレードにおけるその有用性を否定するのは、脳の有用性を否定するのと同じことなのです。ここで問題なのは、同じ価格シリーズでも、脳がどのように重要なポイントに焦点を当て、細部を抽象化して判断しているのかがまだ分かっていないことです。教科書に載っているような単純なニューラルネットワークでは、この挙動をシミュレートすることはできない。仮にこの動作をシミュレートできたとしても、そのような「生物学的」ネットワークの学習・動作速度は、私たちの脳よりもはるかに遅く、取引には適用できないだろう。

[Vizard]

gpwr:

最初に「TAはパチンカーが大事な顔をしてデポを排出するためのもの」とおっしゃいます。そして今、「TAと数理統計の使い分けが自分の腕の見せ所」。これは他の人には教えない技術です」。

+1 )))

[Дмитрий]

faa1947:

......利益を上げられる数学的手法は、私にはわからない。熟練の技で利益をもたらす数学の手法は、何度も呼ばれ、知られている......。

コメントは不要です............。

[Vizard]

gpwr:

ここで問題なのは、私 たちの脳が同じ価格帯の商品を手に取り、重要なポイントに集中し、細部を抽象 化して判断する仕組みがまだ解明されていないことです。

こうして

仮説形成
データマイニングと収集
データ準備（フィルタリング、変換）
モデル選択、モデルパラメータの選択、学習アルゴリズム
モデル学習（残りのモデルパラメータの自動探索）
学習品質の分析
特定したパターンの分析

これをデータマイニングと呼ぶのですが...。

この機械にネットワークがあれば...きちんと用意されたデータについては、全く同感です...データが正常であれば、単純な線形回帰で 十分です...それを目指すべきです

[СанСаныч Фоменко]

gpwr:

最初に「TAはパチンカーが大事な顔をしてデポを排出するためのもの」とおっしゃいます。そして今、「TAと数理統計の使い分けが自分の腕の見せ所」。それは誰にも教えられない技術だ。"

わかりました。言葉にこだわるな。ここで、ニューラルネットワークに対する私の個人的な意見を述べます。2006年から勉強を始め、市場に適用しようとしたのです。そして6年間で、ネットワークそのものは、入力データの準備ほど重要ではないという結論に達しました。さらに、入力データを同じTAで変換して次元を減らし、時間軸や価格軸の歪みに対して不変にする必要がある。また、ネットに何を求めるのか、どのような入出力システムを実装するのか、あらかじめ知っておく必要があります。例えば、支持線・抵抗線の反発・突破で取引させたい場合は、入力データをそれに合わせて提示する必要があります。しかし、ネットが訓練され、私たちのために判断するために必要な入力データが集められた後は、私たちはすでに出入りの方法を知っているので、ネットはまったく必要ありません。ネットワークのインプットに価格をつけ、ネットワークがそれを変換し、どのように使うかを考えることを期待する試みは、悲惨な結果につながる。

では、ネットは本当に必要なのか、研究する価値があるのか、という疑問が生まれます。答えは人それぞれです。例えば、ネットワークについて学んだことは無駄ではなかったと思います。私の仕事にも役立っています。それに、私たちの脳は同じ神経回路網なのです。つまり、トレードにおける有用性を否定することは、脳の有用性を否定することと同じなのです。ここで問題なのは、同じ価格シリーズでも、脳がどのように重要なポイントに焦点を当て、細部を抽象化して判断しているのかがまだ分かっていないことです。教科書に載っているような単純なニューラルネットワークでは、この挙動をシミュレートすることはできない。仮にそのような行動をシミュレートできたとしても、そのような「生物学的」ネットワークの学習・運用速度は、私たちの脳よりもはるかに遅く、取引には適用できないだろう。

ネットワークについては、書籍の知識しかありません。

計量経済 学では、TSは分類ツールの一つとして扱われる。しかし、分類だけでは通常の計量経済学的モデルを構築するには不十分であり、NSはモデルの一部であって、最も重要なものではないかもしれない。モデリングは、推定方法を学び、習得することから始まります。推定方法がなければ商を分析できないし、分析結果をもとに構築したモデルを評価できないし、モデルの適用結果を評価することもできない。上記すべてに対して、NSは何もすることがない。

あなたの投稿は、私の戸惑いを確認するものです。NSという非常に単純ではない考え方を、結局はトレードに応用できることを理解されたのですね。しかし、なぜかあなたは、回帰というもっと単純な概念を1分も勉強していないのです。そして、リグレッションを理解し、その使い方を知ることで、特に指標やTA全般に対する考え方が劇的に変わったはずです。そして、「TAは奇跡のフィールドのパクリ」と主張する人が、この掲示板に一人増えることになるのです。

[Андрей]

faa1947: 利益を出せるような数学的手法は知らない。熟練の技で利益を上げるMath.methodは、何度も呼ばれて知っている。{...}網羅的にお答えしたつもりです。

そう文字通り民衆の知恵が答えた。"熟練した手と＃ドライバーで "という形式で。

[Andrei01]

faa1947: 利益が出るような数学的手法は知らない。熟練者の手にかかれば、利益を上げることができる 数学的手法を私は知らない。

キーワードは「may」、つまり「may not」です。))

[Vladimir]

Vizard:

ってな具合に

仮説形成
データ検索・収集
データ準備（フィルタリング、変換）
モデル選択、モデルパラメータ選択、学習アルゴリズム
モデル学習（残りのモデルパラメータの自動探索）
学習品質の分析
特定したパターンの分析

これをデータマイニングと呼ぶのですが...。

この機械にネットワークがあれば...きちんと用意されたデータについては、全く同感です...データが正常であれば、単純な線形回帰で十分です...それを目指すべきです

モデルを作る手順がわかっているのは納得です。この手順を具現化するニューラルネットワークの 作り方は、まだ分かっていない。もしかしたら、遠い将来、そのようなニューラルネットワークの作り方がわかるようになるかもしれませんね。とりあえず、あるニューラルネットワーク（開発者の頭脳）が、データの処理、パターンの特定、モデルの選択、このモデルの最適化といった重要な準備作業をすべて行い、別のネットワーク（プログラム内）が、開発者から与えられたデータと構造に基づいて計算だけを行う。この2つ目のネットワークに自己最適化重みを加えても、より賢くなるわけではなく、モデル化誤差を減らすだけである。

[Vizard]

gpwr:

モデルを作る手順がわかっているというのは、納得できますね。これらの手順を具体化するニューラルネットワークの作り方は、まだ知られていない。も しかしたら、遠い将来、そのようなニューラルネットワークを作れるようになるかもしれませんね。とりあえず、あるニューラルネットワーク（開発者の頭脳）が、データの処理、パターンの特定、モデルの選択、このモデルの最適化といった重要な準備作業をすべて行い、別のネットワーク（プログラム内）が、開発者から与えられたデータと構造に基づいて計算だけを行う。この2つ目のネットワークに自己最適化重みを加えても、より賢くなるわけではなく、モデル化誤差を減らすだけである。

このような構築をすることは可能です...既製の統計パッケージやいくつかの...スクリプトやマクロですべてを伴う（すなわち完全に自動化する） オプションの1つ - 。

仮説の形成 - 任意のチャートツールを使用し、最大リターンでネットまたはhaなどを訓練する
- 最大リターンを与えるBPまたはブーリアン（シグナルとして）のいずれかを取得します。将来的には、ネットまたはなどが自書され正常であれば、最大リターンと他の上でターゲット関数
を使用できます...

データの検索と収集 - 持ってるもの全部を自動でダウンロード...

データ準備（フィルタリング、変換） - 分類、クラスタリング、因子分析、入力のホワイトニング
部分的にグリッドで行うこともできます。既製のアルゴリズムで行うことができます......
(この部分は最も重要な部分であり、巧妙な変換によって結果が改善される可能性が非常に高いです）

モデルの選択、モデルパラメータの選択、学習アルゴリズム - 複数のモデルを1学習エラーでテストし、利用可能なデータに最適なものを選択する（統計パッケージにはこのような既製のモジュールがあります）...

識別されたパターンの分析 - ここでは、ネットワークにフィードして、比率などの重みを見るだけです...

このような構造は、おそらく知性のスーツに最も近いと思います。そもそもモデル自身がターゲットを選択し、生データから最終カットまですべてが自動化されているのですから......。

もちろん、一般的には、これらすべては非常に時間がかかり、非効率的です。興味深いのは、実際には、BPのすべての特性がとにかくモデルに浸透して登録されるため、最大リターンや計量問題のための正規（および）TA指標の最適化とあまり変わらないことです（データで正規予測変数が点滅しない限り））...その後のすべての結果とともに。

だから、Sanychがeq rulerで走って、econometricsが ベストだと言う一方で、より独創的な人はTAでカットしようとする...あるステップで再トレーニング（オプションの1つ）、しばらく続くBPダイナミクスをキャッチして非定常性を無視する...))...