金融シリーズのニューロフォーキャスト(1論文に基づく) - ページ 9 123456789101112 新しいコメント Yury Reshetov 2011.12.03 07:56 #81 nikelodeon: 結局、統計をとった結果、最大限のバランスをとるというトレーニング目標が必ずしも良いとは言えないという結論になりました。しかし、少し違う問題として、NSが今後うまく機能するための目標をどう見出すかということがあります。 私はNSでExpert Advisorの様々なバリエーションを試しました。すなわち、バランス、プロフィットファクター、予想ペイオフ、預金通貨でのドローダウン、および%でのドローダウンです。そして、最適化の前と後の両方のフォワードテストを見てみました。 入金通貨での最小ドローダウンで最適化し、最適化結果からこの最小ドローダウンを選択すると、両方のフォワードが成功するようです。複数の最適化結果 で最小ドローダウン値が同じであれば、バランスが最大になるものを選ぶとよいでしょう。 さらに、入金通貨での最小ドローダウンで最適化し、プロフィットファクターが最大の結果を選択すると、フォワードテストも成功するが、結果はすでに先ほどのケースより悪くなっていることが判明した。 しかし、この方法では、単一のEAに対してのみ結果が得られます。同じNSでも入力が異なる他のExpert Advisorにはこのような機能はなく、フォワードテストに成功した場合の最適化結果の兆候を定義する方法も今のところ見つかっていません。 削除済み 2011.12.03 08:17 #82 Reshetov: NSで私のEAの様々なバリエーションを試しました。すなわち、バランス、プロフィットファクター、期待ペイオフ、預金通貨でのドローダウン、%でのドローダウンです。そして、最適化の前と後の両方のフォワードテストを見てみました。 入金通貨での最小ドローダウンで最適化し、最適化結果からこの最小ドローダウンを選択すると、どちらのフォワードも成功するようです。複数の最適化結果で最小ドローダウン値が同じであれば、バランスが最大になるものを選ぶとよいでしょう。 さらに、入金通貨での最小ドローダウンで最適化し、プロフィットファクターが最大の結果を選択すると、フォワードテストも成功するが、先ほどの場合よりも結果が悪くなることが判明した。 しかし、この方法は1つのEAに対してのみ結果を出します。同じNSでも入力が異なる他のEAにはそのような機能はなく、フォワードテストを成功させるための最適化結果の兆候を判断する方法は、今のところ特定できていません。 ニューラルネットワークの重み付けは何兆通りものバリエーションが必要ですが、haは1〜1.8万通りしか出せません。 ということで、haモードで何度か(最低でも5回)最適化を行い、その上で適切なものを選択するのが正しいでしょう。 削除済み 2011.12.03 08:53 #83 Reshetov:入金通貨での最小ドローダウンで最適化し、最適化結果からこの極小ドローダウンを選べば、どちらのフォワードも成功することが判明しました。複数の最適化結果で最小ドローダウンの値が同じであれば、バランスが最大になるものを選択する必要があります。さらに、入金通貨での最小ドローダウンで最適化し、プロフィットファクターが最大の結果を選択すると、フォワードテストも成功するが、先ほどの場合よりも結果が悪くなることが判明した。しかし、この方法では、単一のEAに対してのみ結果が得られます。同じNSでも入力が異なる他のExpert Advisorにはこのような機能はなく、フォワードテストに成功した場合の最適化結果の兆候を定義する方法は今のところ見つかっていません。 そして、案件 数はコントロールされている?NSは柔軟性があり、最小ドローダウンを学習目標関数として設定するだけで、簡単にドローダウンがゼロのオプションを見つけることができます。具体的なNSのアーキテクチャと数学が許すなら、それは単にいくつかの重みを見つけるかもしれないので、いくつかの(統計的に重要でない量)取引があるだろうが、ドローダウンはありません...。他の入力やネットワークで動作しないのはこのせいかも? 私はよく似たバリエーションを使います。基準=最大残高-ドローダウン、ただし最低取引回数は強制的にコントロールします。つまり、NSは年間100回以上のトレードをしなければならないと考えており、スーパーリザルトを表示しても99回のトレードであれば、その結果は自動的に捨てられる......。 削除済み 2011.12.03 08:59 #84 mersi: ニューラルネットワークの重み付けには何兆もの選択肢が必要ですが、gaは1〜1.8万個しか出せません。 ということで、haモードで何度か(最低でも5回)最適化を行い、その上で適切なものを選択するのが正解でしょう。 NSのトレーニングにはGAテスターを使用するのですか?どのようにして、どのようなNSなのでしょうか?この手法で、いくつの「ものさし」を「はめ込む」ことができるのか? Alexey Burnakov 2011.12.03 09:16 #85 Figar0: NSのトレーニングにGAテスターを使用しているのでしょうか?どのようにして、どのようなNSなのでしょうか?この手法で、いくつの「ものさし」を「はめ込む」ことができるのか?由利が答えている間に、私が何をしたかを話すわ。 ウェイトの数は全部で21個。変数の値は-1〜1。変数の最適化のステップを0.05とした。 組み合わせの数がオプティマイザーの限界である19桁に達しているため、より小さなステップを実行することはできません。 つまり、オプティマイザーの限界値である999999999999といったところだ。 私のテーマ: https://www.mql5.com/ru/forum/126476 削除済み 2011.12.03 09:18 #86 Figar0: NSのティーチングにGAテスターを使用しているのでしょうか?どのようにして、どのようなNSなのでしょうか?この方法で、いくつの「重さ」を「調整」できるのでしょうか? 20シナプス。 8入力 4 + 3 隠れ層 1出力 Fa - 双曲線タンジェントを持つすべてのニューロン =========== このようなネットワークは3つあります。3つのアウトプットが委員会を形成する。 まず1番目のネットワークを学習させ、他の2つの出力は0にする そして、最初のものを有効にした状態で、利益を維持または増加させながらドローダウンを 最小にするために2番目のものを最適化します。 の場合、3番目のネットワークは既に存在する2つのネットワークに接続され、前のケースと同様に重みが調整されます。 Yury Reshetov 2011.12.03 09:23 #87 Figar0: そして、案件数はコントロールされている?NSは柔軟性があり、単純に最小ドローダウンを目標学習関数として設定すれば、NSは簡単にドローダウンがゼロのオプションを見つけることができる。 メタトレーダーのテスターはバランスではなくエクイティで計算するため、ドローダウンがゼロになることはない。つまり、すべてのトレードで利益が出たとしても、ローソク足には影があるため、いずれにせよドローダウンはゼロにはならないのである。 また、負けトレードが全くないように、このようなフィッティングをすることは好ましくありません。このような金具は、ごく稀な例外を除き、フォワードテストでは不合格となる。 Yury Reshetov 2011.12.03 09:37 #88 mersi: ニューラルネットワークの重み付けには何兆もの選択肢が必要ですが、gaは1〜1.8万個しか出せません。 ですから、何度か(最低でも5回)HAモードで最適化を行い、その上で適切なものを選択するのが正しい方法でしょう。 ニューラルネットワークのアーキテクチャの選択を間違えています。実際には、設定(重みと閾値)を少し変えただけで出力が同じになるようなグリッドであるべきです。グリッドアーキテクチャがオーバーエンジニアリングであれば、超精巧なチューニングが必要となり、その結果、オーバートレーニング(フィッティング)が発生してしまう。 例えば、私のアーキテクチャは、GAの1万パスがすでに冗長であるようなものです。つまり、最適化の後、(バランス、利益係数、期待ペイオフ、ドローダウンによる)同様の結果が、わずかに異なる設定で表示されます。これにより、グリッドはより幅広い設定で正しい結果を出すことができるようになり、より厚みが増したのです。 削除済み 2011.12.03 09:45 #89 前回の記事の説明 ネットワークを学習させ、パターン3とパターン6を区別することができたとしよう。 2番目と3番目のネットの目的は(私の場合)、Expert Advisorがパターンhとbに遭遇したときにトリガーされるのを防ぐことで、最初のネットは3と6と勘違いしている。 削除済み 2011.12.03 09:54 #90 Reshetov: ニューラルネットワークのアーキテクチャが正しく選択されていません。実際には、設定(重みと閾値)を少し変えただけで、出力が同じ結果になるようなグリッドである必要があります。グリッドアーキテクチャをいじると、超微調整が必要になり、その結果、オーバートレーニング(フィッティング)が発生してしまうのです。 例えば、私のアーキテクチャは、GAの1万パスがすでに冗長であるようなもので、最適化の後、わずかに異なる設定で同様の結果(バランス、利益係数、期待ペイオフ、ドローダウン)が表示されます。これにより、グリッドはより幅広い設定で正しい結果を出すことができるようになり、より厚みが増したのです。 ニューラルネットワークの研究者は皆、この意見に反対である。 nsに関するほとんどすべての記事から、優れたネットワークほどニューロンの数が多いが、同時にニューロンの数が多すぎてはいけないということが読み取れます。 そのため、2~3層の隠れ家的なネットワークが主流となっています。 123456789101112 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
結局、統計をとった結果、最大限のバランスをとるというトレーニング目標が必ずしも良いとは言えないという結論になりました。しかし、少し違う問題として、NSが今後うまく機能するための目標をどう見出すかということがあります。
私はNSでExpert Advisorの様々なバリエーションを試しました。すなわち、バランス、プロフィットファクター、予想ペイオフ、預金通貨でのドローダウン、および%でのドローダウンです。そして、最適化の前と後の両方のフォワードテストを見てみました。
入金通貨での最小ドローダウンで最適化し、最適化結果からこの最小ドローダウンを選択すると、両方のフォワードが成功するようです。複数の最適化結果 で最小ドローダウン値が同じであれば、バランスが最大になるものを選ぶとよいでしょう。
さらに、入金通貨での最小ドローダウンで最適化し、プロフィットファクターが最大の結果を選択すると、フォワードテストも成功するが、結果はすでに先ほどのケースより悪くなっていることが判明した。
しかし、この方法では、単一のEAに対してのみ結果が得られます。同じNSでも入力が異なる他のExpert Advisorにはこのような機能はなく、フォワードテストに成功した場合の最適化結果の兆候を定義する方法も今のところ見つかっていません。
NSで私のEAの様々なバリエーションを試しました。すなわち、バランス、プロフィットファクター、期待ペイオフ、預金通貨でのドローダウン、%でのドローダウンです。そして、最適化の前と後の両方のフォワードテストを見てみました。
入金通貨での最小ドローダウンで最適化し、最適化結果からこの最小ドローダウンを選択すると、どちらのフォワードも成功するようです。複数の最適化結果で最小ドローダウン値が同じであれば、バランスが最大になるものを選ぶとよいでしょう。
さらに、入金通貨での最小ドローダウンで最適化し、プロフィットファクターが最大の結果を選択すると、フォワードテストも成功するが、先ほどの場合よりも結果が悪くなることが判明した。
しかし、この方法は1つのEAに対してのみ結果を出します。同じNSでも入力が異なる他のEAにはそのような機能はなく、フォワードテストを成功させるための最適化結果の兆候を判断する方法は、今のところ特定できていません。
ニューラルネットワークの重み付けは何兆通りものバリエーションが必要ですが、haは1〜1.8万通りしか出せません。
ということで、haモードで何度か(最低でも5回)最適化を行い、その上で適切なものを選択するのが正しいでしょう。
入金通貨での最小ドローダウンで最適化し、最適化結果からこの極小ドローダウンを選べば、どちらのフォワードも成功することが判明しました。複数の最適化結果で最小ドローダウンの値が同じであれば、バランスが最大になるものを選択する必要があります。
さらに、入金通貨での最小ドローダウンで最適化し、プロフィットファクターが最大の結果を選択すると、フォワードテストも成功するが、先ほどの場合よりも結果が悪くなることが判明した。
しかし、この方法では、単一のEAに対してのみ結果が得られます。同じNSでも入力が異なる他のExpert Advisorにはこのような機能はなく、フォワードテストに成功した場合の最適化結果の兆候を定義する方法は今のところ見つかっていません。
そして、案件 数はコントロールされている?NSは柔軟性があり、最小ドローダウンを学習目標関数として設定するだけで、簡単にドローダウンがゼロのオプションを見つけることができます。具体的なNSのアーキテクチャと数学が許すなら、それは単にいくつかの重みを見つけるかもしれないので、いくつかの(統計的に重要でない量)取引があるだろうが、ドローダウンはありません...。他の入力やネットワークで動作しないのはこのせいかも?
私はよく似たバリエーションを使います。基準=最大残高-ドローダウン、ただし最低取引回数は強制的にコントロールします。つまり、NSは年間100回以上のトレードをしなければならないと考えており、スーパーリザルトを表示しても99回のトレードであれば、その結果は自動的に捨てられる......。
ニューラルネットワークの重み付けには何兆もの選択肢が必要ですが、gaは1〜1.8万個しか出せません。
ということで、haモードで何度か(最低でも5回)最適化を行い、その上で適切なものを選択するのが正解でしょう。
NSのトレーニングにはGAテスターを使用するのですか?どのようにして、どのようなNSなのでしょうか?この手法で、いくつの「ものさし」を「はめ込む」ことができるのか?
NSのトレーニングにGAテスターを使用しているのでしょうか?どのようにして、どのようなNSなのでしょうか?この手法で、いくつの「ものさし」を「はめ込む」ことができるのか?
由利が答えている間に、私が何をしたかを話すわ。
ウェイトの数は全部で21個。変数の値は-1〜1。変数の最適化のステップを0.05とした。
組み合わせの数がオプティマイザーの限界である19桁に達しているため、より小さなステップを実行することはできません。
つまり、オプティマイザーの限界値である999999999999といったところだ。
私のテーマ: https://www.mql5.com/ru/forum/126476
NSのティーチングにGAテスターを使用しているのでしょうか?どのようにして、どのようなNSなのでしょうか?この方法で、いくつの「重さ」を「調整」できるのでしょうか?
20シナプス。
8入力
4 + 3 隠れ層
1出力
Fa - 双曲線タンジェントを持つすべてのニューロン
===========
このようなネットワークは3つあります。3つのアウトプットが委員会を形成する。
まず1番目のネットワークを学習させ、他の2つの出力は0にする
そして、最初のものを有効にした状態で、利益を維持または増加させながらドローダウンを 最小にするために2番目のものを最適化します。
の場合、3番目のネットワークは既に存在する2つのネットワークに接続され、前のケースと同様に重みが調整されます。
そして、案件数はコントロールされている?NSは柔軟性があり、単純に最小ドローダウンを目標学習関数として設定すれば、NSは簡単にドローダウンがゼロのオプションを見つけることができる。
メタトレーダーのテスターはバランスではなくエクイティで計算するため、ドローダウンがゼロになることはない。つまり、すべてのトレードで利益が出たとしても、ローソク足には影があるため、いずれにせよドローダウンはゼロにはならないのである。
また、負けトレードが全くないように、このようなフィッティングをすることは好ましくありません。このような金具は、ごく稀な例外を除き、フォワードテストでは不合格となる。
ニューラルネットワークの重み付けには何兆もの選択肢が必要ですが、gaは1〜1.8万個しか出せません。
ですから、何度か(最低でも5回)HAモードで最適化を行い、その上で適切なものを選択するのが正しい方法でしょう。
ニューラルネットワークのアーキテクチャの選択を間違えています。実際には、設定(重みと閾値)を少し変えただけで出力が同じになるようなグリッドであるべきです。グリッドアーキテクチャがオーバーエンジニアリングであれば、超精巧なチューニングが必要となり、その結果、オーバートレーニング(フィッティング)が発生してしまう。
例えば、私のアーキテクチャは、GAの1万パスがすでに冗長であるようなものです。つまり、最適化の後、(バランス、利益係数、期待ペイオフ、ドローダウンによる)同様の結果が、わずかに異なる設定で表示されます。これにより、グリッドはより幅広い設定で正しい結果を出すことができるようになり、より厚みが増したのです。
前回の記事の説明
ネットワークを学習させ、パターン3とパターン6を区別することができたとしよう。
2番目と3番目のネットの目的は(私の場合)、Expert Advisorがパターンhとbに遭遇したときにトリガーされるのを防ぐことで、最初のネットは3と6と勘違いしている。
ニューラルネットワークのアーキテクチャが正しく選択されていません。実際には、設定(重みと閾値)を少し変えただけで、出力が同じ結果になるようなグリッドである必要があります。グリッドアーキテクチャをいじると、超微調整が必要になり、その結果、オーバートレーニング(フィッティング)が発生してしまうのです。
例えば、私のアーキテクチャは、GAの1万パスがすでに冗長であるようなもので、最適化の後、わずかに異なる設定で同様の結果(バランス、利益係数、期待ペイオフ、ドローダウン)が表示されます。これにより、グリッドはより幅広い設定で正しい結果を出すことができるようになり、より厚みが増したのです。
ニューラルネットワークの研究者は皆、この意見に反対である。
nsに関するほとんどすべての記事から、優れたネットワークほどニューロンの数が多いが、同時にニューロンの数が多すぎてはいけないということが読み取れます。
そのため、2~3層の隠れ家的なネットワークが主流となっています。