トレーディングにおけるニューラルネットワークの活用 - ページ 28 1...212223242526272829303132333435...40 新しいコメント Леонид 2013.07.22 10:56 #271 2 leksus あなたが書いたことは、このフォーラムですでに何度も議論されてきたことであり、それだけではありません。だから、2回目にすべてを書く気力はない・・・・・・。 Aleksei Morozov 2013.07.22 11:26 #272 Robot_al: ... Форекс мне стал более-менее понятен, даже, когда он непонятен - это всего лишь инверсия "понятности". ...まあ、FXはジョージ・ブルの代数のロジックを応用できただけなんですけどね。 かっこいい... 素晴らしい... Aleksei Morozov 2013.07.22 11:32 #273 LeoV: あなたが書いたことは、このフォーラムですでに何度も議論されてきたことであり、それだけではありません。だから、2回目にすべてを書く気力はない・・・・・・。 だから、このフォーラムをよく読んでいないのです。なぜなら、そのような議論を見たことがないからです。とにかく、こだわらない。そして、2回目を書くというのは、本当にありがたくない作業なんです。 このフォーラムに来て、私はたった一つの質問をしました。その疑問が解けたようです。 solar 2013.07.22 19:39 #274 Alexey_74: そして、これは「教師なし学習」の原理であり、「アウト」の概念はない。 P.S. すみません、なぜかニックネームのleksusを今のものに変えてしまいました。 完全に分類に集中する直前。しかし、よく考えてみてください。例えばネットワークにアルファベット5文字を教えたとして、それをスキャンした後にどうやってテキスト認識をするのでしょうか？ 全然荒らしてませんよ。 メインメッセージ - 情報の完全性が必要である。ここまで集中するのはイマイチだな。 Aleksei Morozov 2013.07.23 10:32 #275 solar:完全に分類に集中する直前まで考えてみてください。例えば、ネットワークにアルファベット5文字を教えたとして、スキャンした後にどうやって文字認識をするつもりですか？いや、もちろん文字認識なんてしませんよ。5文字全部覚えても意味がない...。全然荒らしてませんよ。要は、情報が完全であることが必要なのです。ここまで集中するのはイマイチだな。 ありがとうございます。私も建設的であろうと思っています。そして、違うことを話しているように思えました。私が分類の難しさを訴えたのは、次のような意味です。古典的な例として、飛行機を考えてみましょう。この理論では、データ（飛行機の場合）は線形分離可能でなければ、うまく分類できないとしている。(すみません、いい写真がなくて、エクセルで簡単に写真を作りました)。 2つのパラメータXとY（平面...）でデータを取ったとする。ユニットベクターに貼り付けて、次のような画像を得ました。5つの領域が明確に分かれているのがわかります。どのようなSOMでも分類を一度に管理することができ、分類は単なる分類に過ぎない。新しいデータは、いずれかのクラスに分類されます。それぞれのクラスの性質がわかっているので、新しいデータがどのクラスに分類されるかを調べるだけで、そのデータのすべてが一度にわかるのです。その意味するところは...残念ながら、古典的なケースと現実的なケースは、オデッサで言うところの「2つの大きな違い」である。 実際のケースでは、データをアンロードすると、このような絵が表示されました。この場合も確かに分類は可能だが、実用的な価値はない。同じ5つのクラスを指定すれば、SOMは素直にそれを「描画」し、クラスタ中心を均等に 分散させるだけである。新しく届いたデータは、どこかに 行くことになる。しかし、この「どこか」がもう意味をなさないのです。すべてのデータ、およびそのプロパティは、平面上に均等に散らばっている（ごちゃごちゃしている）。もし、このような分類を信じて、新しいデータをいずれかのクラスに帰属させるとしたら、それは自分をだますことにしかならない。これが問題の核心であり、私があの 記事で言いたかったことです。だから、どう考えても、分離可能性が明確なデータは得られないのです。だから、分離可能性がまったくないのか、だからしようとしないのか、どちらかです。あるいは、トラクションが足りない。母なる自然が私に自己批判を与えてくれたので、私は2番目の選択肢に傾いているのです。だから、いろいろな同志に相談するんです。明確な分類ができれば、あとは確率のグリッドとファジーロジックで作業することができます。 EconModel 2013.07.23 10:46 #276 Alexey_74: いや、もちろん文字認識なんてしてませんよ。5文字全部覚えても意味がない...。 ありがとうございます。私も建設的であろうと思っています。そして、違うことを話しているのだと思いました。分類の難しさを嘆いたのは、次のような意味です。 古典的な例として、飛行機を考えてみましょう。この理論では、データ（飛行機の場合）は線形分離可能でなければ、うまく分類できないとしている。 (すみません、いい写真がなくて、エクセルで簡単に写真を作りました)。 2つのパラメータXとY（平面...）でデータを取ったとする。ユニットベクターに貼り付けて、次のような画像を得ました。5つの領域が明確に分かれているのがわかります。どのようなSOMでも分類を一度に管理することができ、分類は単なる分類に過ぎない。新しいデータは、いずれかのクラスに分類されます。それぞれのクラスの性質がわかっているので、新しいデータがどのクラスに属するかを調べるだけで、すぐにそのデータのすべてがわかる。その意味するところは... 残念ながら、古典的なケースと現実的なケースは、オデッサで言うところの「2つの大きな違い」である。 実際のケースでは、データをアンロードすると、このような絵が表示されました。この場合も確かに分類は可能だが、実用的な価値はない。同じ5つのクラスを指定すれば、SOMは素直にそれを「描画」し、クラスタ中心を均等に分散させるだけである。新しく届いたデータは、どこかに 行くことになる。しかし、この「どこか」がもう意味をなさないのです。すべてのデータ、およびそのプロパティは、平面上に均等に散らばっている（ごちゃごちゃしている）。もし、このような分類を信じて、新しいデータをいずれかのクラスに帰属させるとしたら、それは自分をだますことにしかならない。 これが問題の核心であり、私があの 記事で言いたかったことです。だから、どう考えても、分離可能性が明確なデータは得られないのです。だから、分離可能性がまったくないのか、だからしようとしないのか、どちらかです。あるいは、トラクションが足りない。母なる自然が私に自己批判を与えてくれたので、私は2番目の選択肢に傾いているのです。だから、いろいろな同志に相談するんです。分類が明確になれば、確率グリッドやファジーロジックを使った作業ができるようになります。 典型的なTAの推論で、「歴史は繰り返す」という仮定を盲信している。 あなたが書いていることはすべて、データ分析には向いている（かもしれない）けど、予測には全然向いてないんですよ。 分類に成功した結果、特定されたクラスが（この問題を解決できたと仮定して）将来的にどうなると思うか？重要なのは分類ではなく、その手法の予測可能性、将来的な使用に対する信頼性である。それは全く別の問題です。だから、ニューラルネットワークのトレーディングにおける価値は非常に限定的なのです。IMHO solar 2013.07.23 10:48 #277 Alexey_74: 原則として、直接的ではなく、対象との関係が安定している間接的なデータを使用すれば、ネットワークの力をフルに発揮することができます。 例えば、日中と夕方の物体の照度は、太陽の角度によって変化します。そして、太陽の照度データを使えば、被写体の照度がわかるのです。 ネットワークのポイントは、関連する事象から情報を再構築することです。ネットワークは魔法のような関数ではなく、数学の関数と同じように魔法を持っています。 主張しませんが、分類、近似、予測、補間、その他......どんなツールでも、ファイル化する必要があります。 何事も それに関連するすべてのデータを紹介します。そして、これは何もOHLCVだけが変身しているわけではありません。例えば、金の動きはどんな楽器にも影響を与えることができるのでしょうか？オイル ?などなど......。 あなたにとって難しい課題ですが、全般的に頑張ってください。 charter 2013.07.23 10:51 #278 solar: やっぱり何も刺さない方がいいのでは？ 入るものと出るものの間に何か関係があった方がいいのかも？ 入力のためのドルを提案しているのですか？ 考えていたんです。そうかもしれませんね。)) Aleksei Morozov 2013.07.23 11:16 #279 EconModel: 典型的なTAの推論で、「歴史は繰り返す」という仮定を盲信している。 盲目的な信仰は存在したことがない。根っからの唯物論者。しかし、私は「歴史は繰り返す」ということを絶対に確信しています。それが繰り返されるのだと思います。だからといって、今日の午後3時の価格が、先週の火曜日の午後3時と同じような挙動をする、などということはない。 あなたが書いていることはすべて、データ分析には適している（かもしれない）けど、予測には今ひとつ。 分類に成功した結果、特定されたクラスが（この問題の解決に成功したと仮定して）将来的になぜそうなると思いますか？重要なのは分類ではなく、その手法の予測可能性、将来的な使用に対する信頼性である。それは全く別の問題です。だから、ニューラルネットワークのトレーディングにおける価値は非常に限定的なのです。IMHO 分析も予測も、この場合は同じコップの中に入っているのです。 クラスについては、今のところ推測に過ぎず、数えていません。そして、おっしゃるとおり、本題は分類ではありません。分類はあくまでベースのようなものです。そして、さらに（目標）は、まさに予測可能性です。でも、ここでは私も何も数えません。うまくいくかどうかはわかりません。鉄の中の装置」を実装してみるとわかるのですが。そうして初めて、知ることができるのです。 EconModel 2013.07.23 12:37 #280 Alexey_74: 盲目的な信仰は存在したことがない。根っからの唯物論者。しかし、私は「歴史は繰り返す」ということを絶対に確信しています。それが繰り返されているのだと思います。これは、先週火曜日の15:00と同じような値動きをする、などということではありません。 分析も予測も、この場合は同じコップの中に入っているのです。 クラスについては、私は数えていません、今のところ推測でしかありません。そして、おっしゃるとおり、本題は分類ではありません。分類はあくまでベースのようなものです。そしてさらに（目標）それは予測可能性です。でも、ここでは私も何も数えません。うまくいくかどうかはわかりません。鉄の中の装置」を実装したらわかる。そうして初めて、知ることができるのです。 何か理解できていないのかもしれない。 私たちはパターンに分類しています。今後、そのようなパターンが出てくると考えており、その知見を予測に役立てたいと考えています。そうだろ？ どんな根拠で？そのようなパターンがまったくない、あるいはわずかに、あるいは強く変化することを誰が証明したのでしょうか。 IMHOは、もし私たちがネットに手書きの文字「a」を認識するように教えれば、将来この文字が存在することは絶対確実です。なぜなら、この文字は言語の中に存在するからで、将来、ほとんどの人が足で文字を書くようになったとしても、「a」は存在し続けるでしょう。定常性を語っている。 見積もりは原理的に非定常過程であり、定常部分に匹敵する（超える）、時間によって異なるある種の偏差が常に存在するのである。これが問題で、今日はロシア文字、明日は中国文字という原作の非定常性である。 文字が映し出す客観的な現実を探さなければならないのだ。そして、これはニューラルネットワークがやらないことです。 1...212223242526272829303132333435...40 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
あなたが書いたことは、このフォーラムですでに何度も議論されてきたことであり、それだけではありません。だから、2回目にすべてを書く気力はない・・・・・・。
Robot_al:
... Форекс мне стал более-менее понятен, даже, когда он непонятен - это всего лишь инверсия "понятности".
...まあ、FXはジョージ・ブルの代数のロジックを応用できただけなんですけどね。
かっこいい...
素晴らしい...
あなたが書いたことは、このフォーラムですでに何度も議論されてきたことであり、それだけではありません。だから、2回目にすべてを書く気力はない・・・・・・。
だから、このフォーラムをよく読んでいないのです。なぜなら、そのような議論を見たことがないからです。とにかく、こだわらない。そして、2回目を書くというのは、本当にありがたくない作業なんです。
このフォーラムに来て、私はたった一つの質問をしました。その疑問が解けたようです。
そして、これは「教師なし学習」の原理であり、「アウト」の概念はない。
P.S. すみません、なぜかニックネームのleksusを今のものに変えてしまいました。
完全に分類に集中する直前。しかし、よく考えてみてください。例えばネットワークにアルファベット5文字を教えたとして、それをスキャンした後にどうやってテキスト認識をするのでしょうか？
全然荒らしてませんよ。 メインメッセージ - 情報の完全性が必要である。ここまで集中するのはイマイチだな。
完全に分類に集中する直前まで考えてみてください。例えば、ネットワークにアルファベット5文字を教えたとして、スキャンした後にどうやって文字認識をするつもりですか？
いや、もちろん文字認識なんてしませんよ。5文字全部覚えても意味がない...。
ありがとうございます。私も建設的であろうと思っています。そして、違うことを話しているように思えました。私が分類の難しさを訴えたのは、次のような意味です。
古典的な例として、飛行機を考えてみましょう。この理論では、データ（飛行機の場合）は線形分離可能でなければ、うまく分類できないとしている。
(すみません、いい写真がなくて、エクセルで簡単に写真を作りました)。
2つのパラメータXとY（平面...）でデータを取ったとする。ユニットベクターに貼り付けて、次のような画像を得ました。5つの領域が明確に分かれているのがわかります。どのようなSOMでも分類を一度に管理することができ、分類は単なる分類に過ぎない。新しいデータは、いずれかのクラスに分類されます。それぞれのクラスの性質がわかっているので、新しいデータがどのクラスに分類されるかを調べるだけで、そのデータのすべてが一度にわかるのです。その意味するところは...
残念ながら、古典的なケースと現実的なケースは、オデッサで言うところの「2つの大きな違い」である。
実際のケースでは、データをアンロードすると、このような絵が表示されました。この場合も確かに分類は可能だが、実用的な価値はない。同じ5つのクラスを指定すれば、SOMは素直にそれを「描画」し、クラスタ中心を均等に 分散させるだけである。新しく届いたデータは、どこかに 行くことになる。しかし、この「どこか」がもう意味をなさないのです。すべてのデータ、およびそのプロパティは、平面上に均等に散らばっている（ごちゃごちゃしている）。もし、このような分類を信じて、新しいデータをいずれかのクラスに帰属させるとしたら、それは自分をだますことにしかならない。
これが問題の核心であり、私があの 記事で言いたかったことです。だから、どう考えても、分離可能性が明確なデータは得られないのです。だから、分離可能性がまったくないのか、だからしようとしないのか、どちらかです。あるいは、トラクションが足りない。母なる自然が私に自己批判を与えてくれたので、私は2番目の選択肢に傾いているのです。だから、いろいろな同志に相談するんです。明確な分類ができれば、あとは確率のグリッドとファジーロジックで作業することができます。
いや、もちろん文字認識なんてしてませんよ。5文字全部覚えても意味がない...。
ありがとうございます。私も建設的であろうと思っています。そして、違うことを話しているのだと思いました。分類の難しさを嘆いたのは、次のような意味です。
古典的な例として、飛行機を考えてみましょう。この理論では、データ（飛行機の場合）は線形分離可能でなければ、うまく分類できないとしている。
(すみません、いい写真がなくて、エクセルで簡単に写真を作りました)。
2つのパラメータXとY（平面...）でデータを取ったとする。ユニットベクターに貼り付けて、次のような画像を得ました。5つの領域が明確に分かれているのがわかります。どのようなSOMでも分類を一度に管理することができ、分類は単なる分類に過ぎない。新しいデータは、いずれかのクラスに分類されます。それぞれのクラスの性質がわかっているので、新しいデータがどのクラスに属するかを調べるだけで、すぐにそのデータのすべてがわかる。その意味するところは...
残念ながら、古典的なケースと現実的なケースは、オデッサで言うところの「2つの大きな違い」である。
実際のケースでは、データをアンロードすると、このような絵が表示されました。この場合も確かに分類は可能だが、実用的な価値はない。同じ5つのクラスを指定すれば、SOMは素直にそれを「描画」し、クラスタ中心を均等に分散させるだけである。新しく届いたデータは、どこかに 行くことになる。しかし、この「どこか」がもう意味をなさないのです。すべてのデータ、およびそのプロパティは、平面上に均等に散らばっている（ごちゃごちゃしている）。もし、このような分類を信じて、新しいデータをいずれかのクラスに帰属させるとしたら、それは自分をだますことにしかならない。
これが問題の核心であり、私があの 記事で言いたかったことです。だから、どう考えても、分離可能性が明確なデータは得られないのです。だから、分離可能性がまったくないのか、だからしようとしないのか、どちらかです。あるいは、トラクションが足りない。母なる自然が私に自己批判を与えてくれたので、私は2番目の選択肢に傾いているのです。だから、いろいろな同志に相談するんです。分類が明確になれば、確率グリッドやファジーロジックを使った作業ができるようになります。
典型的なTAの推論で、「歴史は繰り返す」という仮定を盲信している。
あなたが書いていることはすべて、データ分析には向いている（かもしれない）けど、予測には全然向いてないんですよ。
分類に成功した結果、特定されたクラスが（この問題を解決できたと仮定して）将来的にどうなると思うか？重要なのは分類ではなく、その手法の予測可能性、将来的な使用に対する信頼性である。それは全く別の問題です。だから、ニューラルネットワークのトレーディングにおける価値は非常に限定的なのです。IMHO
原則として、直接的ではなく、対象との関係が安定している間接的なデータを使用すれば、ネットワークの力をフルに発揮することができます。
例えば、日中と夕方の物体の照度は、太陽の角度によって変化します。そして、太陽の照度データを使えば、被写体の照度がわかるのです。
ネットワークのポイントは、関連する事象から情報を再構築することです。ネットワークは魔法のような関数ではなく、数学の関数と同じように魔法を持っています。
主張しませんが、分類、近似、予測、補間、その他......どんなツールでも、ファイル化する必要があります。 何事も それに関連するすべてのデータを紹介します。そして、これは何もOHLCVだけが変身しているわけではありません。例えば、金の動きはどんな楽器にも影響を与えることができるのでしょうか？オイル ?などなど......。
あなたにとって難しい課題ですが、全般的に頑張ってください。
やっぱり何も刺さない方がいいのでは？ 入るものと出るものの間に何か関係があった方がいいのかも？
入力のためのドルを提案しているのですか？
考えていたんです。そうかもしれませんね。))
典型的なTAの推論で、「歴史は繰り返す」という仮定を盲信している。
盲目的な信仰は存在したことがない。根っからの唯物論者。しかし、私は「歴史は繰り返す」ということを絶対に確信しています。それが繰り返されるのだと思います。だからといって、今日の午後3時の価格が、先週の火曜日の午後3時と同じような挙動をする、などということはない。
あなたが書いていることはすべて、データ分析には適している（かもしれない）けど、予測には今ひとつ。
分類に成功した結果、特定されたクラスが（この問題の解決に成功したと仮定して）将来的になぜそうなると思いますか？重要なのは分類ではなく、その手法の予測可能性、将来的な使用に対する信頼性である。それは全く別の問題です。だから、ニューラルネットワークのトレーディングにおける価値は非常に限定的なのです。IMHO
分析も予測も、この場合は同じコップの中に入っているのです。
クラスについては、今のところ推測に過ぎず、数えていません。そして、おっしゃるとおり、本題は分類ではありません。分類はあくまでベースのようなものです。そして、さらに（目標）は、まさに予測可能性です。でも、ここでは私も何も数えません。うまくいくかどうかはわかりません。鉄の中の装置」を実装してみるとわかるのですが。そうして初めて、知ることができるのです。
盲目的な信仰は存在したことがない。根っからの唯物論者。しかし、私は「歴史は繰り返す」ということを絶対に確信しています。それが繰り返されているのだと思います。これは、先週火曜日の15:00と同じような値動きをする、などということではありません。
分析も予測も、この場合は同じコップの中に入っているのです。
クラスについては、私は数えていません、今のところ推測でしかありません。そして、おっしゃるとおり、本題は分類ではありません。分類はあくまでベースのようなものです。そしてさらに（目標）それは予測可能性です。でも、ここでは私も何も数えません。うまくいくかどうかはわかりません。鉄の中の装置」を実装したらわかる。そうして初めて、知ることができるのです。
何か理解できていないのかもしれない。
私たちはパターンに分類しています。今後、そのようなパターンが出てくると考えており、その知見を予測に役立てたいと考えています。そうだろ？
どんな根拠で？そのようなパターンがまったくない、あるいはわずかに、あるいは強く変化することを誰が証明したのでしょうか。
IMHOは、もし私たちがネットに手書きの文字「a」を認識するように教えれば、将来この文字が存在することは絶対確実です。なぜなら、この文字は言語の中に存在するからで、将来、ほとんどの人が足で文字を書くようになったとしても、「a」は存在し続けるでしょう。定常性を語っている。
見積もりは原理的に非定常過程であり、定常部分に匹敵する（超える）、時間によって異なるある種の偏差が常に存在するのである。これが問題で、今日はロシア文字、明日は中国文字という原作の非定常性である。 文字が映し出す客観的な現実を探さなければならないのだ。そして、これはニューラルネットワークがやらないことです。