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 33 1...262728293031323334353637383940 新しいコメント EconModel 2013.07.23 15:33 #321 Roman.: ハンサム - 美しい。 陸軍時代、私の仲間が肩にこんなタトゥーを入れていた......。:-) 少なくともネットワークへの入力データの整理や準備という点では、対象外だと思うのですが...。 私もそう思います。私の書き込みはオフトピックです。失礼します。 Yury Reshetov 2013.07.23 15:35 #322 EconModel: 作業するオブジェクトを定義する必要があります。ニューラルネットワークの定義はどこにあるのだろう？ 何を使っているのだろう？レイヤー、パーセプトロン？ ニューラルネットワークになぜ層やパーセプトロンが必要なのか？ニューラルネットワークの開発者に任せましょう。 ニューラルネットワークの専門家にとって、ニューラルネットワークはブラックボックスです。 ニューラルネットワークのエンジニアがタスクを設定するために必要なものは、入力の値と出力の値、そしてトレーニングとテスト（フォワードテスト）の2つに分かれたサンプルです。したがって、学習用サンプルでニューラルネットワークを学習させた後、テスト用サンプルにおいて、最大確率で入力の値が出力の値と一致するようにすることが課題となる。 削除済み 2013.07.23 15:35 #323 EconModel: ここから スタートしなければならない。簡単なものから始めてみてください。 定常系列＝モ、分散は一定である。 ARCHの場合、分散は一定でないだけでなく、過去の値に依存する。 ARCHがあるとMOCが適用できないため、モデルを構築する際には、モデルからARCH残差のチェックが必須となる。 これ以上ないほどシンプルな方法 です。 私に聞かないでください。このようなことは、ずっと以前にこのフォーラムで説明されています。 Aleksei Morozov 2013.07.23 15:49 #324 EconModel: パターンは18時間教えて単位認定されるが、主な問題は「パターンは取引に使ってはいけないということを理解しているか」 である。 とはいえ、先生の場合は、少なくとも、少しテーマがずれていたと言えるでしょう。 嫌味ではなく、私も学生でしたから。気になるのは、どの回答の後にクレジットが付与されたのか、ということです。 EconModel 2013.07.23 16:01 #325 Alexey_74:とはいえ、先生の場合は、少なくとも、少しテーマがずれていたと言えるでしょう。 嫌味ではなく、私も学生でしたから。気になるのは、どの回答の後にクレジットが付与されたのか、ということです。すみません、学生にはいろいろな専攻があるんです。TAはDCにいる人なら2週間で学べるが、計量経済学は 5年かかるし、みんながそれを望んでいるわけでもない。 何度も言うが、TAでは予想が当たる確率は全く問題にならない。私たちはただ信じて漏らすだけで、その理由を理解していません。計量経済学では、モデル化の結果に対する信頼性の問題が主要な課題である。人生と同じようにね。 Aleksei Morozov 2013.07.23 16:02 #326 Reshetov: ニューラルネットワークになぜ層やパーセプトロンが必要なのか？ニューラルネットワークの開発者に任せておけばいい。 ニューラルネットワークの設計者にとって、ニューラルネットワークはブラックボックスである。 ニューラルネットワークのエンジニアがタスクを設定するために必要なものは、入力の値と出力の値、そしてトレーニングとテスト（フォワードテスト）の2つに分かれたサンプルです。したがって、学習用サンプルでニューラルネットワークを学習させた後、テスト用サンプルにおいて、最大確率で入力の値と出力の値が一致するようにすることが課題となる。 ユーリさんへ、一般的な意味で（つまり、ニューラルネットワークの研究者全員について）このような発言をするのはやめていただきたいのです。ニューラルネットワークの研究者は（一般的に）隠れ層の数を気にすることが多く、また隠れ層のニューロンの数も定期的に気にします。また、活性化関数の選択に悩むこともあります。そして、時には勾配降下法も選択しなければならない。全然、悪気はないんですよ。それにしても、状況を簡略化しすぎですね。 Роман 2013.07.23 16:05 #327 EconModel: 同意見です。私の書き込みはオフトピックです。失礼します。 大丈夫です。話すこと... solar 2013.07.23 16:10 #328 Alexey_74: また、ネットワーク・アーキテクチャも異なる場合があります。 Aleksei Morozov 2013.07.23 16:18 #329 EconModel:すみません、学生にはいろんな専門分野があるんです。TAは2週間でDCの誰にでも教えられるが、計量経済学は5年かけて教わるもので、誰にでもというわけではない。繰り返しになりますが、TAでは予測実行の確率の問題は全く出てきません。私たちはただ信じて漏らすだけで、その理由を理解していません。計量経済学では、モデル化の結果に対する信頼性の問題が主要な課題である。人生と同じように。 私は議論していない。 経済学はあなたであって、私ではない。私は非数学系の学部で3年間数学を学んだだけです。そして、TAには「信頼区間」が要求されたことはない。TA は、ある事象が高い確率で発生する状況の発生を示す（トレーダーに示す）。原則として、どちらか一方に。つまり、イベントの予測であり、イベントのみである。そして、具体的にどこがTAの目標なのかというと、稀な例外を除いて、これまで一度もなかった。それよりも、「風が吹けば桶屋が儲かる」であることが多い。 EconMod、白旗を揚げました。このモードでの操作に疲れてしまったのです。真実は、7ページほど前に言葉を得ようとするのをやめました。おしっこのためのおしっこ、それは私の趣味ではありません。子供の頃から無口なんです。 削除済み 2013.07.23 17:15 #330 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、美しい写真が見つからなかったので、エクセルで手早く写真を作りました)。 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。それが意味するものは... 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。 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、分類を成功させるためには、データ（飛行機の場合）が線形に分離可能でなければならないとされている。 飛行機は古典的な例 であって、古典的な事例ではない。そして、このような例では、この単純な分離可能性を純粋に説明するために使用しています。 実用上問題ない分類を構築するためには、特徴ベクトルの次元を徐々に大きくしていく必要がある。この場合、クラスの分離は非線形にならざるを得ない。 1...262728293031323334353637383940 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
ハンサム - 美しい。
陸軍時代、私の仲間が肩にこんなタトゥーを入れていた......。:-)
少なくともネットワークへの入力データの整理や準備という点では、対象外だと思うのですが...。
作業するオブジェクトを定義する必要があります。ニューラルネットワークの定義はどこにあるのだろう？ 何を使っているのだろう？レイヤー、パーセプトロン？
ニューラルネットワークになぜ層やパーセプトロンが必要なのか？ニューラルネットワークの開発者に任せましょう。
ニューラルネットワークの専門家にとって、ニューラルネットワークはブラックボックスです。
ニューラルネットワークのエンジニアがタスクを設定するために必要なものは、入力の値と出力の値、そしてトレーニングとテスト（フォワードテスト）の2つに分かれたサンプルです。したがって、学習用サンプルでニューラルネットワークを学習させた後、テスト用サンプルにおいて、最大確率で入力の値が出力の値と一致するようにすることが課題となる。
ここから スタートしなければならない。簡単なものから始めてみてください。
定常系列＝モ、分散は一定である。 ARCHの場合、分散は一定でないだけでなく、過去の値に依存する。
ARCHがあるとMOCが適用できないため、モデルを構築する際には、モデルからARCH残差のチェックが必須となる。
これ以上ないほどシンプルな方法 です。
私に聞かないでください。このようなことは、ずっと以前にこのフォーラムで説明されています。
パターンは18時間教えて単位認定されるが、主な問題は「パターンは取引に使ってはいけないということを理解しているか」 である。
とはいえ、先生の場合は、少なくとも、少しテーマがずれていたと言えるでしょう。
嫌味ではなく、私も学生でしたから。気になるのは、どの回答の後にクレジットが付与されたのか、ということです。
とはいえ、先生の場合は、少なくとも、少しテーマがずれていたと言えるでしょう。
嫌味ではなく、私も学生でしたから。気になるのは、どの回答の後にクレジットが付与されたのか、ということです。
すみません、学生にはいろいろな専攻があるんです。TAはDCにいる人なら2週間で学べるが、計量経済学は 5年かかるし、みんながそれを望んでいるわけでもない。
何度も言うが、TAでは予想が当たる確率は全く問題にならない。私たちはただ信じて漏らすだけで、その理由を理解していません。計量経済学では、モデル化の結果に対する信頼性の問題が主要な課題である。人生と同じようにね。
ニューラルネットワークになぜ層やパーセプトロンが必要なのか？ニューラルネットワークの開発者に任せておけばいい。
ニューラルネットワークの設計者にとって、ニューラルネットワークはブラックボックスである。
ニューラルネットワークのエンジニアがタスクを設定するために必要なものは、入力の値と出力の値、そしてトレーニングとテスト（フォワードテスト）の2つに分かれたサンプルです。したがって、学習用サンプルでニューラルネットワークを学習させた後、テスト用サンプルにおいて、最大確率で入力の値と出力の値が一致するようにすることが課題となる。
ユーリさんへ、一般的な意味で（つまり、ニューラルネットワークの研究者全員について）このような発言をするのはやめていただきたいのです。ニューラルネットワークの研究者は（一般的に）隠れ層の数を気にすることが多く、また隠れ層のニューロンの数も定期的に気にします。また、活性化関数の選択に悩むこともあります。そして、時には勾配降下法も選択しなければならない。全然、悪気はないんですよ。それにしても、状況を簡略化しすぎですね。
同意見です。私の書き込みはオフトピックです。失礼します。
すみません、学生にはいろんな専門分野があるんです。TAは2週間でDCの誰にでも教えられるが、計量経済学は5年かけて教わるもので、誰にでもというわけではない。
繰り返しになりますが、TAでは予測実行の確率の問題は全く出てきません。私たちはただ信じて漏らすだけで、その理由を理解していません。計量経済学では、モデル化の結果に対する信頼性の問題が主要な課題である。人生と同じように。
私は議論していない。 経済学はあなたであって、私ではない。私は非数学系の学部で3年間数学を学んだだけです。そして、TAには「信頼区間」が要求されたことはない。TA は、ある事象が高い確率で発生する状況の発生を示す（トレーダーに示す）。原則として、どちらか一方に。つまり、イベントの予測であり、イベントのみである。そして、具体的にどこがTAの目標なのかというと、稀な例外を除いて、これまで一度もなかった。それよりも、「風が吹けば桶屋が儲かる」であることが多い。
EconMod、白旗を揚げました。このモードでの操作に疲れてしまったのです。真実は、7ページほど前に言葉を得ようとするのをやめました。おしっこのためのおしっこ、それは私の趣味ではありません。子供の頃から無口なんです。
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、美しい写真が見つからなかったので、エクセルで手早く写真を作りました)。
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。それが意味するものは...
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。
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、分類を成功させるためには、データ（飛行機の場合）が線形に分離可能でなければならないとされている。
飛行機は古典的な例 であって、古典的な事例ではない。そして、このような例では、この単純な分離可能性を純粋に説明するために使用しています。
実用上問題ない分類を構築するためには、特徴ベクトルの次元を徐々に大きくしていく必要がある。この場合、クラスの分離は非線形にならざるを得ない。