記事「データサイエンスと機械学習(第24回):通常のAIモデルによるFX時系列予測」についてのディスカッション 新しいコメント MetaQuotes 2024.08.14 09:32 新しい記事「データサイエンスと機械学習(第24回):通常のAIモデルによるFX時系列予測」はパブリッシュされました: 外国為替市場において、過去を知らずに将来のトレンドを予測することは非常に困難です。過去の値を考慮して将来の予測をおこなうことができる機械学習モデルは非常に少ないです。この記事では、市場に勝つために古典的な(非時系列)人工知能モデルを使用する方法について説明します。 これまでの記事で説明した線形回帰、サポートベクターマシン(SVM)、ニューラルネットワーク(NN)などの、特徴変数間の関係を決定し、学習した関係に基づいて将来の予測を行うことを目的とする古典的な機械学習モデルとは異なり、時系列モデルは、以前に観測された値に基づいて将来の値を予測します。 このアプローチの違いは、時系列モデルが逐次データに固有の時間的依存性とパターンを扱うために特別に設計されていることを意味します。ARIMA、SARIMA、指数平滑化、RNN、LSTM、GRUなどの時系列予測モデルは、過去のデータを活用して、トレンド、季節性、その他の時間的構造を捉え、系列の将来のポイントを予測します。 作者: Omega J Msigwa 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
新しい記事「データサイエンスと機械学習(第24回):通常のAIモデルによるFX時系列予測」はパブリッシュされました:
外国為替市場において、過去を知らずに将来のトレンドを予測することは非常に困難です。過去の値を考慮して将来の予測をおこなうことができる機械学習モデルは非常に少ないです。この記事では、市場に勝つために古典的な(非時系列)人工知能モデルを使用する方法について説明します。
これまでの記事で説明した線形回帰、サポートベクターマシン(SVM)、ニューラルネットワーク(NN)などの、特徴変数間の関係を決定し、学習した関係に基づいて将来の予測を行うことを目的とする古典的な機械学習モデルとは異なり、時系列モデルは、以前に観測された値に基づいて将来の値を予測します。
このアプローチの違いは、時系列モデルが逐次データに固有の時間的依存性とパターンを扱うために特別に設計されていることを意味します。ARIMA、SARIMA、指数平滑化、RNN、LSTM、GRUなどの時系列予測モデルは、過去のデータを活用して、トレンド、季節性、その他の時間的構造を捉え、系列の将来のポイントを予測します。
作者: Omega J Msigwa