トレーディングにおける機械学習:理論、モデル、実践、アルゴトレーディング - ページ 1204 1...119711981199120012011202120312041205120612071208120912101211...3399 新しいコメント Aleksey Nikolayev 2018.12.13 09:23 #12031 マキシム・ドミトリエフスキー解決策は、最適な重みを見つけること...例えば、事後をどのように変化させるか...均一から指数関数まで私は、ブラックボックスモデルの支持者ではありません。すべてが透明で、シンプルな「物理的」な意味を持っているほうがいい。 例えば - 修正が反転になる確率を大きな履歴を使って先験的に計算し、時間帯やトレンドの特徴に応じて、特定の修正ごとに事後的に再計算します。 Maxim Dmitrievsky 2018.12.13 09:27 #12032 アレクセイ・ニコラエフ私は、ブラックボックスモデルには賛成できません。すべてが透明で、シンプルな "物理的 "な意味を持っている方が良いのです。 例えば - 修正が反転になる確率を大きな履歴から先験的に計算し、特定の修正ごとに時間帯やトレンドの特徴に応じて事後確率に再計算します。FXの法則の単純な物理的な意味は、残念ながら私たちにはわからない。 Aleksey Nikolayev 2018.12.13 10:12 #12033 マキシム・ドミトリエフスキー外為のパターンの物理的な意味は、残念ながらわかっていない。モデルの解釈可能性ということですね。 Maxim Dmitrievsky 2018.12.13 10:26 #12034 アレクセイ・ニコラエフモデルの解釈可能性ということですね。メタモデルはメトリクスで簡単に解釈できますが、MOのことではありません。 Igor Makanu 2018.12.13 10:32 #12035 マキシム・ドミトリエフスキーメタモデルはメトリクスで簡単に解釈できますが、MOのテーマではありません。この問題は、MoDが犬と猫を区別するのと同じです。 Maxim Dmitrievsky 2018.12.13 10:36 #12036 イゴール・マカヌなぜかというと、国防総省が猫と犬を区別するのと同じだからです。なぜなら、それは異なる言語を話すようなものだと私は思うからです...。 特性で区別するのは当然として、フィッシュであること Aleksey Nikolayev 2018.12.13 10:59 #12037 マキシム・ドミトリエフスキーメタモデルはメトリクスで簡単に解釈できますが、MOから外れてしまいます。簡単なことばかりではないと思いますが、何とかなる ものです。ニューラルネットワークそのものではなく、その簡略化された近似値で直接取引を行うべきなのでしょうね。 MOのメソッド(あなたはそれを呼び出すことができます "巧妙な探索的分析")なしで私たちのケースで行うことはできませんが) Maxim Dmitrievsky 2018.12.13 11:07 #12038 アレクセイ・ニコラエフ簡単なことばかりではないでしょうが、何とかなる ものです。直接取引を行うべきはニューラルネットワークそのものではなく、その簡略化された近似値なのでしょうね。 MO法(「巧妙な探索的分析」と呼んでもよい)がなければ、私たちの場合、)さて、最適化されたパラメータにシグナルの分布依存性を追加したいのですが、そもそも、私がやったのは、次のようなことです。 double arr[]; CopyClose(_Symbol,0,0,100,arr); double kurt = MathKurtosis(arr); double skew = MathSkewness(arr); if(kurt > 2.0) if(rand()/32767.0<0.5) res = 0; else res = 1; else { if(skew >0) if(rand()/32767.0>prob_shift) res = 0; else res = 1; if(skew <0) if(rand()/32767.0<prob_shift) res = 0; else res = 1; 尖度がある値(それを選ぶことができる)より高ければ、フラットな状況が観察され、同じ確率で売買できる(そして、間違ったものをすべて修正することができる)。 さらに非対称性に関して、ある側面があれば、買いまたは売りのシグナルの確率はシフトする。 これは原始的なものだが、おおよそオプティマイザがターゲットを選択できる方法である メトリクスから得る必要があるのは、(学習用サンプルで学習する)テストサンプルでの分類誤差だけです。ハイパーパラメータはオプティマイザで列挙され、最も誤差の少ないモデルが選択される。何が解釈できないかというと、テストデータの誤差を見て、そのモデルが一般化できるかどうかが分かればいいのです。そんなポンコツの例を作ってみたところ mytarmailS 2018.12.13 11:09 #12039 マキシム・ドミトリエフスキー今度は、シグナルの分布依存性を最適化するパラメータに加えたいのですが、まず、このようなことをしました。その結果、依存性がある... 帰国子女に「SMM」(隠れマルコフモデル)を学習させ、10個の状態に分割して教師なしで学習させたところ、勝手に異なる分布を分割してくれました の状態分布です。 そして、ここではリターンを州ごとにグループ化し、各行が個別の市場の状態を表しています。 一部の状態(1,4,6,8,9)は観測回数が少なすぎるため、全く考慮されない そして今、私はシリーズの再生、つまり累積和を作ろうと思うのですが、もしいくつかの状態に何らかの傾向、つまり方向の規則性が見つかれば 累計の集計をしました。 5と7は一貫した構造を持っており、5がバイ、7がビレッジです。 Aleksey Nikolayev 2018.12.13 11:14 #12040 マキシム・ドミトリエフスキー今、私は最適化されたパラメータに、信号の分布への依存性を加えたいと思います、私はそれを最初に行いました、見るために 尖度がある値より高ければ(それを選ぶことができる)、フラットな状況になり、同じ確率で売買できる(そして間違ったものをすべて修正することができる)。 さらに非対称性に関して、ある側面があれば、買いまたは売りのシグナルの確率はシフトする。 これは原始的なものですが、オプティマイザーでターゲットを選択する方法です。なぜ、価格ではなく、その刻み幅なのか? 1...119711981199120012011202120312041205120612071208120912101211...3399 新しいコメント 理由: キャンセル 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
解決策は、最適な重みを見つけること...例えば、事後をどのように変化させるか...均一から指数関数まで
私は、ブラックボックスモデルの支持者ではありません。すべてが透明で、シンプルな「物理的」な意味を持っているほうがいい。
例えば - 修正が反転になる確率を大きな履歴を使って先験的に計算し、時間帯やトレンドの特徴に応じて、特定の修正ごとに事後的に再計算します。
私は、ブラックボックスモデルには賛成できません。すべてが透明で、シンプルな "物理的 "な意味を持っている方が良いのです。
例えば - 修正が反転になる確率を大きな履歴から先験的に計算し、特定の修正ごとに時間帯やトレンドの特徴に応じて事後確率に再計算します。
FXの法則の単純な物理的な意味は、残念ながら私たちにはわからない。
外為のパターンの物理的な意味は、残念ながらわかっていない。
モデルの解釈可能性ということですね。
モデルの解釈可能性ということですね。
メタモデルはメトリクスで簡単に解釈できますが、MOのことではありません。
メタモデルはメトリクスで簡単に解釈できますが、MOのテーマではありません。
この問題は、MoDが犬と猫を区別するのと同じです。
なぜかというと、国防総省が猫と犬を区別するのと同じだからです。
なぜなら、それは異なる言語を話すようなものだと私は思うからです...。
特性で区別するのは当然として、フィッシュであることメタモデルはメトリクスで簡単に解釈できますが、MOから外れてしまいます。
簡単なことばかりではないと思いますが、何とかなる ものです。ニューラルネットワークそのものではなく、その簡略化された近似値で直接取引を行うべきなのでしょうね。
MOのメソッド(あなたはそれを呼び出すことができます "巧妙な探索的分析")なしで私たちのケースで行うことはできませんが)
簡単なことばかりではないでしょうが、何とかなる ものです。直接取引を行うべきはニューラルネットワークそのものではなく、その簡略化された近似値なのでしょうね。
MO法(「巧妙な探索的分析」と呼んでもよい)がなければ、私たちの場合、)
さて、最適化されたパラメータにシグナルの分布依存性を追加したいのですが、そもそも、私がやったのは、次のようなことです。
尖度がある値(それを選ぶことができる)より高ければ、フラットな状況が観察され、同じ確率で売買できる(そして、間違ったものをすべて修正することができる)。
さらに非対称性に関して、ある側面があれば、買いまたは売りのシグナルの確率はシフトする。
これは原始的なものだが、おおよそオプティマイザがターゲットを選択できる方法である
メトリクスから得る必要があるのは、(学習用サンプルで学習する)テストサンプルでの分類誤差だけです。ハイパーパラメータはオプティマイザで列挙され、最も誤差の少ないモデルが選択される。何が解釈できないかというと、テストデータの誤差を見て、そのモデルが一般化できるかどうかが分かればいいのです。
そんなポンコツの例を作ってみたところ
今度は、シグナルの分布依存性を最適化するパラメータに加えたいのですが、まず、このようなことをしました。
その結果、依存性がある...
帰国子女に「SMM」(隠れマルコフモデル)を学習させ、10個の状態に分割して教師なしで学習させたところ、勝手に異なる分布を分割してくれました
の状態分布です。
そして、ここではリターンを州ごとにグループ化し、各行が個別の市場の状態を表しています。
一部の状態(1,4,6,8,9)は観測回数が少なすぎるため、全く考慮されない
そして今、私はシリーズの再生、つまり累積和を作ろうと思うのですが、もしいくつかの状態に何らかの傾向、つまり方向の規則性が見つかれば
累計の集計をしました。
5と7は一貫した構造を持っており、5がバイ、7がビレッジです。
今、私は最適化されたパラメータに、信号の分布への依存性を加えたいと思います、私はそれを最初に行いました、見るために
尖度がある値より高ければ(それを選ぶことができる)、フラットな状況になり、同じ確率で売買できる(そして間違ったものをすべて修正することができる)。
さらに非対称性に関して、ある側面があれば、買いまたは売りのシグナルの確率はシフトする。
これは原始的なものですが、オプティマイザーでターゲットを選択する方法です。
なぜ、価格ではなく、その刻み幅なのか?