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 1638 1...163116321633163416351636163716381639164016411642164316441645...3399 新しいコメント Aleksey Vyazmikin 2020.03.24 07:15 #16371 エリブラリウス 説明が短すぎる。 1つの予測変数が外部で複数に分割され、すでに5つの予測変数としてフィードされているのかどうかは不明です。むしろ、あらかじめ計算された分割値として内部で行われている。そして、セクターごとに分けているのです。 古典的な木のアルゴリズムにおける半割算よりも効率的であることには同意します。 外か内かとは？私が理解したところでは、予測器を用いて、その指標をセグメントに分割し、十分な数の活性化を維持し、各セグメントに予測力を与えるために、さまざまな方法が使用されます - 与えられたステップまたは小さなステップの線形結合（単純化する）で、範囲を持つセルを得ることができます。学習ですべての木を作るときには、そのようなセルのセットだけを使う。でも、厳密には違うんですけどね :) 一方、私はこの細胞を1つにまとめようとしています。昨日のこの記事を見ていたら、カテゴリ予測変数に対して似たようなことをやっているという言及がありました。 私の場合、オーバートレーニングの危険性があります。もう少ししてモデルが出来上がったら、同時にサンプルで確認してみます。 Aleksey Nikolayev 2020.03.24 07:54 #16372 このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（たとえば、今回のような危機の結果として）。 私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャンネルのブレークダウン」等と言うことができます。 Mihail Marchukajtes 2020.03.24 07:59 #16373 アレクセイ・ヴャジミキン そんな女性なら、洗濯も食事もチャンスです :) それは、彼女の揚げ方次第です。押された女は料理がうまい :-) Aleksey Nikolayev 2020.03.24 08:15 #16374 ミハイル・マルキュカイツ 揚げ方次第です。しぼんだ女性は料理が上手になる:-) あんなおばちゃんにポエムは通用しない、MGOレベルでMathを学ばないと) Forester 2020.03.24 08:15 #16375 アレクセイ・ニコラエフ このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（例えば、今回のような危機の結果として）。 私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャネルのブレークダウン」等と言うことが可能です。 推測ではない...練習では、トレーニングプロットで1％、新しいプロットで50％の誤差が生じます。つまり、重要な予測変数が必要であり、単一の木やいくつかの回帰で訓練することもできます。 ところで、1本の木は、とても簡単に解釈できるだろう。 Aleksey Vyazmikin 2020.03.24 08:16 #16376 アレクセイ・ニコラエフ このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（たとえば、今回のような危機の結果として）。 私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャンネルのブレークダウン」等と言うことができます。 全く同感です。 この問題は繰り返し考えてきたことですが、ある領域でシステムのポテンシャルと結果を比較することが必要だと考えています。 どうすればもっとうまく、普遍的にできるのか、今日ちょうど考えていたところです。学習プロセスはいくつかのステップからなるイメージで、まずサンプルのマーキングですが、いくつかのシグナルストラテジーをもとにマーキングしていきます。これらの戦略は原始的であるべきですが、例えば、価格によるMAクロスは、そのようなクロスオーバーまたはその逆の方向にエントリ信号を生成し、可能性を秘めています。そうすると、トレーニングというのは、あくまでも偽信号をフィルタリングするための手段ということになります。この仮定を受け入れると、各時間間隔において、このフィルタリングがどれだけの割合で有効であるかを計算することができる。最も単純なものは、基本戦略に対する分類の精度と完全性を計算することであろう。他の選択肢もある - メトリクスそうすれば、たとえ損をし始めたとしても、モデルのパフォーマンスがどのように変化するかを見ることができます。 Evgeny Dyuka 2020.03.24 08:31 #16377 アレクセイ・ニコラエフ このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（たとえば、今回のような危機の結果として）。 私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャネルのブレークダウン」等と言うことが可能です。 練習はしています。前回のトレーニングから1ヶ月以内は、ビットコインの大引け後でも変化を感じない。唯一影響を与えるのは、資産を操作した直後の期間だけで、この間、神経回路網は完全に迷走し、無意味なことをしゃべる。このような嵐から遠ざかるほど、述語はより適切になる。 削除済み 2020.03.24 08:43 #16378 エフゲニー・デューカ 練習がある。前回のトレーニングから1ヶ月以内は、ビットコインを激しく流しても、特に変化は感じられませんでした。唯一影響を与えるのは、操作された資産の動きの直後で、この期間はニューロネットが完全に失われ、あらゆる種類のゴミを表示する。このような嵐から離れれば離れるほど、予測はより適切になる。 #16015- 見るからに面白そう・・・。プライベートメッセージで、その（チャンネルの）リンクを教えてもらえますか？ #23- 最終的に作成できたのでしょうか？ Evgeny Dyuka 2020.03.24 09:02 #16379 オネドラルスド #16015- 見るからに面白そう・・・。プライベートメッセージで、それ（チャンネル）へのリンクを得ることができますか？ #23- 結果的に作ることができたのでしょうか？ #23- いや、ユートピア、多くの時間と労力、最終的にバックテストでボットは1つのペアで1年にX5まで作りますが、平均して年に1回、すべてが注ぎ込まれるのです。現実の市場では、この「年に一度」が、特に今のような嵐の時には、すぐに起こるに違いない。私はもう完全自動化されたボットを信じていません、それはうまくいくはずがありません、市場はとにかく調整してごまかすでしょう) #16015- これはうまくいき、プロトタイプが動くようになりました。 ニューロはBTCUSDの今後10～30分を予想、ネットワークの "信頼度 "に依存。信頼度が高いほど15分前後でうまくいく確率が高く、信頼度が低いほど予測があやふやになります。ロウソクに縛りはなく、予知は1分ごとに出てくる。 Expert for MT5をダウンロードされた方は、こちらから入手 できます（以前にExpert Advisorをダウンロードされた方は、こちらのリンクからアップデートできます、バグフィックスも可能です）。 BTCUSDのみ、M1タイムフレームのみで有効です、以下の説明をお読みください。 このビジュアライゼーションによれば、予測はまだ理想的でないことは明らかですが、トレーニングはまだ初期段階に過ぎず、すべてが膝をついている状態なのです。次に進むべき道への理解がある...。 Aleksey Nikolayev 2020.03.24 09:26 #16380 エリブラリウス 想定していない...練習では、トレーニングプロットで1％の誤差、新しいプロットで50％の誤差を示します。つまり、重要な予測変数が必要であり、単一の木やいくつかの回帰で訓練することもできます。 ところで、一本の木は、とても解釈しやすいでしょう。 どんな予測因子も、時間とともにその重要性が変化する傾向がある。それは、役に立たないということではなく、常に新しいものを探し、以前に見つけたものの意義が失われることを覚悟しておくことです。 1...163116321633163416351636163716381639164016411642164316441645...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
説明が短すぎる。
1つの予測変数が外部で複数に分割され、すでに5つの予測変数としてフィードされているのかどうかは不明です。むしろ、あらかじめ計算された分割値として内部で行われている。そして、セクターごとに分けているのです。
古典的な木のアルゴリズムにおける半割算よりも効率的であることには同意します。
外か内かとは？私が理解したところでは、予測器を用いて、その指標をセグメントに分割し、十分な数の活性化を維持し、各セグメントに予測力を与えるために、さまざまな方法が使用されます - 与えられたステップまたは小さなステップの線形結合（単純化する）で、範囲を持つセルを得ることができます。学習ですべての木を作るときには、そのようなセルのセットだけを使う。でも、厳密には違うんですけどね :)
一方、私はこの細胞を1つにまとめようとしています。昨日のこの記事を見ていたら、カテゴリ予測変数に対して似たようなことをやっているという言及がありました。
私の場合、オーバートレーニングの危険性があります。もう少ししてモデルが出来上がったら、同時にサンプルで確認してみます。
このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（たとえば、今回のような危機の結果として）。
私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャンネルのブレークダウン」等と言うことができます。
そんな女性なら、洗濯も食事もチャンスです :)
揚げ方次第です。しぼんだ女性は料理が上手になる:-)
あんなおばちゃんにポエムは通用しない、MGOレベルでMathを学ばないと)
このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（例えば、今回のような危機の結果として）。
私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャネルのブレークダウン」等と言うことが可能です。
ところで、1本の木は、とても簡単に解釈できるだろう。
このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（たとえば、今回のような危機の結果として）。
私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャンネルのブレークダウン」等と言うことができます。
全く同感です。
この問題は繰り返し考えてきたことですが、ある領域でシステムのポテンシャルと結果を比較することが必要だと考えています。
どうすればもっとうまく、普遍的にできるのか、今日ちょうど考えていたところです。学習プロセスはいくつかのステップからなるイメージで、まずサンプルのマーキングですが、いくつかのシグナルストラテジーをもとにマーキングしていきます。これらの戦略は原始的であるべきですが、例えば、価格によるMAクロスは、そのようなクロスオーバーまたはその逆の方向にエントリ信号を生成し、可能性を秘めています。そうすると、トレーニングというのは、あくまでも偽信号をフィルタリングするための手段ということになります。この仮定を受け入れると、各時間間隔において、このフィルタリングがどれだけの割合で有効であるかを計算することができる。最も単純なものは、基本戦略に対する分類の精度と完全性を計算することであろう。他の選択肢もある - メトリクスそうすれば、たとえ損をし始めたとしても、モデルのパフォーマンスがどのように変化するかを見ることができます。
このスレッドでは、非定常性の問題がほとんど無視されていることに、かなり違和感を覚えます。なぜか、過去に見つけたパターンが将来も通用すると思い込んでいて、通用しない場合は過学習が起きていることになる。しかし、ある種のパターンは、時間の経過とともに、徐々に、あるいは飛躍的に機能しなくなることも十分あり得ます（たとえば、今回のような危機の結果として）。
私が考える問題点は、IOのパターンが複雑で、人間にはうまく解釈できないことです。もし、性能が悪くなり始めたら、過学習のバリエーションと非定常のバリエーションを（モデル内で）区別することは不可能である。従来の分析では、「トレンドの変化」、「レベル/チャネルのブレークダウン」等と言うことが可能です。
練習がある。前回のトレーニングから1ヶ月以内は、ビットコインを激しく流しても、特に変化は感じられませんでした。唯一影響を与えるのは、操作された資産の動きの直後で、この期間はニューロネットが完全に失われ、あらゆる種類のゴミを表示する。このような嵐から離れれば離れるほど、予測はより適切になる。
#16015- 見るからに面白そう・・・。プライベートメッセージで、その（チャンネルの）リンクを教えてもらえますか？
#23- 最終的に作成できたのでしょうか？
#16015- 見るからに面白そう・・・。プライベートメッセージで、それ（チャンネル）へのリンクを得ることができますか？
#23- 結果的に作ることができたのでしょうか？
#23- いや、ユートピア、多くの時間と労力、最終的にバックテストでボットは1つのペアで1年にX5まで作りますが、平均して年に1回、すべてが注ぎ込まれるのです。現実の市場では、この「年に一度」が、特に今のような嵐の時には、すぐに起こるに違いない。私はもう完全自動化されたボットを信じていません、それはうまくいくはずがありません、市場はとにかく調整してごまかすでしょう)
#16015- これはうまくいき、プロトタイプが動くようになりました。
ニューロはBTCUSDの今後10～30分を予想、ネットワークの "信頼度 "に依存。信頼度が高いほど15分前後でうまくいく確率が高く、信頼度が低いほど予測があやふやになります。ロウソクに縛りはなく、予知は1分ごとに出てくる。
Expert for MT5をダウンロードされた方は、こちらから入手 できます（以前にExpert Advisorをダウンロードされた方は、こちらのリンクからアップデートできます、バグフィックスも可能です）。
BTCUSDのみ、M1タイムフレームのみで有効です、以下の説明をお読みください。
このビジュアライゼーションによれば、予測はまだ理想的でないことは明らかですが、トレーニングはまだ初期段階に過ぎず、すべてが膝をついている状態なのです。次に進むべき道への理解がある...。
想定していない...練習では、トレーニングプロットで1％の誤差、新しいプロットで50％の誤差を示します。つまり、重要な予測変数が必要であり、単一の木やいくつかの回帰で訓練することもできます。
ところで、一本の木は、とても解釈しやすいでしょう。
どんな予測因子も、時間とともにその重要性が変化する傾向がある。それは、役に立たないということではなく、常に新しいものを探し、以前に見つけたものの意義が失われることを覚悟しておくことです。