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 1811

[Valeriy Yastremskiy]

Maxim Dmitrievsky:
Discretisationはナンセンス、regularisationを使えばいい。取引中のモデルの追加トレーニングもナンセンスで、うまくいきません。

過激すぎです)))

[Maxim Dmitrievsky]

Valeriy Yastremskiy：

ラディカル・ライフスタイル)))

そんなやり方では、パターンが見つからない、ただのザフィートです。綿毛でスロットをきつく詰める方法

[Valeriy Yastremskiy]

Maxim Dmitrievsky:
こういうやり方を通してパターンを見つけるのは無理で、ただのザフィートです。スロットに綿毛を詰める方法

Do-learningは、検索方法を変えるのではなく、学習のための新しいデータを追加するものです。なぜ悪いことなのか？

分離はもっと複雑で、直接的なロジックもない、どうしてそう言えるのか？

[Maxim Dmitrievsky]

Valeriy Yastremskiy：

Do-learningは、検索方法を変えるわけではありませんが、学習のための新しいデータを追加します。なぜ悪いのか？

分離はもっと複雑で、直接的なロジックもない、どうしてそう言えるのか？

なぜなら、スライディングウィンドウで学習しているので、再教育と全く同じだからです。また、新しいデータで制御することはできない

[Valeriy Yastremskiy]

Maxim Dmitrievsky:
なぜなら、スライディングウィンドウトレーニングで、再トレーニングと同じようになるからです。また、新しいデータで制御することはできない

最後のウィンドウの評価の事実によってのみ制御し、シリーズの新しい特性が顕著になり、我々はラグを得たときだけです。そのためには、すべてのデータで学習し、遅れを最小限にする必要があります。これはまさにバラエティに富んだシリーズです。

新しいデータは、トレーニングに関与していない別のツールを繰り返している可能性が高いのです。

[Maxim Dmitrievsky]

Valeriy Yastremskiy：

制御は最後のウィンドウが評価され、そして行の新しい特性が有意になり、ラグを得たときだけです。今はデータがたくさんありますから、本気でやるなら、すべてのデータでラグを最小にしてトレーニングすべきです。これはまさにバラエティに富んだシリーズです。

新しいデータが、トレーニングに関与していない別のツールを繰り返している可能性は十分にあります。

全データで学習する場合とスライディングウィンドウで学習する場合の違いがわからないのですが。シリーズの特性が非常に滑らかに変化するのであれば、それは理にかなっています。しかし、そんなものは市場に存在しない。

[Valeriy Yastremskiy]

Maxim Dmitrievsky:
全データでの学習とスライディングウインドウの違いはないと思います。シリーズの特性が非常にスムーズに変化するのであれば、それは理にかなっていると思います。しかし、そんなものは市場に存在しない。

得られた特性のバイブルを持つことに意味があるだけで、それ以上の意味はない。完全な解決策にはなりえませんが、異なる時期に異なる楽器で繰り返しを見つけるには有効です。また、スライディングウィンドウの補助データとしてのみ。

[Maxim Dmitrievsky]

Valeriy Yastremskiy：

ポイントは、得られた特性の書誌情報のみであり、それ以上ではありません。完全な解決策ではないかもしれませんが、異なる時期に異なる楽器で繰り返しを見つけるには有効です。また、スライディングウィンドウの補助データとしてのみ使用します。

どんな特徴がありますか？解釈されないNSウェイトの配列が存在することになる

[Valeriy Yastremskiy]

Maxim Dmitrievsky：
どのような特徴があるのでしょうか？解釈されないNSウェイトの配列が存在することになる

そう、欲望と機器の間に矛盾があるのです。NSを使ったウェイトの配列では、本当に不十分です。）

系列の特性は、それを十分に小さな誤差で記述する最も単純な数学的モデルである))))

[Aleksey Vyazmikin]

ウラジミール・ペレヴェンコ

...

膨大な過去のデータでモデルを学習させ、再学習させることなく長期間使えるというのは、大きな錯覚です。

...

長いというのはどのくらいかというと、プラスアルファで半年以上動いている機種があるんです。1ヶ月ほど前、古いファイルのアーカイブを調べているときに、このことを発見しました。

別の例 - また、葉の上に構築され、そのほとんどは、2014年から2018年のサンプル包括的に収集され、2020年2月に木、これはフィルタとして使用され、この相乗効果は2020年にうまく機能します。

しかし、危険を冒してまですべてを賭けたわけではない--それが私の失敗です。

今、私は、基準が長くなり、すべてが壊れるという思いにとらわれています。