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 83 1...767778798081828384858687888990...3399 新しいコメント СанСаныч Фоменко 2016.08.01 15:47 #821 mytarmailS:チャートの視覚的なブラウジングや故障のパターンの検索から、 ニューラルネットワークのトレーニングに至るまで、 すべて統計による取引に他なりませんが、まさにその統計は市場では通用しません。市場は群衆の取引に逆らって動く ------ 群衆は統計に基づいて行動する ------ 必要なのは、群衆の行動を将来予測し、その逆を行うことだ、予測する唯一の方法は統計である。もし、統計学というものが、定常的なランダム過程に対してのみ機能するツールを意味するならば、そのような統計学は機能しません。なぜなら、金融市場は非定常過程であり、その上では「平均」「相関」等、多くの人が愛する概念は意味をなさないのですから。一方、機械学習は、通常、統計学に分類されず、人工知能に分類される。 mytarmailS 2016.08.01 15:49 #822 Mihail Marchukajtesの アイデアについては、このスレッドに登場する数日前に私も思いついたのですが、もしかしたら誰かがその結果に興味を持つかもしれませんね。私は長い間、ある技術的なパターンに気づいていました。それは時々機能します。パターンは純粋な売りです(しかし、私はネットに面白半分に買わせます)。私はそれを規定し、価格がパターンのある点「X」に来ると、ネットに買い/売り/休憩をさせます。.ターゲットは3クラスで、つまり「X」ポイントに到達したら、メンタルストップロス、テイクプロフィットを設定して売買を行うというものであった。買い - 買い持ち越しで、ストップがノックアウトされなかった場合売り - 売りのポイントを取り、ストップロスが取られていない場合一休さん - 買いと売りの両方でストップロスを取り、どちらもテイクアウトがヒットしなかった場合。テイクはストップの2倍か3倍、正確には覚えていませんが、3倍だったと思います。現実のネットワークは、検証よりもはるかに悪い取引をしたという事実にもかかわらず、(検証のkol.正解率は63%で、実際の取引では約20%)それにもかかわらず、アルゴリズムは利益を上げていました。が、多いのはこのパターンは単体では短いので、ここでの買いは精度や収益性に欠ける。このパターンを1つではなく、10個プログラムしたらどうでしょう?面白い?;) mytarmailS 2016.08.01 16:10 #823 サンサニッチ・フォメンコもし統計学というものが、定常的なランダム過程に対してのみ機能するツールを意味するなら、金融市場は非定常過程であり、「平均」「相関」などという大好きな概念は意味をなさないので、そのような統計学は機能しないのです。一方、機械学習は、通常、統計学に分類されず、人工知能に分類される。私がこの発言を正しく理解していれば、大多数が使っているものはすべて統計に当てはまると思います。そして、もう少しだけレースを追加します。非定常性と市場、機械学習について書かれていますが、非定常過程を予測するための一般に認められたツールがあり、その数は多くないことをご存知ですか、これらは "MGUA "です。, 隠れマルコフモデルとリカレントニューラルネットワーク(ネットワークについては間違っている可能性があり、BPのためだけのものである可能性があります)ニューラルネットワークやフォレストなどは、非定常データ用に設計されているわけではない のですが、なぜ私を含め全員が、本来の目的とは異なるツールを使ってしまうのでしょうか?質問) Dr. Trader 2016.08.02 02:26 #824 サンサニッチ・フォメンコ木に100%なんて、まったくもってナンセンスすべての予測変数がノイズである場合、この結果を達成することは非常に難しく、3%~5%の誤差が発生します。ノイズは、クロスバリデーションやその他のトリックを駆使して、常に非常に良い結果を出してくれます。100%の精度が意味するのは、予測変数の中にターゲット変数の複製(それの何らかの修正)があることだけです。つまり、未来を見据えたモデルです。ALL_cod.RDataのデータセットTF1とかで、最初のターゲット変数forestで、木の本数が少なくてもほぼ100%の結果が得られた例がありましたね。さらに、森の木の本数を増やすことで、精度は絶対100%まで伸びました。森は、そのパラメータが十分大きければ、すべての学習例を記憶することができる。mytarmailSではその逆で、パラメータ数の少ない森では良い結果が得られるが、木の本数が増えると精度が低下する。クロスバリデーションは使っていないそうなので、トレーニングデータそのものの話ですね。そういうわけにはいきません。学習データに対するフォレストの精度は、そのパラメータが減少することによってのみ低下し、その逆はない。可能なのでしょうか? mytarmailS 2016.08.02 06:32 #825 Dr.トレーダーmytarmailSの場合はその逆で、パラメータが少ない森は良い結果が出ますが、木が多くなると精度が落ちます。 いや、そんなことはない、精度が落ちるのではなく、取引 回数が減るのだ。クラス1と-1はもはや学ぶことができないという事実のためにすべての観測がなくなっている、とクラス "0 "はまだ学ぶことができ、あなたがきれいに見えるようにそれを教え始めると、それはクラス-1と1を設計されていたそれらのいくつかの観測を吸収し、あなたは私のモデルは、従来の方法木の数が多いとそれらを訓練する場合、出力が1ゼロ、クラス "0" になります - "何もしないで" - 。 Yuri Evseenkov 2016.08.02 07:18 #826 重い鐘 そして、そのギリギリのところで 居眠りする蝶。( 日本語 hoku.)客席から枝を見ていると、必要なのかどうかわからなくなる。 一方では、機械学習、人工知能、ニューラルネットワークがあり、他方では、私の理解では、前例(規則性)と予測因子(予知能力)をいかに識別し組み合わせるかが大きな問題です。一方、市場は物質であり、要因の数は無限であり、メジャーとマイナーに分けることは可能なのか。スナップショットをいくつか紹介します。2011г.日本です。福島津波により原子力発電所の事故が発生しました。カオス理論によれば、地震や蝶の羽ばたきなど、津波を引き起こした原因は関係ない。重要なことは、それを予測し、市場への影響を知ることができないことです。事故、避難、放射能、そして今、島を出なさいということでしょう。でも、ダメなんです。3月11日に事故が起こり、16日には日経平均が空前の伸びを示した。 日本人は沈みゆく船からネズミのように逃げ出すのではなく、逆に自国に資本を戻して再建に貢献し始めたことがわかった。1年前ドイツヴォルフスブルクヒトラーの命令でドイツ国民の車を作るために作られた工場「WV」とその街。 ここでは、プログラマーが蝶になって、テストベンチ・テストの時だけディーゼル・エンジンの有害排出物がないようにプログラムしているのだ。スキャンダルWVの株価が下がっている。DAXは粉砕された。私たちの日々また日本か。任天堂の株価が急騰。資本金は、例えば米国の武器輸出を上回る。ポケモンGO」みたいなものがこんなに流行るなんて、誰が想像したでしょう?このスレッドでは、週次、月次、さらには年次のデータに基づくシステムについて説明します。何か大きな安定したFXのシグナルを探しているようで、戸惑いを感じます。日中、いくつかの蝶、統計、声明は、わずかな気まぐれに市場を「再教育」することができます。少なくとも1週間は安定して動作するシステムを構築することは、ゴミ箱にある部品でボーイングを組み立てるのと同じ確率です。 mytarmailS 2016.08.02 07:24 #827 ユーリ・エフシエンコフヘビーベル 投稿のポイントは何だったのでしょうか? СанСаныч Фоменко 2016.08.02 07:33 #828 Dr.トレーダーALL_cod.RDataのデータセットTF1か何かで、最初のターゲット変数で、木の本数が少なくても森がほぼ100%の結果を出した例がありましたね。さらに、森の木の本数を増やすことで、精度は絶対100%まで伸びました。森は、そのパラメータが十分大きければ、すべての学習例を記憶することができる。mytarmailSではその逆で、少ないパラメータ数の森は良い結果を出すが、木の本数が増えると精度が落ちる。クロスバリデーションは使っていないそうなので、トレーニングデータそのものの話ですね。そういうわけにはいきません。学習データに対するフォレストの精度は、そのパラメータが減少することによってのみ低下し、その逆はない。可能なのでしょうか? 予測変数のリストがノイズ予測変数からクリーンアップされていないため、モデルが再トレーニングされます。トレーニング用の例として、意図的にそのように作られています。だからこそ、自信を持って言えるのです。 Yuri Evseenkov 2016.08.02 07:36 #829 mytarmailS: 何のための投稿なのか、意味がわからない。 ただ、声に出して考えてみただけです。私のことは気にしないでください。 СанСаныч Фоменко 2016.08.02 07:43 #830 ユーリ・エフシエンコフ: 重い鐘 そして、そのギリギリのところで 居眠りする蝶。( 日本語 hoku.)客席から枝を見ていると、必要なのかどうかわからなくなる。 一方では、機械学習、人工知能、ニューラルネットワークがあり、他方では、私の理解では、前例(規則性)と予測因子(予後パラメータ)をいかに識別し組み合わせるかが大きな問題です。一方、市場は物質であり、要因の数は無限であり、メジャーとマイナーに分けることは可能なのか。スナップショットをいくつか紹介します。2011г.日本です。福島津波により原子力発電所の事故が発生しました。カオス理論によれば、地震や蝶の羽ばたきなど、津波を引き起こした原因は関係ない。重要なことは、それを予測し、市場への影響を知ることができないことです。事故、避難、放射能、そして今、島を出なさいということでしょう。でも、ダメなんです。3月11日に事故が起こり、16日には日経平均が空前の伸びを示した。 日本人は沈没船からネズミのように逃げ出すのではなく、逆に自国に資本を戻して再建を図るようになったことがわかったのだ。1年前ドイツヴォルフスブルクヒトラーの命令でドイツ国民の車を作るために作られた工場「WV」と街。 ここでは、プログラマーが蝶になって、ベンチテストの時だけディーゼルエンジンの有害な排気ガスが出ないようにプログラムしているのである。スキャンダルWVの株価が下がっている。DAXは粉砕された。私たちの日々また日本か。任天堂の株価が急騰。資本金は、例えば米国の武器輸出を上回る。ポケモンGO」みたいなものがこんなに流行るなんて、誰が想像したでしょう?このスレッドでは、週次、月次、さらには年次のデータに基づくシステムについて説明します。何か大きな安定したFXのシグナルを探しているようで、戸惑いを感じます。日中、いくつかの蝶、統計、声明は、わずかな気まぐれに市場を「再教育」することができます。少なくとも1週間は安定して動作するシステムを構築することは、ゴミ箱で見つけた部品でボーイングを組み立てるのと同じくらい可能性があります。あなたの理解力のなさが根本にあります。1.あなたが書いていることは、外挿のような予測ではまったく正しいのですが、定常時系列では そうではありません。金融系列の非定常性を物語る実例を挙げておられますが、ここでは全くその通りです。さらに、非定常性の原因はニュースだけではありません。2.ここでの議論は、次のバーを予測する際に、前の状態を考慮しない分類に基づく予測についてである。分類に基づく予測(予報)とは、パターンに基づく予測である。もし、過去に変化の原因となるニュースがあったとして、それが過去の値から導かれたものではない(外挿されていない)場合、分類はそのような変化を検出し、もし将来同様の変化(全く同じではないが、似ている)があれば、それを認識し正しい予測を行うことができるのである。だから、ポケモンの分類は怖くありません。 1...767778798081828384858687888990...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
チャートの視覚的なブラウジングや故障のパターンの検索から、 ニューラルネットワークのトレーニングに至るまで、 すべて統計による取引に他なりませんが、まさにその統計は市場では通用しません。
市場は群衆の取引に逆らって動く ------ 群衆は統計に基づいて行動する ------ 必要なのは、群衆の行動を将来予測し、その逆を行うことだ、予測する唯一の方法は統計である。
もし、統計学というものが、定常的なランダム過程に対してのみ機能するツールを意味するならば、そのような統計学は機能しません。なぜなら、金融市場は非定常過程であり、その上では「平均」「相関」等、多くの人が愛する概念は意味をなさないのですから。
一方、機械学習は、通常、統計学に分類されず、人工知能に分類される。
Mihail Marchukajtesの アイデアについては、このスレッドに登場する数日前に私も思いついたのですが、もしかしたら誰かがその結果に興味を持つかもしれませんね。私は長い間、ある技術的なパターンに気づいていました。それは時々機能します。パターンは純粋な売りです(しかし、私はネットに面白半分に買わせます)。私はそれを規定し、価格がパターンのある点「X」に来ると、ネットに買い/売り/休憩をさせます。.
ターゲットは3クラスで、つまり「X」ポイントに到達したら、メンタルストップロス、テイクプロフィットを設定して売買を行うというものであった。
買い - 買い持ち越しで、ストップがノックアウトされなかった場合
売り - 売りのポイントを取り、ストップロスが取られていない場合
一休さん - 買いと売りの両方でストップロスを取り、どちらもテイクアウトがヒットしなかった場合。
テイクはストップの2倍か3倍、正確には覚えていませんが、3倍だったと思います。
現実のネットワークは、検証よりもはるかに悪い取引をしたという事実にもかかわらず、(検証のkol.正解率は63%で、実際の取引では約20%)それにもかかわらず、アルゴリズムは利益を上げていました。
が、多いのは
このパターンは単体では短いので、ここでの買いは精度や収益性に欠ける。
このパターンを1つではなく、10個プログラムしたらどうでしょう?面白い?;)
もし統計学というものが、定常的なランダム過程に対してのみ機能するツールを意味するなら、金融市場は非定常過程であり、「平均」「相関」などという大好きな概念は意味をなさないので、そのような統計学は機能しないのです。
一方、機械学習は、通常、統計学に分類されず、人工知能に分類される。
私がこの発言を正しく理解していれば、大多数が使っているものはすべて統計に当てはまると思います。
そして、もう少しだけレースを追加します。
非定常性と市場、機械学習について書かれていますが、非定常過程を予測するための一般に認められたツールがあり、その数は多くないことをご存知ですか、これらは "MGUA "です。, 隠れマルコフモデルとリカレントニューラルネットワーク(ネットワークについては間違っている可能性があり、BPのためだけのものである可能性があります)
ニューラルネットワークやフォレストなどは、非定常データ用に設計されているわけではない のですが、なぜ私を含め全員が、本来の目的とは異なるツールを使ってしまうのでしょうか?質問)
木に100%なんて、まったくもってナンセンス
すべての予測変数がノイズである場合、この結果を達成することは非常に難しく、3%~5%の誤差が発生します。ノイズは、クロスバリデーションやその他のトリックを駆使して、常に非常に良い結果を出してくれます。
100%の精度が意味するのは、予測変数の中にターゲット変数の複製(それの何らかの修正)があることだけです。つまり、未来を見据えたモデルです。
ALL_cod.RDataのデータセットTF1とかで、最初のターゲット変数forestで、木の本数が少なくてもほぼ100%の結果が得られた例がありましたね。さらに、森の木の本数を増やすことで、精度は絶対100%まで伸びました。森は、そのパラメータが十分大きければ、すべての学習例を記憶することができる。
mytarmailSではその逆で、パラメータ数の少ない森では良い結果が得られるが、木の本数が増えると精度が低下する。クロスバリデーションは使っていないそうなので、トレーニングデータそのものの話ですね。そういうわけにはいきません。学習データに対するフォレストの精度は、そのパラメータが減少することによってのみ低下し、その逆はない。可能なのでしょうか?
mytarmailSの場合はその逆で、パラメータが少ない森は良い結果が出ますが、木が多くなると精度が落ちます。
重い鐘
そして、そのギリギリのところで
居眠りする蝶。( 日本語 hoku.)
客席から枝を見ていると、必要なのかどうかわからなくなる。
一方では、機械学習、人工知能、ニューラルネットワークがあり、他方では、私の理解では、前例(規則性)と予測因子(予知能力)をいかに識別し組み合わせるかが大きな問題です。一方、市場は物質であり、要因の数は無限であり、メジャーとマイナーに分けることは可能なのか。
スナップショットをいくつか紹介します。2011г.日本です。福島津波により原子力発電所の事故が発生しました。カオス理論によれば、地震や蝶の羽ばたきなど、津波を引き起こした原因は関係ない。重要なことは、それを予測し、市場への影響を知ることができないことです。事故、避難、放射能、そして今、島を出なさいということでしょう。でも、ダメなんです。3月11日に事故が起こり、16日には日経平均が空前の伸びを示した。 日本人は沈みゆく船からネズミのように逃げ出すのではなく、逆に自国に資本を戻して再建に貢献し始めたことがわかった。
1年前ドイツヴォルフスブルクヒトラーの命令でドイツ国民の車を作るために作られた工場「WV」とその街。 ここでは、プログラマーが蝶になって、テストベンチ・テストの時だけディーゼル・エンジンの有害排出物がないようにプログラムしているのだ。スキャンダルWVの株価が下がっている。DAXは粉砕された。
私たちの日々また日本か。任天堂の株価が急騰。資本金は、例えば米国の武器輸出を上回る。ポケモンGO」みたいなものがこんなに流行るなんて、誰が想像したでしょう?
このスレッドでは、週次、月次、さらには年次のデータに基づくシステムについて説明します。何か大きな安定したFXのシグナルを探しているようで、戸惑いを感じます。日中、いくつかの蝶、統計、声明は、わずかな気まぐれに市場を「再教育」することができます。少なくとも1週間は安定して動作するシステムを構築することは、ゴミ箱にある部品でボーイングを組み立てるのと同じ確率です。
ヘビーベル
ALL_cod.RDataのデータセットTF1か何かで、最初のターゲット変数で、木の本数が少なくても森がほぼ100%の結果を出した例がありましたね。さらに、森の木の本数を増やすことで、精度は絶対100%まで伸びました。森は、そのパラメータが十分大きければ、すべての学習例を記憶することができる。
mytarmailSではその逆で、少ないパラメータ数の森は良い結果を出すが、木の本数が増えると精度が落ちる。クロスバリデーションは使っていないそうなので、トレーニングデータそのものの話ですね。そういうわけにはいきません。学習データに対するフォレストの精度は、そのパラメータが減少することによってのみ低下し、その逆はない。可能なのでしょうか?
何のための投稿なのか、意味がわからない。
重い鐘
そして、そのギリギリのところで
居眠りする蝶。( 日本語 hoku.)
客席から枝を見ていると、必要なのかどうかわからなくなる。
一方では、機械学習、人工知能、ニューラルネットワークがあり、他方では、私の理解では、前例(規則性)と予測因子(予後パラメータ)をいかに識別し組み合わせるかが大きな問題です。一方、市場は物質であり、要因の数は無限であり、メジャーとマイナーに分けることは可能なのか。
スナップショットをいくつか紹介します。2011г.日本です。福島津波により原子力発電所の事故が発生しました。カオス理論によれば、地震や蝶の羽ばたきなど、津波を引き起こした原因は関係ない。重要なことは、それを予測し、市場への影響を知ることができないことです。事故、避難、放射能、そして今、島を出なさいということでしょう。でも、ダメなんです。3月11日に事故が起こり、16日には日経平均が空前の伸びを示した。 日本人は沈没船からネズミのように逃げ出すのではなく、逆に自国に資本を戻して再建を図るようになったことがわかったのだ。
1年前ドイツヴォルフスブルクヒトラーの命令でドイツ国民の車を作るために作られた工場「WV」と街。 ここでは、プログラマーが蝶になって、ベンチテストの時だけディーゼルエンジンの有害な排気ガスが出ないようにプログラムしているのである。スキャンダルWVの株価が下がっている。DAXは粉砕された。
私たちの日々また日本か。任天堂の株価が急騰。資本金は、例えば米国の武器輸出を上回る。ポケモンGO」みたいなものがこんなに流行るなんて、誰が想像したでしょう?
このスレッドでは、週次、月次、さらには年次のデータに基づくシステムについて説明します。何か大きな安定したFXのシグナルを探しているようで、戸惑いを感じます。日中、いくつかの蝶、統計、声明は、わずかな気まぐれに市場を「再教育」することができます。少なくとも1週間は安定して動作するシステムを構築することは、ゴミ箱で見つけた部品でボーイングを組み立てるのと同じくらい可能性があります。
あなたの理解力のなさが根本にあります。
1.あなたが書いていることは、外挿のような予測ではまったく正しいのですが、定常時系列では そうではありません。金融系列の非定常性を物語る実例を挙げておられますが、ここでは全くその通りです。さらに、非定常性の原因はニュースだけではありません。
2.ここでの議論は、次のバーを予測する際に、前の状態を考慮しない分類に基づく予測についてである。分類に基づく予測(予報)とは、パターンに基づく予測である。もし、過去に変化の原因となるニュースがあったとして、それが過去の値から導かれたものではない(外挿されていない)場合、分類はそのような変化を検出し、もし将来同様の変化(全く同じではないが、似ている)があれば、それを認識し正しい予測を行うことができるのである。
だから、ポケモンの分類は怖くありません。