ライブラリ: RL アルゴリズム - ページ 3

新しいコメント
 
Maxim Dmitrievsky:

様々なバリエーションでもっと実験する予定です。

私はこれらのアルゴリズムを指標セットと混合（指標＋終値）で試しています。可能であれば、あなたの研究に沿って、相関のあるデータの最初の拒否、つまり相関のチェックを実装してください。あなたの手法では、2つの終値インジケータが選択されます（結果に十分な影響を与える場合）。

削除済み  
mov:

これらのアルゴリズムを、指標セットとミックス（指標＋終値）で試しています。もしそれが可能で、あなたの研究に沿ったものであれば、相関のあるデータの初期拒否、つまり相関のチェックを実装してください。あなたの手法では、2つの終値が選択されます（結果に十分な影響を与える場合）。

試してみることは可能でしょう。現時点では、recursiveとLogistic recursive（RDFの代わりにlogit回帰）のバージョンは、価格の増分の選択を実装しています。例えば、1000の終値の 予測変数の与えられた配列で、ゼロバーを後続の各価格値で分割し、異なるラグを持つ増分の大規模なセットを取得し、それらのうち最良のものを選択します。つまり、モメンタムやrsiのような異なるオシレーターを異なる周期でフィードすることは、この場合あまり意味がありません。

 
Maxim Dmitrievsky:

試してみてもいいかもしれない...。

私の推論（価格について）が間違っていたら訂正してください：

いくつかの投稿されたメソッドは、次のようなものを使用しています：

CDForest::DFBuildRandomDecisionForest(m,RDFpolicyMatrix.Size(),1,2,trees,r,RDFinfo,mRDF,mRep);

最小誤差による選択。これは、結果との相関性のテストとして見ることができます。

例えば、波のプロセス（コリドー、ウェッジなど）があるとします。時間足で100の値は～4日で、その間に1つ以上の波がある可能性が高い。その場合、2つ（またはそれ以上）の相関ポイントが存在することになります。そのうちの1つが結果に強く影響する場合、2つ目のポイントもこのテストに合格します。また、負の相関を持つ半波もあります。その結果、更なる構築のために選択された10個の読みのうち、2-3個は独立している（残りはそれらと強い相関があり、認識にほとんど改善をもたらさない）。まず、相関の少ない読み取り値を選ぶ必要がある（すべてのペアについて計算するのは問題ないが、この豚からハムを切り出す方法はまだほとんどわからない）。

間接的な確認として、本格的なマニュアルには、ツリーブスティングの方法はランダムフォレスト（バギング）よりも数％高い結果を与えると記載されている。しかし、それは実装と内部のツリー構築アルゴリズムに強く依存する（上記の結果では、どちらの手法もCARTを使用している）。

その結果、1つの手法の効率はテスト期間の選択に強く依存する。ところで、チャンネル・スロープはこの問題から完全に逃れることはできない。
 

追いつくために

エージェントの測定値を平均化する代わりに、同じロジット回帰か他の方法を使うべきじゃないか？理論的にはうまくいくと思う。

削除済み  
mov:

キャッチアップ

エージェントの測定値を平均化する代わりに、同じロジット回帰か他の方法を使うべきでは？つまり、理論的にはそういうことだ。

何を使ってもいいのですが、純粋に理論上ではまったく明らかでないこともあり、それらに時間を費やす価値があるのかどうか（一般的なアプローチ全体についてもそうですが）わかりません。少なくとも、やってはいけないことのマニュアルにはなるでしょう :)

予測変数の多重共線性について - 同感です。共分散行列を構築し、それに基づいて選択を行うことが必要です。

 
ありがとう。
削除済み  
Igor Makanu:

Weierstrass関数で 作成したカスタムチャートでテストしてみました。

理論的には、このカスタムチャートでは、RandomForestはジグザグに非常に近いエントリーポイントを見つけるか、少なくとも負け注文を全く出さないはずです。

M15までのすべてのTFのMT4オプティマイザーで、ZigZagのアドバイザーは、明らかにパターンを見つけ、排他的に+すべての注文で、同じデータ上の古いGoldWarrior Expert Advisor（英語フォーラムで発見）MT4で先にテストしました。

私は回帰線の交差に関するインジケーターのExpert Advisorをテストしました（残念ながら、私はそれを注文するようにしました、私はコードを提供することはできません）、そしてオプティマイザでこのExpert AdvisorはすぐにWeierstrass関数上のパターンを見つけました。

なぜこのような例を挙げたのか？- 原始的な手法が規則性を見つけることができるのなら、機械学習はもっと規則性を見つけなければならない。

著者に敬意を表するが、結果は疑わしいというか、RandomForestを使った例は素晴らしい。）

ZY:2000.01.01から2001.01.01まで学習済み 2001.01.01から2002.01.01までテスト済み

ZY：カスタムチャート用スクリプトを 添付。

Weierstrassをワンツーでアンバイト。これ以上続ける意味はないと思った。でも面白かったよ。）

もちろん、市場では通用しない。ところで、ロジックにエラーがあるのかどうか最初は理解できなかったので、テストはとても役に立ちました。


線形モデルも同様に簡単に対処できます。つまり、この関数の予測にはニューラルネットワークさえ必要ありません。


逆取引で確認する。

負けトレードの有無に関しては、この質問は純粋にレトリックであり、精度とオーバーフィッティングのトレードオフである。

 
Maxim Dmitrievsky:

スクリプトをありがとう、ところで、チェックはとても役に立った。ロジックにエラーがあるかどうか、 最初は理解できなかったからだ。

;) ...私は半年間この話をしてきた。

私は数学を "咀嚼 "している、私は非標準的なアイデアを持っている - 非平滑解析と私は非常に興味深いフィクションがR.Lowensteinによって "天才が失敗したとき "を読んでいることを知って驚いた - 私は自分自身を紛らすためにそれを読んだ。

あなたのコードにとても興味があります。もし可能なら、PMでこっそり見せてください。

削除済み  
Igor Makanu:

;) ...半年ほど前からこの話をしていたんだ。

私は数学を "咀嚼 "していて、非標準的な考え-非平滑解析-を持っている。そして、R.ローウェンスタインの "When Genius Fails "というなかなか面白いフィクションを見つけて驚いた。

あなたのコードにとても興味があります。もし可能なら、PMでこっそり見せてください。

スムーズでフワフワしていない？夕方には1つのファイルにまとめて、共通のプロジェクトを 共有するつもりだ。

 
Maxim Dmitrievsky:

...予測変数の多重共線性について - 同感です。共分散行列を構築し、その上で選択を行う必要があります。

私は開いているドアをノックしているのかもしれませんが、何もなかったので...

0,1]の範囲に変換する前に前処理をすることを推奨しています：

1.周期性の除去、私はperiodicityArrays()で行った - 1ヶ月の曜日と 時間で構成されるプロファイルが範囲から差し引かれる（試しに1時間の時間枠だけで行ったが）。

2.linearTrendArrays()での線形トレンドの除去 a[i]=a[i]-a[i+1]。

3.そして、ここに自己相関チェックがあるはずです（まだ実装されていません）。


1アクション後と2アクション後の予測可能性が大幅に増加した。コードを添付する。
ファイル:
RL_gmdh_trader_1.mq5  15 kb
12345
新しいコメント