Normally trader's activity involves analysis of a lot of data. Part of it, and probably most significant part, are numbers. Time series, economic indicators, trading reports should be studied, classified and analyzed. It's very likely that this is the trading was the first applied field for big data science. When numbers form a massive array...
OLAPについて もう一度読んでみよう。私の理解力が弱いのかもしれないが、そこに最適はない。
このようなデータセクションをプロットすることに何の意味があるのだろうか？
取引、自動取引システム、取引戦略のテストに関するフォーラム。
ライブラリ: BestInterval
fxsaber, 2018.10.12 16:24
つまり、私の理解が正しければ、ライブラリへの一般化は 残念ながらノーサイドです。
しかし、一般化はもちろん可能 です。
考えても考えても、時間ほど効果的に濾過できるものは思いつかない。
このようなものは戦略の一部であってはならず、市場行動に 直接影響を与えるものでなければならない。
スタック？
ハイパーキューブを作る意味はあるのでしょうか？ 個別にフィルタリングすることも必要だと思います。
パラメータ、シンボル、曜日（これらも「時間」のようだが、BestIntervalで使われているのを見たことがない）、保有期間（これも「時間」のようだが、絶対的なものではなく、相対的なもの）、ロットサイズ、クローズ履歴で所定の結果を得た取引回数など。
ハイパーキューブでは、さまざまな組み合わせでデータを評価することができ、マルチパラメトリック分析を提供します。このロジックに従えば、なぜExpert Advisorを1つずつ最適化するのではなく、全パラメータを一度に最適化するのか、という疑問が湧くだろう。
OLAPについて もう一度読んでください。私は誤解しているかもしれないが、そこに最適を見つけることはできない。
そのようなデータの断面をプロットするだけに何の意味があるのでしょうか？
つまり、私の理解が正しければ、一般化は 残念ながらライブラリとは何の関係もない。
しかし、一般化はもちろん可能 だ。
この意味では、超立方体を中間メタデータとして考えることができ、その中でBestIntervalアプローチの意味での最適値を見つけるのは簡単だ。すべてのハイパーキューブ・エントリーを最大化すべき値（利益のような）に "バインド "し、（BestIntervalが時間をフィルタリングするように）ハイパーキューブをフィルタリングして、時間だけでなく他のパラメータについても最適な値を得るだけで十分なのだ。
BestIntervalのコードはそのままで、時間の代わりに他の数値が入力されたと想像してください。
時間を置き換える可能性について話して いたんだ。なぜテーブルをハイパーキューブと呼ばなければならないのか理解できない。
BestInterval自体はフィルターによって利益を最大化するだけです。フィルターが問題なのではなく、一貫した拒絶で利益を見つけることが問題なのです。
開始時間という形のフィルターについては、ペンディング・オーダーのTSには非常に便利です。テスターでも問題なく使えます。
他のフィルターを考えるなら、通常、フィルターの値を事前に予測することは不可能なので、成行注文が必要です。
時間を置き換える可能性について話して いたんだ。なぜテーブルをハイパーキューブと呼ぶのか理解できない。
BestInterval自体はフィルターによって利益を最大化するだけです。フィルターが問題なのではなく、一貫した拒絶で利益を見つけることが問題なのです。
開始時間という形のフィルターについては、ペンディング・オーダーのTSには非常に便利です。テスターでも問題なく使用できます。
他のフィルターを考えるなら、通常、フィルターの値を事前に予測することは不可能なので、そこでは成行注文が必要です。
空間的な」次元がたくさんある場合、超立方体になりますが、これは単に多次元配列と呼ぶこともできます。テーブルはその特別で最も単純なケースである。もちろん、「棄却を繰り返しながら利益を見つける」アルゴリズムなら何でもねじ込むことができる。
先のフィルター予測については理解できない。実際のデータがあり、我々はそれを処理し、推奨を受け取った。
多くの "空間的 "次元がある場合、超立方体になるが、これを単に多次元配列と呼ぶこともできる。表はその特殊で最も単純なケースである。
トレーディングの歴史への応用という文脈では、ハイパーキューブは表である。そのセクションは、最初のテーブルのカラムを通過することで、別のテーブルを作成する。
もちろん、「連続不成立で利益を見つける」アルゴリズムは何でもねじ込むことができる。
あとはねじ込むだけである。例えば、表を作るのはバイブルの5％程度。あとは「ボルトオン」で応用できる。
フィルタを事前に予測することについては、私には理解できない。実際のデータがあり、それを処理し、レコメンデーションを得た。
予測はあくまで "適用する "というトピックに関するものだ。例えば、RSI > 90のときにポジションを建ててはいけないと言われても、予測不可能なので、この条件をペンディング注文で 取引することは不可能です。
また、フィルタを適用するとなると、仮想環境がなければできません。従って、「ねじ込み」はやや異なる作業となる。
取引履歴への応用の文脈では、超立方体は表である。そのセクションは、最初のテーブルのカラムを通過することで、別のテーブルを作成する。
あとはそれをボルトで固定するだけである。例えば、表を作るのはハイパーキューブの5%程度である。残りは "ボルトオン "で適用する。
応用」という話題については、予測が正しい。例えば、RSI > 90のときはポジションを建ててはいけないと言われた場合、そのような状態は予測不可能であるため、ペンディング注文を通じて 取引することはできない。
私たちは同じことを意味しているように思えますが、私たちは「異なる特別な学校で学んだ」のです（私にとっては、表は常に平らであり、それは超立方体をある超平面と交差させることによって形成されます。）予測についても同様である（説明の後、本来の意味は明らかになったが、選ばれた表現は私には不適切に思える。）
私は多因子分析のためにOLAPを行ったが（上記の期間別（およびその他のパラメータ）内訳グラフも興味深い）、直接的にはハイパーキューブに基づく自動最適化のタスクは解決されなかった。理想的には、立方体を標準的なオプティマイザーに押し込み、行列計算モードで使用することである。
一般的に、私たちは少し逸脱していました。（結局、私だけでなく、あなたにとってもそうだったのですが）最良の「区間」は、1つの次元（時間内区間）ではなく、異なる次元の束によって探索できるという考えでした。
用語としては、多次元空間も平面も100％同じだと理解している。テーブルがNxMの平面行列であるようにね。
超立方体のどのスライスも、平らな表から得られる。
理想的なのは、キューブを標準オプティマイザーに突っ込んで、マット計算モードで使用することだ。
これはMOに近いが、BestIntervalとは関係ない。そこでは、オプティマイザをパスするごとに "matlabモード "が起動されます。
その価値は、まさに各最適化パスにおいてという事実にある。つまり、（最適化の前に）元のTSからトレードの時間範囲（またはその他のフィルター）に関係するパラメーターを完全に捨てることができます。
このため、完全な探索の間にパスの数は桁違いに減少し、遺伝学的な迷いは少なくなります。