記事"微分とエントロピー解析によるGrokking市場の「記憶」"についてのディスカッション

 

新しい記事 微分とエントロピー解析によるGrokking市場の「記憶」 はパブリッシュされました:

分数階微分は十分に広い範囲で使用されています。例えば、機械学習アルゴリズムには通常微分された級数が入力されます。 問題は、機械学習モデルが認識できるように、利用可能な履歴に従って新しいデータを表示する必要があることです。本稿では、時系列の微分に対する独自のアプローチを検討します。本稿にはさらに、この微分された級数に基づく自己最適化取引システムの例が含まれています。

テストで最も興味深い部分であるi8.eに進みましょう。 

エキスパートアドバイザーは、遺伝的最適化なし、すなわち15分の時間枠を持つEURUSDペアで、始値で、指定されたハイパーパラメータで実行されました。

図5 テストされたエキスパートアドバイザー設定

図6 指定の設定でのテストの結果

図7 訓練サンプルでの仮想テスター結果

この間に、実装は安定した成長を示しました。これは、このアプローチがさらなる分析にとって興味深いものである可能性があることを意味しています。

作者: Maxim Dmitrievsky

 

私は通常、記事を斜め読みするのだが、この記事はゆっくりと全文を読んだ。著者が示した市場情報を「消化」するシステムは非常に興味深い。

興味深いトピックと実践をありがとう。

 

同じ間隔で、テスターは異なる画像を示した。しかし、私はこの場合、テスターの画像が適切であるとは決して思わない。

テスターは、始値でエントリーするモードでは、まったくでたらめなことを示すことがよく理解できるはずだ。


さて、アプリケーションの最後の段階でこのように頭が岩に激突するとき、人は自分の労働をこのようにあざ笑うように扱うことができるでしょうか!


記事から***へ - バーの終値(いいえ、私はティックを提唱していない)。

液体 - 情報の野生の損失のため。


手元に理論的な聖杯があったことはかなり可能ですが、理論のそのような実用的なアプリケーションは、バックテストでもほとんどそれを示すことはできません。


自己最適化のために、著者に脂肪プラス。この記事はクールだ。

 

ざっと読んでみた。

というのも、この論文では、扱うサンプルサイズを決定する方法に十分な注意を払っていないからだ。

しかし、一般的には、研究の方向性は有望である。

エントロピーは相場の持続性を決定するための最も重要なパラメータであり、物理学では特に注目されている。さらに、物理学では、プロセスのエントロピー(非エントロピー)は、深い意味を持ち、事象のランダム性/決定性を定性的に理解できる唯一の係数であると言えます。いわゆる「不和の指標」として使われる場合、自己相関 係数やハースト係数などに代わる重大なものである。

 

fxsaber:

テスターの前の記事に関しては、小節の終値に 適用されています(いいえ、私はティックを支持しているわけではありません)。

理論的な聖杯が手元にあった可能性は十分にありますが、そのような理論の実践的な適用はバックテストでもそれを示す可能性は低いでしょう。


まったく同感です。m1,m5,・・・をクローズ/オープンしても、何の役にも立たない。は何の役にも立たない。しかし、ティックへの移行とその間引きはデリケートなもので、その扱い方を知っておく必要があります。

一般的に、Maxはもっとやるべきことがたくさんあるが、最初の一口として、この記事は良い。

 
クローズドプライスについては 同意する。目的は、出来合いのTSを提供することではなく、市場の記憶の概念を明らかにするいくつかのアプローチを示すことだった。そして、それはどのような時系列にも適用できますが、これは別の研究です。さらに、少し考えてボットを修正し、例えば取引をエントロピーの低い場所だけに限定したり、トレンドチップで遊んだりすれば(現在のリニアトレンドはダメだ)、始値で興味深い結果が得られるだろう。しかし、それは記事に情報を詰め込みすぎることになる。あなたがエースであることは明らかですが、誰もがその半分も理解できるわけではありませんから、記事や文献へのリンクをたどっていけばいいのです。デ・プラドの本には、ティックから時系列を作成する方法についての情報がある。
 
Alexander_K:

いずれにせよ、マックスにはまだまだ続きがあるが、最初の一口として、この記事はいいもの だ。

発表のスタイルも、そこに書かれている内容も素晴らしい記事だ。ソースのアルゴリズムを理解しようとしても、完全にゼロになったような感じがとても心地よかった...。

しかし、"若手同志 "の努力を評価する深い知識を持つ "良さ "の目利きは常に存在する。

そのような超スペシャリストとの道が交わるのは残念なことである。存在しないブラックリストへ、要するに。

 
Maxim Dmitrievsky:
そして、始値についても 興味深い結果が出るだろう。

この論文には2つの応用例がある。

一つは理論的なものである。そこでは、確かに何でも代用できる。

もうひとつは実用的なものである。それはできない。この方法では期待値マトリックスを破壊してしまうだけだ。

しかし、テスターを使うことで将来性を分析することができる。テスターを使えば、たくさんの良いアイデアをバスケットに入れることができます。


ZЫ テスターを使うには、それなりの指導を受ける必要があります。

 
fxsaber:

この記事は、プレゼンテーションのスタイルも、そこに書かれている内容も素晴らしい。ソースのアルゴリズムを理解しようとしても、完全にゼロになったような気分になるのがとても心地よかった...。

しかし、"若手同志 "の努力を評価する深い知識を持った "うまさ "の目利きが必ずいる。

そのような超スペシャリストとの道は、どうしても交わることができないのが残念でならない。存在しないブラックリストへ、要するに。

お前と話すことは何もない。物理学を知らないのなら、咳をしないであっちへ行け、バシャ。

市場のエントロピーを研究した最初の試みであり、その通りだ。

 
fxsaber:

記事には2つのアプリケーションがある。

ひとつは理論的なもの。そこでは、確かに何でも代用できる。

もう一つは実用的なもの。それはできない。この方法では期待値行列を破壊しただけだ。

しかし、テスターを使うことで、将来性を分析することができる。そして、多くの良いアイディアがカゴに投げ込まれるようなイメージを示してくれる。

テスターに欠けているものが1つある。それは追加される予定だったが、複雑なためまだ追加されていない。線形トレンドが考慮されているため、トレンドが変化すると新しいデータでは正しく動作しません。学習サンプルのトレンドライン周辺の分散を推定し、新しいデータと比較することで解決できます。これらは、MoDに慣れていない人にはわからない微妙なトリックです。
 
Alexander_K:

私はこの記事について話している。この記事は初めて市場のエントロピーを研究しようとしたものであり、それは正しい。

結果は テーブルの上にある!