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
208849
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