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

[Alexey Burnakov]

皆さん、こんにちは、

このフォーラムに機械学習や統計の愛好家がいることは知っています。私はこのトピックで（ホリバーなしで）議論し、共有し、この興味深い分野で私たち自身の知識バンクを豊かにすることを提案します。

初心者のためだけでなく、ロシア語の良い理論的リソースがあります：https://www.machinelearning.ru/。

有益な特徴を選択する方法に関する文献の小さなレビュー: https://habrahabr.ru/post/264915/.

私は問題1を提案 する。その解答は後で掲載する。SanSanychはすでにそれを見ているので、私に答えを教えないでください。

はじめに：取引アルゴリズムを構築するためには、価格、トレンド、または取引を開始する方向を予測するための基礎となる要因を知る必要があります。そのような要因を選択するのは簡単な作業ではなく、無限に複雑です。

私が作成した人工的な csvデータセットのアーカイブを添付する。

このデータには、input_という接頭辞を持つ20の変数と、右端の1つのoutput変数が含まれている。

出力変数は入力変数のある部分集合に 依存する（その部分集合は 1から20までの入力を含むことができる）。

タスク：任意の方法（機械学習）を使って、既存のデータ上で出力変数の状態を決定するために使用できる入力変数を選択する。

解答は、input_2, input_19, input_5 (例)という形式で、ここに投稿できます。また、入力と出力変数の依存関係を記述することもできます。

それができる人、よくやった )私からは準備のできた解答と説明を。

アレクセイ

[Alexey Burnakov]

デウス・エクス・マキナ

この言葉は、何年もかけて書かれた哲学書のページを読者に開く言葉である。

では、誰もマシンリフティングをやりたがらないのですか？

[削除済み]

アレクセイ・ブルナコフ

デウス・エクス・マキナ

この言葉は、何年もかけて書かれた哲学書のページを読者に開く言葉である。

では、誰もマシンリフティングをやりたがらないのですか？

どんな取引にもリスクなどの条件があり、機械学習は古いデータを使う、つまり存在しないものに対して操作する。

[Alexey Burnakov]

イェルラン・イマンゲルディノフ
すべての取引にはリスクなどの条件があり、機械学習は古いデータを使う、つまり存在しないものに対して操作することになる。

正確には、その前にあったものに対してです。

そしてその中で、持続可能な依存関係を探します。

探しています。

[削除済み]

アレクセイ・ブルナコフ

正確には、その前にあったものに対してです。

そしてその中で、持続可能な依存関係を探します。

探しています。

これは、市場がソロスの機能を通じて、古いものを使わないほうがいいということを学んでいる弱点です。

[Dmitry Fedoseev]

イェルラン・イマンゲルディノフ
どんな取引にもリスクなどの条件があり、機械学習は古いデータを使う、つまり存在しないものに対して操作する。

新しいデータは？チャートも見ず、古いデータも見ず？はい？

[Alexey Burnakov]

ドミトリー・フェドセーエフ
新しいデータはありますか？チャートも見ずに、古いデータがあるんですか？はい？

舌を巻いたんですね。

[Alexey Burnakov]

とにかく、ここからが本番です。この話題に少し拍車をかけるために、与えられた問題を正しく解いた人には、5単位を 譲渡することを約束します。

情報提供のためのインプットセットを提供する。

フォーラム活動のためにコミュニティがくれたものだから、システムに戻すけど、面白い議論ができそうだ。

アレクセイ

[Vladimir Perervenko]

機械学習というトピックは、重要であり、複雑であり、巨大である。最初の投稿から判断すると、準備段階の重要なステップの一つである「予測器の 評価と選択」から始めたいのですね。与えられた課題で、何を解決したいのか、何を見せたいのか。新しい手法、方法、何？

内容も話題も違う。

もっと具体的な目標があれば、みんな興味を持ってくれるかもしれない。

目標が不明確な問題を解決するために自由な時間を持つ人はほとんどいない。

グッドラック

[СанСаныч Фоменко]

イェルラン・イマンゲルディノフ
それぞれの案件にはリスクなどの条件があり、機械学習は古いデータを使う、つまり存在しないものを操作することになる。

常に過去から学ぶ

私たちは何世紀も前からグラフを見ています。両オンで「三兵」、次に「頭肩」を見る。これらの数字のうち、いくつを私たちはすでに見ており、これらの数字を信じ、取引しているのか...。

そして、このようにタスクが設定されている場合。

1.すべてのチャートではなく、特定の通貨ペア、日本の米の取引で3世紀前ではなく、最近発生したものに、自動的にそのような数字を見つけることです。

2）そのような図形-パターンを自動的に探索するための初期データ。

最初の質問に対しては、「ランダムフォレスト」と呼ばれるアルゴリズムを考えてみよう。 このアルゴリズムは、1つまたは複数の通貨の相場、指標、価格の増分など、人間が発明したあらゆるものを入力データとして動作させるものである。10-5-100-200 ...の入力変数です。そして、1本のバーに対応するある時点の値を参照する変数の全セットを取り、これらの入力変数の組み合わせが、履歴データ上でかなり特定の結果、例えばBUYオーダーに対応するようなものを探します。そして、別の注文のための別の組み合わせである「SELL」。このような集合には、それぞれ別の木が対応する。経験上、18000本のバー（約3年分）の入力セットに対して、200～300本の木を見つけることができる。これは、「頭と肩」、「口全体」のほぼ相似形のパターンのセットです。

このアルゴリズムの問題点は、このようなツリーでは、将来遭遇しないような仕様も拾ってしまうことである。これをこのフォーラムでは「スーパーフィッティング」、機械学習では「オーバーフィッティング」と呼んでいます。大きな入力変数の集合全体は、出力変数に関係するものとノイズに関係しないものに分けられることが分かっている。そこでブルナコフは、アウトプットに無関係なものを排除しようとする。

PS.

トレンドTS（BUY、SELL）を構築する場合、どんな種類のワゴンもノイズに関係する!

[Alexey Burnakov]

Vladimir Perervenko:

最初の投稿から判断すると、準備段階の重要なステップの1つである「予測変数の評価と選択」から始めたいのですね。与えられた課題で、何を解決したいのか、何を見せたいのか。新しい手法、方法、何？

内容も話題も違う。

もっと具体的な目標があれば、みんな興味を持ってくれるかもしれない。

目標が不明確な問題を解決するために自由な時間を持つ人はほとんどいない。

オッケーです。

誰かが決めたり、少なくとも正解に近づいたら（＝話題が生きてくる）、私。

は正しい解答を投稿します - データセットを生成するためのアルゴリズム

予測器の 推定と選択」に関して、他の多くのアルゴリズムが失敗した理由を説明する。

私は、同様の問題を頑健かつ敏感に解決する私の方法を掲載します。

これは、機械学習タスクの相互充実のために行われる。