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 - ページ 107 1...100101102103104105106107108109110111112113114...3399 新しいコメント СанСаныч Фоменко 2016.08.14 21:18 #1061 ユーリー・レシェトフ三元系 - 相互に排他的な3つの状態をとることができることを意味します。別称は三元系（ternary）。また、3つの出力を持つグリッドは、それぞれが2進数であるため、3進数のように3つだけが一義的に解釈される8つの互いに排他的な状態を作り出すことができます。残りの5州をどう解釈するか？ さて、レシェトフ、あなたはなんと賢いのでしょう。だから、3クラスの応用に失敗したんだ!確かに、州は3つではなく8つありますね。だから、2つのクラスに座っているんだ。 mytarmailS 2016.08.14 21:20 #1062 アップターン、ダウンターン、ノーターンの3つのクラスがあり、それらは1,-1,0です。つまり、小さなストップと大きな利益で稼ぐことができる。システムではなく、ストップ高のエントリーを生成するだけです。しかし、この方法の悲しいところは、モデルをどのように学習させるかが明確でないことです===========================================モデルの動作はやや弱いですが、安定した利益を上げることを妨げるものではありませんし、月14％が限界ではなく、35％も見たことがあります、すべてはモデルの鍛え方次第です。=====================================と、ストップ/スタック比10:1を犠牲にした収益がかなり安定しており、さらにリスクコントロールも Andrey Dik 2016.08.14 22:02 #1063 mytarmailS:アップターン、ダウンターン、ノーターンの3つのクラスがあり、それらは1,-1,0です。原則的に、このアプローチは優れた市場予測を必要とせず、優れた予測によってではなく、小さなストップと大きな利益によって、すなわちリスク管理によって利益を得ることができるのです。システムではなく、ストップ高のエントリーを生成するだけです。しかし、この方法の悲しいところは、モデルをどのように学習させるかが明確でないことです===========================================モデルの動作はやや弱いですが、安定した利益を上げることを妨げるものではありませんし、月14％が限界ではなく、35％も見たことがあります、すべてはモデルの鍛え方次第です。=====================================ストップとストップの比率が10:1で、稼ぎもいい。 なるほど、それはいいことだ！どうしたんだ？ mytarmailS 2016.08.14 22:09 #1064 アンドレイ・ディク すごい！何が気になるんですか？このようなモデルをどのように訓練するかは明確ではありませんが、すべての方法は分類のエラーに連動しており、私のアプローチでは推測の確率は常に台座の下になります、要するに私のモデルの有効性は別の方法で評価されなければなりませんが、どのようにわからない Andrey Dik 2016.08.14 22:18 #1065 mytarmailS:そのようなモデルをどのようにトレーニングすればよいのかわかりません。すべての方法は分類誤差を対象としており、私のアプローチは常に台座より下になります。要するに、私のモデルの有効性は別の方法で評価されるべきですが、方法がわからないのです。月14パーセントと言いながら、35パーセントにもなることがあるわけです。それなら、結果に対して偽りのない謙虚な気持ちで、結果が素晴らしいのだから、わからないことをこれ以上心配する必要はない。ただし、マーケットから出る ときに固定ストップは使いません（パターンはマーケットに入る前と後でどのようにでもスケールする傾向があることが分かっているからです）。しかし、単純化するために、私は時々そうしました。sl/tp=1/3ストップで終了することを学びましたが、OOSでは1/2の比率を使いました（ニューロンに先手を打ち、1/3を使った場合と比べて正解数が増えるという形で私に感謝されました）。コモ、私はそれが将来的に価格がSLとTPに到達しないことを確率が小さいが、まだそこにあるので、取引の時間を制限する必要があると述べたように、我々はグリッドが悪い訓練されていることを言うことはできません、我々は唯一の人生は短いと言うことができます。 Andrey Dik 2016.08.14 22:42 #1066 トレーニング中に少なくとも所定のpips数の動きを予測するモデルであることが、どこかで提案されましたが...。これは非常に賢明なアイデアだと私は思うのですが...。私は、適切な時間枠とトレードの寿命の 指定された時間の瞬間の典型的なボラティリティを考慮して、少なくとも指定されたポイント数の動き - を追加することができます。前回2年前にグリッドに取り組んだ時は、この方向性で取り組んでいました。一般に、グリッドを使用しないのは、市場の確率的な特性がはっきりしないものがあったからです。今、私の頭の中ではすべてが多少なりとも落ち着き、グリッドの作業を続けるべきかもしれません......。私が思うに、TSにおける「機械学習」の手法の役割はできるだけ小さくし、毎年一貫して繰り返される市場要因を前面に押し出すべきであると思います。例えば、このスレッドでは、取引日の途中でボラティリティが最大になるという知識を使っている人はいるのでしょうか？- なさそう・・・。そして、それは紛れもない市場の特性であり、変わることはないのです。 Andrey Dik 2016.08.15 00:56 #1067 もう一つ、誰もが知っていながら、「機械オペレーター」が頑なに無視している事実があります。それは、低位TFでは、夜間の価格挙動が日中と大きく異なることです。しかし、この差はH1より大きなTFでは無に帰し、多くのTSが高いTFでより安定した結果を示すのはそのためかもしれない（ローソク足の価格変動が多かれ少なかれ均質であるから）。しかし、私たちはより多くの取引をしたいので（ただし、手数料やスプレッドによる損失は避けられない）、H1よりも低いTFを使用しなければならない理由です。1日の中で「価格行動が異なる」という問題を解決するには、1）.または適切なTSを「夜」と「昼」に分ける、2）.の2つの方法があります。または、1日の取引時間を制限する（例えば、05:00から20:00まで）。私は普段は気にせず、2番目のバリエーションで行っていましたが、このような簡単な時間によるフィルターでも、トレーニングやその後の取引の結果を大きく改善します。夜間」の日中取引では、パターンの組み合わせとは別のルールがあるため、ニューロニックで適切なTSを構築できていません......。この理由のために私は、他のルールは、パターンの組み合わせとは異なる、そこに適用されるため、適切な日中ニューロニック構築することができません、イミホ：。 どれがまさに問題ですが、主な問題は、これらの非常に夜の時間の間にチャネル取引とチャネルテーマに同様のバリエーションのようにもっとシンプルで単純なTSが正常に適用できる場合は "夜間 "がグリッド（そのための予測変数は定式化が困難な規則）の使用を必要とするかどうか...です。 СанСаныч Фоменко 2016.08.15 09:00 #1068 アンドレイ・ディクもう一つ、誰もが知っていながら、「機械屋」が頑なに無視する観察（不変の事実）がある-夜間の低いTFでの価格行動は、昼間と大きく異なる。時間は予測因子として（他のものとともに）含まれるべきです。アワーナンバーアワーナンバーの週番号です。各予測値は、対応する予測値の数で割られる。例えば、時間数は24予測値で割られる。例えば、最初の予測変数は1時間目に1、他の位置には0を持つ。2つ目の予測変数は、2時間目に1、その他の位置に0、といった具合です。このような予測器の予測能力を調べると、人工的な予測器はそれぞれ異なる予測能力を持っていることがわかる。例えば、曜日 であれば水曜日と木曜日です。他の曜日＝ノイズであり、モデルから除外する必要がある。私たちは非常に優れた品質予測因子を持っています。 Alexey Burnakov 2016.08.15 09:39 #1069 サンサニッチ・フォメンコ時間は予測因子として（他のものとともに）含まれるべきです。アワーナンバーアワーナンバーの週番号です。各予測値は、対応する予測値の数で割られる。例えば、時間数を24予測値で割る。例えば、最初の予測変数は1時間目に1、他の位置には0を持つ。2つ目の予測変数は、2時間目に1、その他の位置に0、といった具合です。このような予測器の予測能力を調べると、人工的な予測器はそれぞれ異なる予測能力を持っていることがわかる。例えば、曜日 であれば水曜日と木曜日です。他の曜日＝ノイズであり、モデルから除外する必要がある。非常に質の高いプレディクターを得ることができます。その通りです。ほとんど。1時間という数字は、23個のバイナリ変数に分解されればいいだけなのですが...。また、方法によっては、その必要もありません。ランダムフォレストはそのcat変数を自分で処理します。 Alexey Burnakov 2016.08.15 09:40 #1070 アンドレイ・ディクもう一つ、誰もが知っていながら、「機械屋」が頑なに無視する観察（不変の事実）があります。 必死のタイピスト」はそれを考慮に入れている。時刻は機械に入力される。また、夜間だけでなく、セッションでも価格の動きが異なる。 1...100101102103104105106107108109110111112113114...3399 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
三元系 - 相互に排他的な3つの状態をとることができることを意味します。別称は三元系（ternary）。
また、3つの出力を持つグリッドは、それぞれが2進数であるため、3進数のように3つだけが一義的に解釈される8つの互いに排他的な状態を作り出すことができます。残りの5州をどう解釈するか？
アップターン、ダウンターン、ノーターンの3つのクラスがあり、それらは1,-1,0です。
つまり、小さなストップと大きな利益で稼ぐことができる。
システムではなく、ストップ高のエントリーを生成するだけです。
しかし、この方法の悲しいところは、モデルをどのように学習させるかが明確でないことです
===========================================
モデルの動作はやや弱いですが、安定した利益を上げることを妨げるものではありませんし、月14％が限界ではなく、35％も見たことがあります、すべてはモデルの鍛え方次第です。
=====================================
と、ストップ/スタック比10:1を犠牲にした収益がかなり安定しており、さらにリスクコントロールも
アップターン、ダウンターン、ノーターンの3つのクラスがあり、それらは1,-1,0です。
原則的に、このアプローチは優れた市場予測を必要とせず、優れた予測によってではなく、小さなストップと大きな利益によって、すなわちリスク管理によって利益を得ることができるのです。
システムではなく、ストップ高のエントリーを生成するだけです。
しかし、この方法の悲しいところは、モデルをどのように学習させるかが明確でないことです
===========================================
モデルの動作はやや弱いですが、安定した利益を上げることを妨げるものではありませんし、月14％が限界ではなく、35％も見たことがあります、すべてはモデルの鍛え方次第です。
=====================================
ストップとストップの比率が10:1で、稼ぎもいい。
すごい！何が気になるんですか？
このようなモデルをどのように訓練するかは明確ではありませんが、すべての方法は分類のエラーに連動しており、私のアプローチでは推測の確率は常に台座の下になります、要するに私のモデルの有効性は別の方法で評価されなければなりませんが、どのようにわからない
そのようなモデルをどのようにトレーニングすればよいのかわかりません。すべての方法は分類誤差を対象としており、私のアプローチは常に台座より下になります。要するに、私のモデルの有効性は別の方法で評価されるべきですが、方法がわからないのです。
月14パーセントと言いながら、35パーセントにもなることがあるわけです。それなら、結果に対して偽りのない謙虚な気持ちで、結果が素晴らしいのだから、わからないことをこれ以上心配する必要はない。
ただし、マーケットから出る ときに固定ストップは使いません（パターンはマーケットに入る前と後でどのようにでもスケールする傾向があることが分かっているからです）。しかし、単純化するために、私は時々そうしました。sl/tp=1/3ストップで終了することを学びましたが、OOSでは1/2の比率を使いました（ニューロンに先手を打ち、1/3を使った場合と比べて正解数が増えるという形で私に感謝されました）。コモ、私はそれが将来的に価格がSLとTPに到達しないことを確率が小さいが、まだそこにあるので、取引の時間を制限する必要があると述べたように、我々はグリッドが悪い訓練されていることを言うことはできません、我々は唯一の人生は短いと言うことができます。
トレーニング中に少なくとも所定のpips数の動きを予測するモデルであることが、どこかで提案されましたが...。これは非常に賢明なアイデアだと私は思うのですが...。
私は、適切な時間枠とトレードの寿命の 指定された時間の瞬間の典型的なボラティリティを考慮して、少なくとも指定されたポイント数の動き - を追加することができます。前回2年前にグリッドに取り組んだ時は、この方向性で取り組んでいました。一般に、グリッドを使用しないのは、市場の確率的な特性がはっきりしないものがあったからです。今、私の頭の中ではすべてが多少なりとも落ち着き、グリッドの作業を続けるべきかもしれません......。
私が思うに、TSにおける「機械学習」の手法の役割はできるだけ小さくし、毎年一貫して繰り返される市場要因を前面に押し出すべきであると思います。例えば、このスレッドでは、取引日の途中でボラティリティが最大になるという知識を使っている人はいるのでしょうか？- なさそう・・・。そして、それは紛れもない市場の特性であり、変わることはないのです。
もう一つ、誰もが知っていながら、「機械オペレーター」が頑なに無視している事実があります。それは、低位TFでは、夜間の価格挙動が日中と大きく異なることです。
しかし、この差はH1より大きなTFでは無に帰し、多くのTSが高いTFでより安定した結果を示すのはそのためかもしれない（ローソク足の価格変動が多かれ少なかれ均質であるから）。
しかし、私たちはより多くの取引をしたいので（ただし、手数料やスプレッドによる損失は避けられない）、H1よりも低いTFを使用しなければならない理由です。1日の中で「価格行動が異なる」という問題を解決するには、1）.または適切なTSを「夜」と「昼」に分ける、2）.の2つの方法があります。または、1日の取引時間を制限する（例えば、05:00から20:00まで）。私は普段は気にせず、2番目のバリエーションで行っていましたが、このような簡単な時間によるフィルターでも、トレーニングやその後の取引の結果を大きく改善します。
夜間」の日中取引では、パターンの組み合わせとは別のルールがあるため、ニューロニックで適切なTSを構築できていません......。この理由のために私は、他のルールは、パターンの組み合わせとは異なる、そこに適用されるため、適切な日中ニューロニック構築することができません、イミホ：。 どれがまさに問題ですが、主な問題は、これらの非常に夜の時間の間にチャネル取引とチャネルテーマに同様のバリエーションのようにもっとシンプルで単純なTSが正常に適用できる場合は "夜間 "がグリッド（そのための予測変数は定式化が困難な規則）の使用を必要とするかどうか...です。
もう一つ、誰もが知っていながら、「機械屋」が頑なに無視する観察（不変の事実）がある-夜間の低いTFでの価格行動は、昼間と大きく異なる。
時間は予測因子として（他のものとともに）含まれるべきです。
各予測値は、対応する予測値の数で割られる。例えば、時間数は24予測値で割られる。例えば、最初の予測変数は1時間目に1、他の位置には0を持つ。2つ目の予測変数は、2時間目に1、その他の位置に0、といった具合です。
このような予測器の予測能力を調べると、人工的な予測器はそれぞれ異なる予測能力を持っていることがわかる。例えば、曜日 であれば水曜日と木曜日です。他の曜日＝ノイズであり、モデルから除外する必要がある。
私たちは非常に優れた品質予測因子を持っています。
時間は予測因子として（他のものとともに）含まれるべきです。
各予測値は、対応する予測値の数で割られる。例えば、時間数を24予測値で割る。例えば、最初の予測変数は1時間目に1、他の位置には0を持つ。2つ目の予測変数は、2時間目に1、その他の位置に0、といった具合です。
このような予測器の予測能力を調べると、人工的な予測器はそれぞれ異なる予測能力を持っていることがわかる。例えば、曜日 であれば水曜日と木曜日です。他の曜日＝ノイズであり、モデルから除外する必要がある。
非常に質の高いプレディクターを得ることができます。
その通りです。ほとんど。1時間という数字は、23個のバイナリ変数に分解されればいいだけなのですが...。
また、方法によっては、その必要もありません。ランダムフォレストはそのcat変数を自分で処理します。
もう一つ、誰もが知っていながら、「機械屋」が頑なに無視する観察（不変の事実）があります。