RENAISSANCE TECHNOLOGIES, a quantitatively based financial management firm, has openings for programming positions at its Long Island, NY research center. Programming Opportunity We are looking for bright, outstanding programmers who are interested in working in a stimulating and academic environment to implement and support software used in...
PS.
MCLの熱烈な支持者にとっては、このスレッドで議論されたすべてのアクションとツールがなければ、テスターは取引システムの将来の挙動について推測する理由をまったく与えないことに注意してください。テスターは「この時間帯の結果です」と言います。以上です。テスターは、例えば、ある履歴期間に関連する利益係数など、正確に1つの数値を提示します。そして、Rでしか統計を取る ことができない。そして、テスターはモデル設計の最終部分であり、開発プロセス全体の代わりにはなりません。
屑とナンセンス!
テスターはその分、頼まれたものをきっちり出す。プロフィットファクターはお聞きになりましたか？- これが利益率です。他にも、いくつかお願いすれば、それに対する答えもあるはずです。そして統計情報はOnTester() の中でTesterStatistics() を呼び出すことで取得でき、これらはすべて非常に長い間利用可能でした。必要に応じて、その他の統計情報を追加することができます。
また、Rも何も持っていない、何を聞いていいかわからないと答えられないでしょう。
例えば、遅延したサンプルでバリデーションを行ったとします。延期されたデータのモデルが統合されたとする。この場合、どうするのですか？保留サンプルのバリデーションをパスするために再度パラメータをいじり始めると、本来は保留サンプルのデータもクロスバリデーションに含めることになり、クロスバリデーションも調整されたものになってしまいます。これは、新たに延期したサンプルを追加することで修正可能です。もし、そのモデルも失敗したら？新しい遅延サンプリングも渡すようにパラメータを調整する必要がありますか？終わりのないレースです。
クロスバリデーションに繰延べられたサンプルを含め、新たに繰延べられたサンプルを作成することは、答えではなく、運良くモデルが繰延べられたバリデーションに合格するまで、無限ループとなります。しかし、これはFXの解決策ではなく、運が自分に微笑んでいるだけであり、しかし統計的に見れば、それは消耗品である。
そこで質問なのですが、仮に保留データのモデルが急落したとします。そんな時はどうするのですか？
Dr.トレーダー、写真で説明します。心配しないでください、これは複雑な問題ですが、解決できるのです。あなたの言うとおりにしないと、悪循環に陥ります。
そしてもう一つ、このスレッドでの活動を徐々にまとめていきます。フォーラムに飽きてきた。プライベートで、例を挙げるとより良い。
だから
ノイズの多い時系列予測とトレーディングのためのモデル選択
ステップ・バイ・ステップ
モデルの学習 - モデルは粒状性を示す
モデルのテスト - モデルはすでに顕著にパフォーマンスが低下しています。でも、問題なく使える機種もあります。
これがモデル選びのポイントになります。あなたと私は、テストでより良いパフォーマンスを発揮するモデルを選択します（それらはクロスバリデーションにおける検証ブロックとなる可能性があります）。そして、その特性がすでに分かっている期間別にモデルを選ぶと、楽観的な選択になってしまうことがすぐに分かる。
クロスバリデーション（異なるモデルのデータが混在している）を行う場合、テストに関する委員会にすることはできない（テストが混在している）。その代わり、テストで選ばれた「ベスト」なモデルを、遅れてきたサンプルでテストするんですね。何を期待しているのか？実際のアプリケーションでは、クロスバリデーションブロック（または、クロスバリデーションに煩わされたくない場合は、単一テスト）でのモデルの性能に依存するので、選択したベストモデルが将来（繰延サンプル1上で）同様の性能を示すかどうかを知る必要があります。関係があるとすれば、それはもう非常に良いことです。要するに、この時点で研究を中止し、今後クロスバリデーションによって最適なモデルを選択すればいいのです。
それでも委員会を作るとなると、どのモデルを委員会に選ぶかを考えなければなりません。ディレイサンプル1でも行っていますが、ただランダムに行うわけではありません。ここでも、実生活ではテストデータ（入手可能な最新のデータ）に頼るしかないことを思い起こす。そこで、TESTで最も良い結果を出したモデルを1つずつ委員会に加えていくことにしました。遅延したサンプルについて、委員会のパフォーマンスを最大化します。
この時点で、委員会の選択を、その特性がすでに知られているデータで評価することになるので、多重モデル選択バイアスにさらされることになります。
委員会の検証のためには、最終サンプルが必要です。
もし、選択したモデル（テスト用）を遅延サンプルで検証する段階で、モデルの特性が浮いていることが分かったら、これはもう致命的です。このステップでは、アプローチの何かを変更する必要があります。
もし、集まった委員会が最後に延期されたサンプルで急落した場合（これは1回限りのテスト）、前回のサンプルへの委員会適合が起こったことになる。
最終的に繰延べられたサンプルに対して、charact.の最大化を達成するために、異なるパラメータで全体の手順を繰り返すことは、これもまた楽観的なモデルの選択となるため、不可能です。
延期されたサンプルですべてがうまくいった（すなわち，モデル選択バイアスを最小化した）場合でさえ，一般に，同じパラメータで全手順をループで繰り返し，最後のサンプルで委員会の仕事の分布を得るのがよいだろう．その都度、異なる（少なくとも部分的に）データが必要であることは明らかです。しかも、これがもう高いんですよ...。
このスキームをぜひ覚えておいてください。リアルタイム取引の見積もりを、可能な限り絶対的なものに導くのです。
すべて事実ですが、このパターンは非常にヒゲが多く、誰もが昔から知っていることなので......。
そして今、最も単純な分類器はそれを見つけただろう、1シリーズのために価格、ボリュームとOIのこの解釈は十分なデータではありません、あなたは、少なくともオーダーブックと取引の方向とストリップを必要とし、外国為替の場合には、この情報が存在しないため、それは西洋の液体先物市場から取得する必要があります。
知的な人たちは、ニューラルネットワークを開発し、訓練していますが、単純なことは見えません。あなたの投稿を読み、かなり驚きました。大雑把に言うと、ある高値の後に0.2%の値下がりを全て見つけ出し、その高値付近のローソク足3本を取り出して価格操作を行い、最後にニューラルネットワークを使って一定の確率に落とし込んだということでしょうか。しかし、失礼ながら、そのようなやり方は原始的過ぎると思いませんか？:)あなたは間違った場所を掘っています。だから、現実とは逆の結果になってしまうのです。フルHDの写真から3ピクセルを取り出し、その3ピクセルをもとに全体像を把握しようとしているのです。なるほど、全体像ではありませんが、画像領域の10％以上を正しく予測できる確率はどのくらいでしょうか？私の例がわかりやすければいいのですが。画素を見なくとも、絵が見える。つまり、グラフを理解 するためには、個々の棒を見る必要はなく、グラフ全体を 見る必要があるのです。そして、この問題の解決は、代数学や物理学、生物学などよりも、幾何学の領域にある。でも、ここの人たちの研究を読んでいると、人間の構造を地理学で理解しようとしている感じが強いんです。:)
+1
グラフ」とまでは言いませんが、価格だけでなくグラフも...
3ピクセルとハイビジョンの例えは、ここで多くの人がやっていることと非常に関連があると私は思います。
アンドレイ・ディク
あるいは、"MOの調理法を知らないだけだ！"と言われることもあります。- たぶん、はい、無理です。しかし、誰がどのように知っていますか？MOを市場で活用できているのは？
もし、ネットに未来のパターンを送り込んだらどうなるか、考えたことはありますか？問題は、どうやって見つけるかです。 ネットワークに教えるには、どの日を選べば、現在の日にちになることがわかるでしょうか。これがその答えです。学習用サンプルにあった日と文脈が似ていることを期待して、現在の出来高とOMがあった日をそれぞれ選択します。ネットワークの入力に出来高やOIの値を送らず、この日だけを選び、入力はAD、Zscore、Kelliなどにしています。つまり、現在のような歴史とそれに対する市場の反応の上で、そのようなパターンのセットを選択することである。他の手法でこのような選別を行っているという説があれば、ぜひ教えていただきたいのですが......。
まさにその通り、他にどうすればいいのか？トレーニングデータセットが Volume Price と OI の正規化された増分のベクトル列である場合、vectorSet[][] をニューラルネットやその他の分類器と呼ぶことにしますinput=vectorSet [t][], teachoutput=vectorSet [t+1][]
もし私が質問を正しく理解していれば...
問題は、次の取引日または週の間にあるパターンのそのセットを正確に選択する方法です？