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 1786 1...177917801781178217831784178517861787178817891790179117921793...3399 新しいコメント Valeriy Yastremskiy 2020.05.20 10:23 #17851 mytarmailS:記事は爆弾です、何も理解できませんでしたが、口を開けて読みました・・・。おつかれさま もし、多くのランダムなルールが、異なる方法で、ある共通の構造に収束するならば、ランダムフォレストアルゴリズムとの類似性を描くことができる、とさえ考えています。 そこで、例えば5分足/週足チャートをある大きなパターン「BP」として捉え、その中で様々なスライディングウィンドウを使ってサンプルを生成してみるとどうだろう(もちろん、スケールに正規化されて います)。 そして、このサンプルに対してForestを学習させる。つまり、BP内部にランダムなルールを大量に生成 する。 そして、BPをサンプルマスタブにスケーリングし、先に生成した内部ルールによってBPを予測する......。 フラクタル性を考慮し、この入れ子がうまくいくかどうか...。 面白い... 思い込みの理論を信用してはいけない。単純なルールと物理法則の結果が似ていることは、証明ではなく、仮定である。 試してみるといい、ルールは私たちにしかわからないランダムなものだ。実はランダムではないのです。結果を見てみると面白いですよ))) mytarmailS 2020.05.20 19:34 #17852 Valeriy Yastremskiy:思い込みで理論を信じるな。単純なルールの結果と物理法則が似ていることは、証明ではなく、仮定である。 試してみることは可能です。ただ、そのルールは私たちにはランダムでしかありません。実はランダムではないのです。結果を見てみると面白いですよ))) うまくいかなかった( アナログで認識させようとしたこともありますが、それもうまくいきませんでした。 Valeriy Yastremskiy 2020.05.20 20:05 #17853 mytarmailS:ダメだこりゃ( フォレストがなぜか学習しない、アナログ認識も試したが成功しない( そんなはずはないんです。ランダムなルールのランダムな検索)) Aleksey Vyazmikin 2020.05.21 06:24 #17854 MOを始める前に、半年ほどかけてEAを微調整し、ヒストリーでテストし、損失につながる視覚的なパターンを見つけてパフォーマンスを向上させる、つまりヒストリーに合わせた手作業で調整したのです。それが2017年のことで、その末に2018年2月頃までEAを稼働させました。 意地悪の法則というか、当時私が決めた「いじり」は、たちまちバランスをマイナスにし、プロジェクトは期待はずれと判断され、終了となった。 2018年末、年末に面白い結果が出ているのを見て、この企画に再度挑戦してみました。 再び不調が始まり、EAを削除し、2019年に少しテスターで結果を監視した結果、プロジェクトを断念したのは正しい判断だったと確信しました。 昨日、古い木の葉のモデルを確認しようと思い、最後に2018年に手を入れたEAを確認したのですが、大きくは変わっていませんでした。 正直、目を疑いましたが、とても良い仕上がりです。 そして、テーゼや疑問が生まれるのです。 1.この方法で作成したExpert Advisorが、MO法で作成したEAよりも安定していたのはなぜですか? 2.取引に不利な時期が存在する - 2019年はSiが純粋に横ばいだった。 3.EAを動作させたとたんに損をするようになるのでしょうか? 4.特定のTS/MOモデルに最も適したグローバル取引期間を、どのような指標で分類すればよいのでしょうか? 5.適切な取引期間を待つ間、ゼロ付近でぶらぶらする、あるいは負けることを1年間我慢するにはどうしたらいいか。 Valeriy Yastremskiy 2020.05.21 09:54 #17855 Aleksey Vyazmikin: 4.特定のTS/IOモデルに最適なグローバル取引期間を分類するための指標は何ですか?5.ゼロ近辺のダブつき、あるいは急落を1年間我慢して、適切な取引時期を待つにはどうしたらいいのか。 重要な質問です。ないようです。それはひとつの決断です。ピンを上げるかどうか ))))指標は、歴史の平均と現時点のものであるべきだということを描いています。そして、ZZの何かが形成される必要があります。相関関係はあまりよくないようです。そのように見えるが、周回遅れであり、平均的すぎる。とにかく、今はマッタリしています。 ZZの全tf極値でのピルソン係数、トレンドや極小・極大の数、ボラティリティの平均幅、価格の 平均スピードなどを調べるとよいでしょう。データについては、今のところインクリメント以外には何も思い浮かびません。 ここでは、シンプルな方法をとる人もいます。シンプルなTSをたくさん取り入れ、それを最適に適用しようとする--シンプルなトレーニングによって、最高の結果を出す。 まだサービスはなく、70年から20年まですべての楽器を使っています)))) Aleksey Vyazmikin 2020.05.21 10:13 #17856 Valeriy Yastremskiy:... ZZの極値、トレンドの数、または最小/最大極値、ボラティリティの平均幅、平均価格速度に関するすべてのtfのピアソン係数を見るのが良い方法です。データについては、今のところインクリメント以外には何も思い浮かびません。 ... 同じようなことを、ZZセグメントを長さで3つのグループに分けてやってみました。 たしかに、私のTSの成功の指標にはなりますが、過去にしか使えないのに、現在どうしたらいいのか、謎です。 Valeriy Yastremskiy 2020.05.21 10:27 #17857 Aleksey Vyazmikin:私も似たようなことをやっていて、ZZセグメントを長さで3つのグループに分け、そうですねー、私のTSの成功の指標にはなっていますが、そうやって定義できるのは過去だけで、現在をどうするかは謎なんですよね。 3では物足りない。そして、何らかの方法で、すべてのTFデータのロジックを理解/定義する必要があります。履歴上の指標がすべて決まっていて、それを判断基準にして、新しいデータが履歴を繰り返せばすべて良し、そうでなければ-これが新しいデータだ、ということです。もし、新しいデータが30%以上であれば、データに誤りがあることになります。ただ、物足りないというか、意味がないというか。あるいは神化であり、つながりはない。 インクリメントを測定し、データと比較する必要があります)))インクリメントとは別に、何か欲しいものがある。しかし、発明されるかもしれないものはすべてインクリメントの派生物です。 確かにボリュームは残りますが、この角度からどうアプローチすればいいのかわかりません。 Aleksey Vyazmikin 2020.05.21 10:34 #17858 Valeriy Yastremskiy:3では物足りない。そして、何らかの方法で、すべてのTFデータのロジックを理解/定義する必要があります。良い言い方をすれば、履歴上のすべての指標を定義し、それを判断基準として、新しいデータが履歴を繰り返せば、すべて良し、繰り返さなければ、新しいデータということになるのです。もし、新しいデータが30%以上であれば、データに誤りがあることになります。ただ、物足りないというか、意味がないというか。あるいは神化であり、つながりはない。 インクリメントを測定し、データと比較する必要があります)))インクリメントとは別に、何か欲しいものがある。しかし、発明されるものはすべて、インクリメントから派生したものなのです。もちろん、今でもボリュームはあるんですが、どっちつかずなんですよ。 私は裸のフォームでインクリメントを使用していない - 実際には相対的な正規化された値のみ。 モデルの性能に関する予測因子と、特定のモデルの好ましさを判断するための予測因子を混在させるのは意味がないのです。一方のモデルは好感度を、もう一方はTCそのものを判断するべきだと思うのです。そして、そのような好条件をトレーニングするためのマークアップの問題が残ります。そのためには、TSが効果的に機能する閾値を定義する必要があるのです。これは、例えば、エラーバランス、利益成長率などの指標や、その他の指標となることもあります。そしてそれぞれ、1週間か少なくとも1日、分類を決定する必要があります。 mytarmailS 2020.05.21 10:44 #17859 Aleksey Vyazmikin:しかし、それはあくまで過去の定義であり、現在をどうするかは謎である。 不思議なことではありません。 1) TSに有利な期間と不利な期間を決める必要がある、つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。 2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なDSP、特にスペクトル解析は、ここで役に立つでしょう。 DSPから、どんな複雑な信号でも正弦波の和で記述できることがわかっています。正弦波は振幅、周波数、位相の3つのパラメータしか持っていません。この正弦波の和というかパラメータは市場の特性として捉えることができ、客観性を持つことになるでしょう。 難しい場合は、価格と分類のための "Y "のデータを用意していただければ、私がコードを作成し、トレードに有利な条件を認識できるかどうかをチェックします、このテーマは私にとっても興味深いものですから mytarmailS 2020.05.21 11:00 #17860 しかし、どのようにYをカウントする? ちょうど利益によって、おそらく最良の選択肢ではありませんが、エントリポイントが重要です...すべての利益は良いエントリポイントから、エントリと出口の間の範囲から取得されます。 だから、この時はシステムのエントリーポイントとマーケットのパラメーターだけが必要なことがわかった. AMOはTSからのエントリーシグナルを受けて、ポジションを建てるかどうか判断することが判明しました 考えてみると恐ろしいことですが、これがうちのミチャが常にトレンドにしていることです)) 1...177917801781178217831784178517861787178817891790179117921793...3399 新しいコメント 理由: キャンセル 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
記事は爆弾です、何も理解できませんでしたが、口を開けて読みました・・・。おつかれさま
もし、多くのランダムなルールが、異なる方法で、ある共通の構造に収束するならば、ランダムフォレストアルゴリズムとの類似性を描くことができる、とさえ考えています。
そこで、例えば5分足/週足チャートをある大きなパターン「BP」として捉え、その中で様々なスライディングウィンドウを使ってサンプルを生成してみるとどうだろう(もちろん、スケールに正規化されて います)。
そして、このサンプルに対してForestを学習させる。つまり、BP内部にランダムなルールを大量に生成 する。
そして、BPをサンプルマスタブにスケーリングし、先に生成した内部ルールによってBPを予測する......。
フラクタル性を考慮し、この入れ子がうまくいくかどうか...。
面白い...
思い込みの理論を信用してはいけない。単純なルールと物理法則の結果が似ていることは、証明ではなく、仮定である。
試してみるといい、ルールは私たちにしかわからないランダムなものだ。実はランダムではないのです。結果を見てみると面白いですよ)))
思い込みで理論を信じるな。単純なルールの結果と物理法則が似ていることは、証明ではなく、仮定である。
試してみることは可能です。ただ、そのルールは私たちにはランダムでしかありません。実はランダムではないのです。結果を見てみると面白いですよ)))
うまくいかなかった(
アナログで認識させようとしたこともありますが、それもうまくいきませんでした。
ダメだこりゃ(
フォレストがなぜか学習しない、アナログ認識も試したが成功しない(
MOを始める前に、半年ほどかけてEAを微調整し、ヒストリーでテストし、損失につながる視覚的なパターンを見つけてパフォーマンスを向上させる、つまりヒストリーに合わせた手作業で調整したのです。それが2017年のことで、その末に2018年2月頃までEAを稼働させました。
意地悪の法則というか、当時私が決めた「いじり」は、たちまちバランスをマイナスにし、プロジェクトは期待はずれと判断され、終了となった。
2018年末、年末に面白い結果が出ているのを見て、この企画に再度挑戦してみました。
再び不調が始まり、EAを削除し、2019年に少しテスターで結果を監視した結果、プロジェクトを断念したのは正しい判断だったと確信しました。
昨日、古い木の葉のモデルを確認しようと思い、最後に2018年に手を入れたEAを確認したのですが、大きくは変わっていませんでした。
正直、目を疑いましたが、とても良い仕上がりです。
そして、テーゼや疑問が生まれるのです。
1.この方法で作成したExpert Advisorが、MO法で作成したEAよりも安定していたのはなぜですか?
2.取引に不利な時期が存在する - 2019年はSiが純粋に横ばいだった。
3.EAを動作させたとたんに損をするようになるのでしょうか?
4.特定のTS/MOモデルに最も適したグローバル取引期間を、どのような指標で分類すればよいのでしょうか?
5.適切な取引期間を待つ間、ゼロ付近でぶらぶらする、あるいは負けることを1年間我慢するにはどうしたらいいか。
4.特定のTS/IOモデルに最適なグローバル取引期間を分類するための指標は何ですか?
5.ゼロ近辺のダブつき、あるいは急落を1年間我慢して、適切な取引時期を待つにはどうしたらいいのか。
重要な質問です。ないようです。それはひとつの決断です。ピンを上げるかどうか ))))指標は、歴史の平均と現時点のものであるべきだということを描いています。そして、ZZの何かが形成される必要があります。相関関係はあまりよくないようです。そのように見えるが、周回遅れであり、平均的すぎる。とにかく、今はマッタリしています。
ZZの全tf極値でのピルソン係数、トレンドや極小・極大の数、ボラティリティの平均幅、価格の 平均スピードなどを調べるとよいでしょう。データについては、今のところインクリメント以外には何も思い浮かびません。
ここでは、シンプルな方法をとる人もいます。シンプルなTSをたくさん取り入れ、それを最適に適用しようとする--シンプルなトレーニングによって、最高の結果を出す。
まだサービスはなく、70年から20年まですべての楽器を使っています))))
...
ZZの極値、トレンドの数、または最小/最大極値、ボラティリティの平均幅、平均価格速度に関するすべてのtfのピアソン係数を見るのが良い方法です。データについては、今のところインクリメント以外には何も思い浮かびません。
...
同じようなことを、ZZセグメントを長さで3つのグループに分けてやってみました。 たしかに、私のTSの成功の指標にはなりますが、過去にしか使えないのに、現在どうしたらいいのか、謎です。
私も似たようなことをやっていて、ZZセグメントを長さで3つのグループに分け、そうですねー、私のTSの成功の指標にはなっていますが、そうやって定義できるのは過去だけで、現在をどうするかは謎なんですよね。
3では物足りない。そして、何らかの方法で、すべてのTFデータのロジックを理解/定義する必要があります。履歴上の指標がすべて決まっていて、それを判断基準にして、新しいデータが履歴を繰り返せばすべて良し、そうでなければ-これが新しいデータだ、ということです。もし、新しいデータが30%以上であれば、データに誤りがあることになります。ただ、物足りないというか、意味がないというか。あるいは神化であり、つながりはない。
インクリメントを測定し、データと比較する必要があります)))インクリメントとは別に、何か欲しいものがある。しかし、発明されるかもしれないものはすべてインクリメントの派生物です。 確かにボリュームは残りますが、この角度からどうアプローチすればいいのかわかりません。
3では物足りない。そして、何らかの方法で、すべてのTFデータのロジックを理解/定義する必要があります。良い言い方をすれば、履歴上のすべての指標を定義し、それを判断基準として、新しいデータが履歴を繰り返せば、すべて良し、繰り返さなければ、新しいデータということになるのです。もし、新しいデータが30%以上であれば、データに誤りがあることになります。ただ、物足りないというか、意味がないというか。あるいは神化であり、つながりはない。
インクリメントを測定し、データと比較する必要があります)))インクリメントとは別に、何か欲しいものがある。しかし、発明されるものはすべて、インクリメントから派生したものなのです。もちろん、今でもボリュームはあるんですが、どっちつかずなんですよ。
私は裸のフォームでインクリメントを使用していない - 実際には相対的な正規化された値のみ。
モデルの性能に関する予測因子と、特定のモデルの好ましさを判断するための予測因子を混在させるのは意味がないのです。一方のモデルは好感度を、もう一方はTCそのものを判断するべきだと思うのです。そして、そのような好条件をトレーニングするためのマークアップの問題が残ります。そのためには、TSが効果的に機能する閾値を定義する必要があるのです。これは、例えば、エラーバランス、利益成長率などの指標や、その他の指標となることもあります。そしてそれぞれ、1週間か少なくとも1日、分類を決定する必要があります。
しかし、それはあくまで過去の定義であり、現在をどうするかは謎である。
不思議なことではありません。
1) TSに有利な期間と不利な期間を決める必要がある、つまり、通常のバイナリ形式と同じY = 0000111100000でターゲット「Y」を作成する。
2) 変数を作成し、"市場の特性 "を反映させる。公正で公平なDSP、特にスペクトル解析は、ここで役に立つでしょう。
DSPから、どんな複雑な信号でも正弦波の和で記述できることがわかっています。正弦波は振幅、周波数、位相の3つのパラメータしか持っていません。この正弦波の和というかパラメータは市場の特性として捉えることができ、客観性を持つことになるでしょう。
難しい場合は、価格と分類のための "Y "のデータを用意していただければ、私がコードを作成し、トレードに有利な条件を認識できるかどうかをチェックします、このテーマは私にとっても興味深いものですから
しかし、どのようにYをカウントする? ちょうど利益によって、おそらく最良の選択肢ではありませんが、エントリポイントが重要です...すべての利益は良いエントリポイントから、エントリと出口の間の範囲から取得されます。
だから、この時はシステムのエントリーポイントとマーケットのパラメーターだけが必要なことがわかった.
AMOはTSからのエントリーシグナルを受けて、ポジションを建てるかどうか判断することが判明しました
考えてみると恐ろしいことですが、これがうちのミチャが常にトレンドにしていることです))