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 2131 1...212421252126212721282129213021312132213321342135213621372138...3399 新しいコメント mytarmailS 2020.11.18 08:31 #21301 次のローソク足で何が起こるか」などをターゲットにせず、規則性の「完全検索」を考えているのですが...。 検索は規則性のみを検索することで構成され、ターゲットは規則性を見つけることであり、「次のキャンドルに何があるか」ではない。また、規則性は、例えば今日が「イベント1」、次に「イベント2」、そして「イベント3」だったとすると、時間的に引き伸ばすことができる...。 例えば、今日「イベント1」、 「 イベント3」とあれば、明日の14:05にローソク足が上昇する、とか)) どのように見えるか、どのようなアルゴリズムを適用するかについては、より良いアイディアを持っていますが、おそらく私にはない計算能力が必要でしょう( ところで、ある事象が何回繰り返されたら、パターンとして成立するのでしょうか? Aleksey Vyazmikin 2020.11.18 08:44 #21302 elibrarius: 理論的には同じはずです。 日、時間、分の異なる選択肢の数は、サインとコサインの選択肢の数と同じです。どちらも7日間で10080通りの値があり、1分間に1回変化します。 もし、トレーニングにランダム性があれば、このような違いが出てくるかもしれません。 ネコババの訓練でもしてたのか? 実験がいつもより重要なのです。 最初の予測変数T1 (Den_Nedeli_S)、より正確にはそのグリッドを見てみましょう。 T2 そして、時間変換のない曜日。 ご覧のように、パーティショニングの設定は同じですが、グリッドが異なり、桁間の差分も異なっています。 catboost-0.24.1.exe fit --learn-set train.csv --test-set test.csv --column-description %%a --has-header --delimiter ; --model-format CatboostBinary,CPP --train-dir ..\Rezultat\RS_208\result_4_%%a --depth 6 --iterations 1000 --nan-mode Forbidden --learning-rate 0.03 --rsm 1 --fold-permutation-block 1 --boosting-type Plain --l2-leaf-reg 6 --loss-function Logloss --use-best-model --eval-metric Logloss --custom-metric Logloss --od-type Iter --od-wait 100 --random-seed 0 --random-strength 1 --auto-class-weights SqrtBalanced --sampling-frequency PerTreeLevel --border-count 208 --feature-border-type MinEntropy --output-borders-file quant_4_00208.csv --bootstrap-type Bayesian --bagging-temperature 1 --leaf-estimation-method Newton --leaf-estimation-iterations 10 つまり、より精密に分割を合わせることができ、その結果、フィットするか、より良い結果が得られるか...。 Aleksey Vyazmikin 2020.11.18 08:48 #21303 mytarmailS: 次のローソク足で何が起こるか」などをターゲットにせず、規則性の「完全検索」を考えているのですが...。検索は規則性のみを検索することで構成され、ターゲットは規則性を見つけることであり、「次のローソク足に何が出るか」ではない。また、規則性は時間的に引き伸ばすことができ、例えば、今日が「イベント1」、次に「イベント2」、そして「イベント3」...というようにすることができる。 例えば、今日「イベント1」、 「 イベント3」があったとして、明日の14:05にローソク足が上昇するとか、そんな感じです))どのように見えるか、どのアルゴリズムを適用するか、もっと良いアイデアがあるのですが、おそらく多くの計算パワーが必要で、私にはありません( あ、私も似たようなことします :))))) mytarmailS: ちなみに、このような質問ですが、ある事象が何回繰り返されたらパターンとして成立するのでしょうか? 私は、サンプル全体の1%以下ではない、という基準で、同じ結果を持つ事象の再発の「頻度」が重要だと考えています。周波数」をどう測ればいいのかわからない。 Forester 2020.11.18 09:13 #21304 Aleksey Vyazmikin: 実験がいつもより重要なのです。最初の予測変数T1 (Den_Nedeli_S) というか、そのグリッドを見てください。T2また、時間変換を行わない曜日ご覧のように、パーティショニングの設定は同じですが、グリッドが異なり、桁間の差分も異なっています。つまり、より精密に分割を合わせることができ、その結果、フィットするか、より良い結果が得られるか...ということです。 OKです。NSだけでなく、ツリーでもサイン+コサインの方が良い。 Aleksey Vyazmikin 2020.11.18 09:24 #21305 elibrarius: よかったです。NSだけでなく、木もサイン+コサインの方が良い。 その結論に飛びつくことはありません。今のところ、結果は同一ではないと言えるでしょう。 削除済み 2020.11.18 09:45 #21306 時運 . mytarmailS 2020.11.18 09:52 #21307 mytarmailS: フルサーチ」をしようと思っているのですが・・・。 時間と曜日と キャンドルの色を入れただけなのに...。 データを1週間、全部で40週間として、その中のパターンを探す。 Friday_18:20_dw は、金曜日 -18:20 - ローソク足が落ちるという 意味です。 信頼性 - ルール1が機能する割合が100%であること count - そのようなルールがいくつ見つかったか。 lhs rhs support confidence coverage lift count [1] {Пт_18:20_dw} => {Чт_1:0_up} 0.500 1 0.500 1.290323 20 [2] {Пт_16:15_up} => {Пт_5:0_dw} 0.500 1 0.500 1.290323 20 [3] {Пн_21:0_dw} => {Пт_5:0_dw} 0.500 1 0.500 1.290323 20 [4] {Ср_12:50_dw} => {Чт_22:55_up} 0.525 1 0.525 1.538462 21 [5] {Пт_18:40_dw,Ср_22:15_dw} => {Пн_14:50_up} 0.500 1 0.500 1.290323 20 [6] {Пн_0:0_dw,Пн_9:20_dw} => {Пн_23:55_dw} 0.500 1 0.500 1.428571 20 [7] {Вт_20:40_up,Пн_0:0_dw} => {Вт_21:5_up} 0.500 1 0.500 1.481481 20 [8] {Вт_9:40_dw,Пн_14:50_up} => {Чт_1:0_up} 0.500 1 0.500 1.290323 20 [9] {Пн_0:0_dw,Чт_1:10_dw} => {Чт_2:55_dw} 0.500 1 0.500 1.379310 20 [10] {Пт_9:25_up,Ср_2:5_dw} => {Пн_14:50_up} 0.500 1 0.500 1.290323 20 [11] {Пн_14:50_up,Пт_9:25_up} => {Ср_2:5_dw} 0.500 1 0.500 1.538462 20 [12] {Вт_13:0_dw,Ср_2:5_dw} => {Пн_14:50_up} 0.500 1 0.500 1.290323 20 [13] {Чт_23:55_dw,Чт_4:20_dw} => {Пн_0:0_dw} 0.500 1 0.500 1.250000 20 [14] {Вт_18:55_dw,Пт_1:0_up} => {Пн_14:50_up} 0.500 1 0.500 1.290323 20 [15] {Вт_18:55_dw,Чт_1:0_up} => {Пн_14:50_up} 0.525 1 0.525 1.290323 21 [16] {Вт_2:45_up,Пн_9:50_dw} => {Пн_0:0_dw} 0.500 1 0.500 1.250000 20 [17] {Вт_2:45_up,Ср_20:40_up} => {Пн_0:0_dw} 0.500 1 0.500 1.250000 20 本則 [1] {Пт_18:20_dw} => {Чт_1:0_up} 0.500 1 0.500 1.290323 20 木曜日の午前1時に上昇中のローソク足があった場合、金曜日の午後6時20分には下降していることを意味します。 IDD... Valeriy Yastremskiy 2020.11.18 09:54 #21308 Aleksey Vyazmikin: 私はサンプル全体の1%以上という基準で、同じ結果の事象が発生する「頻度」を重要視しています。周波数」の測り方がわからない。 同一イベントとは、同じ結果をもたらすイベントのことです。 サンプルの100% / 繰り返しの%。1%は頻度であるが、規則性はない。そこが厄介なんです。期間ごとに区切って、イベントの規則性を見るのです。単純に期間内の最小値と最大値を使い、最小値を最大値で割れば相対的な規則性が得られ、二乗平均平方根を使うこともできる)。 mytarmailS 2020.11.18 09:57 #21309 Oleg avtomat: 時の輪さらに高調波分を加えて、正弦波を合計すると、3つの符号を表す1つの曲線が得られます。 土日祝日はどうするんだ!全部考慮しろ!一体何のためにあるんだ? Rorschach 2020.11.18 10:00 #21310 mytarmailS:ところで、ある事象を何回繰り返せば規則性といえるのでしょうか? 自分なりの指標を試して みましたが、SL=TPの場合のみ有効で、他の比率の場合はハーストをカウントする必要があります。 1...212421252126212721282129213021312132213321342135213621372138...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
次のローソク足で何が起こるか」などをターゲットにせず、規則性の「完全検索」を考えているのですが...。
検索は規則性のみを検索することで構成され、ターゲットは規則性を見つけることであり、「次のキャンドルに何があるか」ではない。また、規則性は、例えば今日が「イベント1」、次に「イベント2」、そして「イベント3」だったとすると、時間的に引き伸ばすことができる...。 例えば、今日「イベント1」、 「 イベント3」とあれば、明日の14:05にローソク足が上昇する、とか))
どのように見えるか、どのようなアルゴリズムを適用するかについては、より良いアイディアを持っていますが、おそらく私にはない計算能力が必要でしょう(
ところで、ある事象が何回繰り返されたら、パターンとして成立するのでしょうか?
理論的には同じはずです。
ネコババの訓練でもしてたのか?日、時間、分の異なる選択肢の数は、サインとコサインの選択肢の数と同じです。どちらも7日間で10080通りの値があり、1分間に1回変化します。
もし、トレーニングにランダム性があれば、このような違いが出てくるかもしれません。
実験がいつもより重要なのです。
最初の予測変数T1 (Den_Nedeli_S)、より正確にはそのグリッドを見てみましょう。
T2
そして、時間変換のない曜日。
ご覧のように、パーティショニングの設定は同じですが、グリッドが異なり、桁間の差分も異なっています。
つまり、より精密に分割を合わせることができ、その結果、フィットするか、より良い結果が得られるか...。
次のローソク足で何が起こるか」などをターゲットにせず、規則性の「完全検索」を考えているのですが...。
検索は規則性のみを検索することで構成され、ターゲットは規則性を見つけることであり、「次のローソク足に何が出るか」ではない。また、規則性は時間的に引き伸ばすことができ、例えば、今日が「イベント1」、次に「イベント2」、そして「イベント3」...というようにすることができる。 例えば、今日「イベント1」、 「 イベント3」があったとして、明日の14:05にローソク足が上昇するとか、そんな感じです))
どのように見えるか、どのアルゴリズムを適用するか、もっと良いアイデアがあるのですが、おそらく多くの計算パワーが必要で、私にはありません(
あ、私も似たようなことします :)))))
ちなみに、このような質問ですが、ある事象が何回繰り返されたらパターンとして成立するのでしょうか?
私は、サンプル全体の1%以下ではない、という基準で、同じ結果を持つ事象の再発の「頻度」が重要だと考えています。周波数」をどう測ればいいのかわからない。
実験がいつもより重要なのです。
最初の予測変数T1 (Den_Nedeli_S) というか、そのグリッドを見てください。
T2
また、時間変換を行わない曜日
ご覧のように、パーティショニングの設定は同じですが、グリッドが異なり、桁間の差分も異なっています。
つまり、より精密に分割を合わせることができ、その結果、フィットするか、より良い結果が得られるか...ということです。
OKです。NSだけでなく、ツリーでもサイン+コサインの方が良い。
よかったです。NSだけでなく、木もサイン+コサインの方が良い。
その結論に飛びつくことはありません。今のところ、結果は同一ではないと言えるでしょう。
時運
.
フルサーチ」をしようと思っているのですが・・・。
時間と曜日と キャンドルの色を入れただけなのに...。
データを1週間、全部で40週間として、その中のパターンを探す。
Friday_18:20_dw は、金曜日 -18:20 - ローソク足が落ちるという 意味です。
信頼性 - ルール1が機能する割合が100%であること
count - そのようなルールがいくつ見つかったか。
本則
木曜日の午前1時に上昇中のローソク足があった場合、金曜日の午後6時20分には下降していることを意味します。
IDD...
私はサンプル全体の1%以上という基準で、同じ結果の事象が発生する「頻度」を重要視しています。周波数」の測り方がわからない。
同一イベントとは、同じ結果をもたらすイベントのことです。
サンプルの100% / 繰り返しの%。1%は頻度であるが、規則性はない。そこが厄介なんです。期間ごとに区切って、イベントの規則性を見るのです。単純に期間内の最小値と最大値を使い、最小値を最大値で割れば相対的な規則性が得られ、二乗平均平方根を使うこともできる)。
時の輪
さらに高調波分を加えて、正弦波を合計すると、3つの符号を表す1つの曲線が得られます。
土日祝日はどうするんだ!全部考慮しろ!一体何のためにあるんだ?自分なりの指標を試して みましたが、SL=TPの場合のみ有効で、他の比率の場合はハーストをカウントする必要があります。