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 2259 1...225222532254225522562257225822592260226122622263226422652266...3399 新しいコメント mytarmailS 2021.01.01 22:21 #22581 http://www.math.nsc.ru/AP/ScientificDiscovery/pages/Applications_Financial_forecasting_rus.html Maxim Dmitrievsky 2021.01.02 11:11 #22582 dr.mr.mom Mishanin: マキシムさんは、ニューラルチューリングマシンを試されましたか？ どのようなフレームワークで、どのように成功した のでしょうか？新年あけましておめでとうございます！願い事が叶いますように。 こんにちは、明けましておめでとうございます。いや、今は生成モデルに興味があります。人工的なシリーズと本物のシリーズを見分けることができないのであれば、チューリングに近いと思います。実は、MOを市場に適用するための正解はすでに見つかっているのですが、まだニュアンスが違うんです。コンセプトドリフトを正しくモデリングし、教育すればいいのです Mikhail Mishanin 2021.01.02 11:49 #22583 Maxim Dmitrievsky: こんにちは、あけましておめでとうございます。いや、今は生成モデルに興味があります。人工的なシリーズと本物のシリーズを見分けることができないのであれば、チューリングに近いと思います。実は、MOを市場に適用するための正解はすでに見つかっているのですが、まだニュアンスが違うんです。コンセプトドリフトを正しくモデリングし、教育すればいいのです ...MOを市場に適用するための正しい解決策はすでに見つかっている...。そして、その解決策は何なのか。競合するソリューションがいくつもあるのでしょう) また、コンセプトドリフトの モデリングについてはいかがでしょうか？フィードバックが効かないのでは？ そして、概念的にはそれ以上のことが想定されています。 - 時間の経過による漸進的変化 - 周期的または循環的な変化 - 突然の変化 それとも、すべてを一度に盛り込むのか？ Maxim Dmitrievsky 2021.01.02 11:54 #22584 dr.mr.mom Mishanin: ...MEを市場に適用するための正しい解決策はすでに見つかっている...そして、その解決策は何なのか。競合するソリューションがあるのではと推測しています)また、コンセプトドリフトの モデリングについてはいかがでしょうか。フィードバックが効かないのでは？そして、概念的にはそれ以上のことが想定されています。- 時間の経過による漸進的変化- 周期的または循環的な変化- 突然の変化それとも、すべてを一度に収録するのでしょうか？具体的に何が変わるのか、軸の設計はどうなっているのかを見る必要があります。何が変わるのかをモデル化する、つまり人工的な系列を作る。歴史の中で変化した範囲を見てください。解決策は一つではありませんが、状況に応じて、またかなり長い期間、活躍させることが可能です。規範をモデル化するための逆関係、例えばリカレンス・ガンのものですが、まだ手をつけていません。また、モデル自体の分類器は、任意の 通常、平均値や分散の偏りを変更する必要があるなど、かなり些細なことに起因しています。そして、ボラティリティのクラスタリングは完全にモデル化されている Mikhail Mishanin 2021.01.02 12:21 #22585 マキシム・ドミトリエフスキー： 具体的に何が変わるのか、軸の設計はどうなっているのかを見る必要があります。何が変わるのかをモデル化する、つまり人工的な系列を作る。歴史の中で変化した範囲を見てください。解決策は一つではありませんが、状況に応じて、またかなり長い期間、活躍させることが可能です。規範をモデル化するための逆関係、例えばリカレンス・ガンのものですが、まだ手をつけていません。また、モデル自体の分類器は、任意の 通常、すべては平均的な増分シフトのようなかなり些細なことに起因しており、これを変更する必要があります。そして、ボラティリティのクラスタリングは完全にモデル化されている 平均値（あるいは中央値）の増分のシフトは、「時間による緩やかな変化」／「周期的または循環的な変化」であると仮定して、制御変数としてモデルに導入したらどうでしょうか。LifeLong Learningのコンセプトに基づいています。 しかし、突然の変化や急激な変化では、全く逆のことが起こるかもしれないが、より困難であろう) Maxim Dmitrievsky 2021.01.02 12:31 #22586 dr.mr.mom Mishanin: 増分の平均値（あるいは中央値）を変化させ、「時間的な緩やかな変化」/「周期的な変化」として扱い、制御変数としてモデルに導入してはどうでしょうか。LifeLong Learningのコンセプトに基づいています。突然の変化や急激な変化の方が難しいかもしれませんが、その逆もあるかもしれません) そのような概念には馴染みがない。列をn本ずつに区切って、突発性が欲しい場合はシャッフルすれば十分だと思います。具体的に何かを指摘できるとは思えませんが、バリアントを列挙して正常なモデルを得ることは問題ないでしょう。は、新しいデータを見ずに、似たようなもので学習して生成されたものです。バリアントのカバー率が大きいことが重要で、そうでないと、誤って 例えば、すべての通貨ペアで、数ヶ月で学習させた5年のホライズンを持つ優れたモデルと、人工的なモデルを得ることができます。世界的な変化は分かりませんが、季節的な変化を見ると、平均的なずれがありますね。まだモデリングしていません。 Mikhail Mishanin 2021.01.02 20:50 #22587 マキシム・ドミトリエフスキー： 例えば、すべての通貨ペアで、5年のホライズンで良いパターンを得ることができ、ほんの2、3ヶ月で学習し、人工的に作ることができます。そこが世界的にどう変化しているのか、私にはわかりませんが、季節的なものを見ると、平均のずれが違っています。モデリングはまだしていません。 株式/コモディティは、同じ地平線のモデルを得るか？数ヶ月」というのは、BPの歴史の一部なのでしょうか？そうであれば、クロンダイクだ! Maxim Dmitrievsky 2021.01.02 21:14 #22588 Dr.mr.mom Mishanin: 株式/コモディティは、同じ地平線のモデルを得るか？数ヶ月」というのは、BPの歴史の一部なのでしょうか？もしそうなら、それはクロンダイクだ! すべて状況に応じて、どこかで2ヶ月、どこかでマーケットが激変して、この履歴だけでは足りない。どこかで追加のフィルターが必要です。他の楽器は試していないので、インデックスで試してみてはいかがでしょうか。 私はインデックス用の他のツールも試しましたので、それらを試してみてください。 それはアプローチそのものであり、私たちは多くのもっともらしい例を必要とし、それは時系列だけ でなく、どこでも機能します。超科学的なものはなく、ただ突っついて見るだけ ) 例えば、特定の時計（季節の成分）について教える、このようなブルートフォースを作りました。時間によるパターン選択。各ポイントが1つのモデルで、1つの時計に対して10個のモデルが学習されます。ポイントが高密度で高いほど良い チャートを見ると、取引日の端には良いモデルがたくさんあり、ボラティリティが高い中央部では、この戦略は（平均的に）悪く働くことがわかります。完全にゴミのような期間はほんのわずかで、あとは何とかなるものです。 そして、5時間目に見ると、こんなバランスカーブになるんです。すべてのパターンが、彼にとって良い結果になるのです。半分テスト、半分トラック（5年間）。季節モノは事例が少ないので、2ヶ月以上必要です。 そして、すべてこの流れで。記事を書きたかったのですが、言葉では短すぎますね。 GBPUSDですが、すべての通貨ペアで動作します fxsaber 2021.01.02 21:40 #22589 マキシム・ドミトリエフスキー： 時間帯で機種を選択。1つのドットが1つのモデルで、1つの時計に対して10個のモデルが学習されます。ポイントが高密度で高いほど良いそして5時間目に見ると、こんなバランスカーブになるんです。どのモデルもいい感じです。半分テスト、半分トラック（5年間）。季節モノは、事例が少ないので2ヶ月以上必要ですそして、すべてこの流れで。記事を書きたかったのですが、言葉では短すぎますね。これはGBPUSDですが、すべての通貨ペアで動作します。 どうして、こんなにも長い間、当たり前のことを無視してきたのか......。 Maxim Dmitrievsky 2021.01.02 21:40 #22590 もし、生成モデルの専門家がいれば、GMMモデルの共分散行列を揺さぶるというオプションも試せます。つまり、系列の平均と分散は変えず、GMM共分散行列を変更する。出力は、異なるプロパティを持つ多くの例である必要があります 1...225222532254225522562257225822592260226122622263226422652266...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
マキシムさんは、ニューラルチューリングマシンを試されましたか？ どのようなフレームワークで、どのように成功した のでしょうか？
新年あけましておめでとうございます！願い事が叶いますように。
こんにちは、あけましておめでとうございます。いや、今は生成モデルに興味があります。人工的なシリーズと本物のシリーズを見分けることができないのであれば、チューリングに近いと思います。実は、MOを市場に適用するための正解はすでに見つかっているのですが、まだニュアンスが違うんです。コンセプトドリフトを正しくモデリングし、教育すればいいのです
...MOを市場に適用するための正しい解決策はすでに見つかっている...。そして、その解決策は何なのか。競合するソリューションがいくつもあるのでしょう)
また、コンセプトドリフトの モデリングについてはいかがでしょうか？フィードバックが効かないのでは？
そして、概念的にはそれ以上のことが想定されています。
- 時間の経過による漸進的変化
- 周期的または循環的な変化
- 突然の変化
それとも、すべてを一度に盛り込むのか？
...MEを市場に適用するための正しい解決策はすでに見つかっている...そして、その解決策は何なのか。競合するソリューションがあるのではと推測しています)
また、コンセプトドリフトの モデリングについてはいかがでしょうか。フィードバックが効かないのでは？
そして、概念的にはそれ以上のことが想定されています。
- 時間の経過による漸進的変化
- 周期的または循環的な変化
- 突然の変化
それとも、すべてを一度に収録するのでしょうか？
具体的に何が変わるのか、軸の設計はどうなっているのかを見る必要があります。何が変わるのかをモデル化する、つまり人工的な系列を作る。歴史の中で変化した範囲を見てください。解決策は一つではありませんが、状況に応じて、またかなり長い期間、活躍させることが可能です。規範をモデル化するための逆関係、例えばリカレンス・ガンのものですが、まだ手をつけていません。また、モデル自体の分類器は、任意の
通常、平均値や分散の偏りを変更する必要があるなど、かなり些細なことに起因しています。そして、ボラティリティのクラスタリングは完全にモデル化されている具体的に何が変わるのか、軸の設計はどうなっているのかを見る必要があります。何が変わるのかをモデル化する、つまり人工的な系列を作る。歴史の中で変化した範囲を見てください。解決策は一つではありませんが、状況に応じて、またかなり長い期間、活躍させることが可能です。規範をモデル化するための逆関係、例えばリカレンス・ガンのものですが、まだ手をつけていません。また、モデル自体の分類器は、任意の
通常、すべては平均的な増分シフトのようなかなり些細なことに起因しており、これを変更する必要があります。そして、ボラティリティのクラスタリングは完全にモデル化されている平均値（あるいは中央値）の増分のシフトは、「時間による緩やかな変化」／「周期的または循環的な変化」であると仮定して、制御変数としてモデルに導入したらどうでしょうか。LifeLong Learningのコンセプトに基づいています。
しかし、突然の変化や急激な変化では、全く逆のことが起こるかもしれないが、より困難であろう)
増分の平均値（あるいは中央値）を変化させ、「時間的な緩やかな変化」/「周期的な変化」として扱い、制御変数としてモデルに導入してはどうでしょうか。LifeLong Learningのコンセプトに基づいています。
突然の変化や急激な変化の方が難しいかもしれませんが、その逆もあるかもしれません)
そのような概念には馴染みがない。列をn本ずつに区切って、突発性が欲しい場合はシャッフルすれば十分だと思います。具体的に何かを指摘できるとは思えませんが、バリアントを列挙して正常なモデルを得ることは問題ないでしょう。は、新しいデータを見ずに、似たようなもので学習して生成されたものです。バリアントのカバー率が大きいことが重要で、そうでないと、誤って
例えば、すべての通貨ペアで、数ヶ月で学習させた5年のホライズンを持つ優れたモデルと、人工的なモデルを得ることができます。世界的な変化は分かりませんが、季節的な変化を見ると、平均的なずれがありますね。まだモデリングしていません。
例えば、すべての通貨ペアで、5年のホライズンで良いパターンを得ることができ、ほんの2、3ヶ月で学習し、人工的に作ることができます。そこが世界的にどう変化しているのか、私にはわかりませんが、季節的なものを見ると、平均のずれが違っています。モデリングはまだしていません。
株式/コモディティは、同じ地平線のモデルを得るか？数ヶ月」というのは、BPの歴史の一部なのでしょうか？そうであれば、クロンダイクだ!
株式/コモディティは、同じ地平線のモデルを得るか？数ヶ月」というのは、BPの歴史の一部なのでしょうか？もしそうなら、それはクロンダイクだ!
すべて状況に応じて、どこかで2ヶ月、どこかでマーケットが激変して、この履歴だけでは足りない。どこかで追加のフィルターが必要です。他の楽器は試していないので、インデックスで試してみてはいかがでしょうか。
私はインデックス用の他のツールも試しましたので、それらを試してみてください。 それはアプローチそのものであり、私たちは多くのもっともらしい例を必要とし、それは時系列だけ でなく、どこでも機能します。超科学的なものはなく、ただ突っついて見るだけ )
例えば、特定の時計（季節の成分）について教える、このようなブルートフォースを作りました。時間によるパターン選択。各ポイントが1つのモデルで、1つの時計に対して10個のモデルが学習されます。ポイントが高密度で高いほど良い
チャートを見ると、取引日の端には良いモデルがたくさんあり、ボラティリティが高い中央部では、この戦略は（平均的に）悪く働くことがわかります。完全にゴミのような期間はほんのわずかで、あとは何とかなるものです。
そして、5時間目に見ると、こんなバランスカーブになるんです。すべてのパターンが、彼にとって良い結果になるのです。半分テスト、半分トラック（5年間）。季節モノは事例が少ないので、2ヶ月以上必要です。
そして、すべてこの流れで。記事を書きたかったのですが、言葉では短すぎますね。
GBPUSDですが、すべての通貨ペアで動作します
時間帯で機種を選択。1つのドットが1つのモデルで、1つの時計に対して10個のモデルが学習されます。ポイントが高密度で高いほど良い
そして5時間目に見ると、こんなバランスカーブになるんです。どのモデルもいい感じです。半分テスト、半分トラック（5年間）。季節モノは、事例が少ないので2ヶ月以上必要です
そして、すべてこの流れで。記事を書きたかったのですが、言葉では短すぎますね。
これはGBPUSDですが、すべての通貨ペアで動作します。
どうして、こんなにも長い間、当たり前のことを無視してきたのか......。