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 2638 1...263126322633263426352636263726382639264026412642264326442645...3399 新しいコメント Aleksey Vyazmikin 2022.05.03 17:02 #26371 Aleksey Nikolayev #:パターンピースでカウントするのがベターです。同じパターンの休み（仕事上の意義）は、年間数百件もない。リミットナンバーとでも言うのでしょうか。さらに複雑なパターン、たとえば、ある条件を満たす連続したノードが壊れるペアを作ろうとすれば、年間数十個のパター ンを得ることができるかもしれません。そして、それだけでは不十分なのです。 そうですね、データが足りないというのは同感です。だからこそ、履歴を最大限に取るのです。もちろん、事例が多ければ多いほど、理論的には自信のある結果になるのですが、それはそれとして。 Aleksey Nikolayev#: ある種のパターンを構成するすべての可能性を網羅するループのようなものでしょうか。以前、同じような頂点分解で同じようなことをした。原理的には可能なのですが、列挙が（一般的な場合）反復的ではなく、再帰的になることだけは確かです。この場合も、複雑さと希少性から、ほとんどのパターンが意味をなさないだろう。手動で意味のあるパターンのリストを集め、それを定期的にループさせて最適なものを選びながら迂回させる方が簡単だろう。 ただ、波の傾向・分布・種類を経時的に評価し、その中の傾向を特定するための正確な指標を持つツールが必要なのです。例えば、どのような傾向なのか。 - 長い間、あるパターンの後にプラスの結果があった場合、新しいパターンが出てくるとマイナスの結果が出やすくなります。 - 結果は、サンプルのすべてのセクションに均等に分布している（セクションに正しく分割する方法は？） - 長い間、ネガティブなパターンの結果が続いていた場合、ポジティブな結果が出やすくなります。 - 長い間パターンがなかった場合、出現したときにポジティブ／ネガティブの結果が出やすい。 基本的にはこのようなものです。統計的な切断ですが、歴史の間隔で行う必要があります。私の質問は、これらの間隔を切断する最良の方法（異なる間隔で測定し、シフトを作成する）であり、したがって、推定は正しく、できれば何らかの一般化係数で表されます。 Aleksey Nikolayev 2022.05.03 18:06 #26372 Aleksey Vyazmikin #:そうですね、データが十分でないからこそ、できるだけ履歴を取るというのは賛成です。もちろん、事例が多ければ多いほど、理論的には自信のある結果になるのですが、あるものはあるのです。ただ、波の傾向・分布・種類を経時的に評価し、その中の傾向を特定するための正確な指標を持つツールが必要なのです。その傾向とは、例えば。- 長い間、あるパターンの後にプラスの結果があった場合、新しいパターンが出てくるとマイナスの結果が出やすくなります。- 結果は、サンプルのすべてのセクションに均等に分布している（セクションに正しく分割する方法は？）- 長い間、ネガティブなパターンの結果が続いていた場合、ポジティブな結果が出やすくなります。- 長い間パターンがなかった場合、出現したときにポジティブ／ネガティブの結果が出やすい。基本的にはこのようなものです。この統計的な間隔ですが、歴史的な間隔でなければなりません。 この間隔をどのようにスライス（異なる間隔で測定、シフト）すれば、正しい推定ができ、できれば一般化された係数で表現できるのかというのが、私の疑問です。 最も単純な解決策は、ある一連のテストで計算される統計値である。取引では、通常、取引結果の前回結果に対する依存性を探すという文脈で言及される。依存性・連続性が顕著な場合は、その構造を研究してみるのもよいでしょう。ここで、マルコフ連鎖に注目し、その確率行列の関数をメトリクスとして使用することは、おそらく理にかなっている。 スライス履歴の間隔は、通常、大きなジグザグを使用します。最適とは言えないかもしれませんが、かなりシンプルで比較的客観的な方法だと思います。 Aleksey Nikolayev 2022.05.04 08:23 #26373 Aleksey Nikolayev #:最も単純に考えられるのは、ある種の系列試験でカウントされる統計量です。取引においては、通常、ある取引の結果が以前の取引の結果にどのように依存するかを見つけるという文脈で言及される。もし、依存性・連続性が顕著であれば、その構造を調べてみることもできる。ここで、マルコフ連鎖に注目し、その確率行列の関数をメトリクスとして使用することは、おそらく理にかなっている。 この文脈でマルコフ連鎖についてもう少し詳しく。 直列性だけなら、パターン実現の質を示す＋と-の2つの状態を導入すればよい。したがって、あるパターンから次のパターンへの移行は、4通り考えられます。"+"->"-", "+"->"+", "-"->"+", "-"->"-".遷移は4つの確率（そのうち2つだけが独立）に対応し、この連鎖の確率行列を形成する。 シリーズの長さを語るなら、状態はもっと複雑でなければならないだろう。例えば、(+,n)と(-,n)のペアで、パターン実現の品質に加え、n-それを含むシリーズのパターン 数が存在することができる。潜在的に無限の状態が得られるが、（ゼロでない確率で）可能な遷移も4つである。 (+,n)->(+,n+1), (+,n)->(-,1), (-,n)->(+,1), (-,n)->(-,n+1) とすることができる。また、4つの確率（2つの独立したもの）が判明します。違いは、これらの確率の系列長nへの依存性が現れたこと（あるいは現れなかったこと）である。この依存関係を何らかの係数で表現し、それを必要な指標とすることができる。 Alexander Ivanov 2022.05.04 09:01 #26374 こんにちは！シャロームです。ナイアラムダル! 皆さんは偉大な数学者なんですね。 それなら、できるはずだ。 Alexander Ivanov 2022.05.04 09:19 #26375 なぜ、マーケット・インテグリティを勉強しないのですか？ Aleksey Nikolayev 2022.05.04 10:23 #26376 サースの両親は、決められた場所でしかウンチをしないように教えることができなかった。 mytarmailS 2022.05.05 06:41 #26377 Alexander Ivanov #: マーケットインテグリティを勉強したらどうですか？ マーケット・ディファレンスを勉強したらどうですか？なぜ市場の分散を研究しないのですか？なぜ、マーケットスペクトラリティを研究しないのですか？なぜ............なんだ？くだらないことを言ってるのか？ mytarmailS 2022.05.05 09:13 #26378 実際のところ、何を予測して いるのでしょうか？ 私たちは皆、市場が複雑なプロセスであることを知っています。「複雑」という言葉から複雑なのです。市場は、目的も、懐の大きさも、トレンドも異なる多くの参加者によって創られている...。 例えば、価格が従う単純な正弦波のトレンドを（我々のモデルで）構築してみましょう、それを「トレンド」と呼びます。 par(mar=c(2,2,2,2)) my.sin <- function(ve,a,f,p) a*sin(f*ve+p) trend <- my.sin(ve = 1:100,a = 1,f = 0.05,p = 1)+100 plot(trend,t="l") シンプルな価格モデルで、理解しやすく、予測しやすい。 ここで、ある強力な市場バイヤーが「我々の市場」に参入し、しばらくの間、「我々の市場」に強力な投資を行ったとしよう。 layout(1:2, heights = c(10,3)) plot(trend,t="l",lty=2) lines(trend+buy) plot(buy,t="l",col=3,lwd=2) ご覧の通り、この美しいモデルは少し壊れています...。 ここで、誰かが99.2という価格で、大きな指値をし、与えられたものをすべて買ったとします。 buy_limit <- trend for(i in seq_along(trend)) if(buy_limit[i]<=99.2) buy_limit[i] <- 99.2 layout(1:1) plot(trend,t="l") lines(buy_limit+buy,lty=2) segments(10,99.2,100,99.2,lty=2,col=3) だから、このような価格モデルの曲線が得られるが、より現実に近くなる plot(trend,t="l",col=8,lty=2) lines(buy_limit + buy ,t="l") また、よりリアルにするために、例えば小規模な取引やマーケットメーカーの取引などのノイズを加える予定です。 noise <- rnorm(100,sd = 0.05) plot(trend,t="l",col=8,lty=2) lines(buy_limit+buy+noise) そうやって、市場を複雑な プロセスで見ていくことができるのです。 今、振り返ると面白い。価格を予測するとき、具体的に何を予測するのか？トレンド？ 市場の買い手？ 限界の買い手？ ノイズ？:) と、まとめて予測すべきなのでしょうか？ Maxim Dmitrievsky 2022.05.05 14:06 #26379 mytarmailS #: 実際のところ、何を予測して いるのでしょうか？ また25 :) エコノメトリクスの基本がなくなってしまった。堂々巡りではなく、時系列における周期や季節成分のみを予測することができる mytarmailS 2022.05.05 16:15 #26380 Maxim Dmitrievsky #: また25 :) エコノメトリクスの基本がなくなってしまった。堂々巡りではなく、時系列での周期や季節成分の予測しかできない いや、そんな単純な話じゃないんです。 1...263126322633263426352636263726382639264026412642264326442645...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
パターンピースでカウントするのがベターです。同じパターンの休み（仕事上の意義）は、年間数百件もない。リミットナンバーとでも言うのでしょうか。さらに複雑なパターン、たとえば、ある条件を満たす連続したノードが壊れるペアを作ろうとすれば、年間数十個のパター ンを得ることができるかもしれません。そして、それだけでは不十分なのです。
そうですね、データが足りないというのは同感です。だからこそ、履歴を最大限に取るのです。もちろん、事例が多ければ多いほど、理論的には自信のある結果になるのですが、それはそれとして。
ある種のパターンを構成するすべての可能性を網羅するループのようなものでしょうか。以前、同じような頂点分解で同じようなことをした。原理的には可能なのですが、列挙が（一般的な場合）反復的ではなく、再帰的になることだけは確かです。この場合も、複雑さと希少性から、ほとんどのパターンが意味をなさないだろう。手動で意味のあるパターンのリストを集め、それを定期的にループさせて最適なものを選びながら迂回させる方が簡単だろう。
ただ、波の傾向・分布・種類を経時的に評価し、その中の傾向を特定するための正確な指標を持つツールが必要なのです。例えば、どのような傾向なのか。
- 長い間、あるパターンの後にプラスの結果があった場合、新しいパターンが出てくるとマイナスの結果が出やすくなります。
- 結果は、サンプルのすべてのセクションに均等に分布している（セクションに正しく分割する方法は？）
- 長い間、ネガティブなパターンの結果が続いていた場合、ポジティブな結果が出やすくなります。
- 長い間パターンがなかった場合、出現したときにポジティブ／ネガティブの結果が出やすい。
基本的にはこのようなものです。統計的な切断ですが、歴史の間隔で行う必要があります。私の質問は、これらの間隔を切断する最良の方法（異なる間隔で測定し、シフトを作成する）であり、したがって、推定は正しく、できれば何らかの一般化係数で表されます。
そうですね、データが十分でないからこそ、できるだけ履歴を取るというのは賛成です。もちろん、事例が多ければ多いほど、理論的には自信のある結果になるのですが、あるものはあるのです。
ただ、波の傾向・分布・種類を経時的に評価し、その中の傾向を特定するための正確な指標を持つツールが必要なのです。その傾向とは、例えば。
- 長い間、あるパターンの後にプラスの結果があった場合、新しいパターンが出てくるとマイナスの結果が出やすくなります。
- 結果は、サンプルのすべてのセクションに均等に分布している（セクションに正しく分割する方法は？）
- 長い間、ネガティブなパターンの結果が続いていた場合、ポジティブな結果が出やすくなります。
- 長い間パターンがなかった場合、出現したときにポジティブ／ネガティブの結果が出やすい。
基本的にはこのようなものです。この統計的な間隔ですが、歴史的な間隔でなければなりません。 この間隔をどのようにスライス（異なる間隔で測定、シフト）すれば、正しい推定ができ、できれば一般化された係数で表現できるのかというのが、私の疑問です。
最も単純な解決策は、ある一連のテストで計算される統計値である。取引では、通常、取引結果の前回結果に対する依存性を探すという文脈で言及される。依存性・連続性が顕著な場合は、その構造を研究してみるのもよいでしょう。ここで、マルコフ連鎖に注目し、その確率行列の関数をメトリクスとして使用することは、おそらく理にかなっている。
スライス履歴の間隔は、通常、大きなジグザグを使用します。最適とは言えないかもしれませんが、かなりシンプルで比較的客観的な方法だと思います。
最も単純に考えられるのは、ある種の系列試験でカウントされる統計量です。取引においては、通常、ある取引の結果が以前の取引の結果にどのように依存するかを見つけるという文脈で言及される。もし、依存性・連続性が顕著であれば、その構造を調べてみることもできる。ここで、マルコフ連鎖に注目し、その確率行列の関数をメトリクスとして使用することは、おそらく理にかなっている。
この文脈でマルコフ連鎖についてもう少し詳しく。
直列性だけなら、パターン実現の質を示す＋と-の2つの状態を導入すればよい。したがって、あるパターンから次のパターンへの移行は、4通り考えられます。"+"->"-", "+"->"+", "-"->"+", "-"->"-".遷移は4つの確率（そのうち2つだけが独立）に対応し、この連鎖の確率行列を形成する。
シリーズの長さを語るなら、状態はもっと複雑でなければならないだろう。例えば、(+,n)と(-,n)のペアで、パターン実現の品質に加え、n-それを含むシリーズのパターン 数が存在することができる。潜在的に無限の状態が得られるが、（ゼロでない確率で）可能な遷移も4つである。 (+,n)->(+,n+1), (+,n)->(-,1), (-,n)->(+,1), (-,n)->(-,n+1) とすることができる。また、4つの確率（2つの独立したもの）が判明します。違いは、これらの確率の系列長nへの依存性が現れたこと（あるいは現れなかったこと）である。この依存関係を何らかの係数で表現し、それを必要な指標とすることができる。
こんにちは！シャロームです。ナイアラムダル!
皆さんは偉大な数学者なんですね。
それなら、できるはずだ。
マーケットインテグリティを勉強したらどうですか？
私たちは皆、市場が複雑なプロセスであることを知っています。「複雑」という言葉から複雑なのです。市場は、目的も、懐の大きさも、トレンドも異なる多くの参加者によって創られている...。
例えば、価格が従う単純な正弦波のトレンドを（我々のモデルで）構築してみましょう、それを「トレンド」と呼びます。
シンプルな価格モデルで、理解しやすく、予測しやすい。
ここで、ある強力な市場バイヤーが「我々の市場」に参入し、しばらくの間、「我々の市場」に強力な投資を行ったとしよう。
ご覧の通り、この美しいモデルは少し壊れています...。
ここで、誰かが99.2という価格で、大きな指値をし、与えられたものをすべて買ったとします。
だから、このような価格モデルの曲線が得られるが、より現実に近くなる
また、よりリアルにするために、例えば小規模な取引やマーケットメーカーの取引などのノイズを加える予定です。
そうやって、市場を複雑な プロセスで見ていくことができるのです。
今、振り返ると面白い。価格を予測するとき、具体的に何を予測するのか？トレンド？ 市場の買い手？ 限界の買い手？ ノイズ？:) と、まとめて予測すべきなのでしょうか？
また25 :) エコノメトリクスの基本がなくなってしまった。堂々巡りではなく、時系列での周期や季節成分の予測しかできない