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 2645 1...263826392640264126422643264426452646264726482649265026512652...3399 新しいコメント mytarmailS 2022.05.20 18:01 #26441 Aleksey Nikolayev #:そうかもしれない。しかし、特徴の比較・選択とメタパラメータの最適化には、より解釈しやすいアプローチのように思える。 アソシアティブ・ルールはどうなった？ Aleksey Nikolayev 2022.05.20 19:48 #26442 mytarmailS #: アソシエイション・ルールがうまくいかなかったのは？ 考え方は概ね明確である。いずれにせよ、まず予測変数の連続的な集合を、ルールが形成される離散的な項目に分割するアルゴリズムを考える必要がある。そのような良い予測変数とその良い分割が本当に存在し、見つかれば、あとはテクニックの問題である。 mytarmailS 2022.05.21 05:18 #26443 Aleksey Nikolayev #:考え方は一般的に明確である。いずれにせよ、まず予測変数の連続的な集合を、ルールが形成される離散的な項目に分割するアルゴリズムを考える必要がある。そのような良い予測因子とその良い分割が本当に存在し、見つかれば、あとはテクニックの問題である。 最初に間違ったことを書いてしまった。何をしたいかによる。明確な水準を求めるのであれば、正規化して価格を少し丸めてバウンスパターンを見つけるだけだが、探索空間は大きく、再現性は小さい。 しかし、それ以外のことであれば、通常のクラスタリングが良い解決策になる。 mytarmailS 2022.05.21 08:39 #26444 記号的回帰の実験... 基本的には、逐次的な連想規則が実装されているが、静的項目の代わりに論理規則が実装されている。これはアルゴリズムに深みを与え、そのオブザベーションをより微妙に理解することができる。このコンセプトは、ルールの複雑さとタイプが何にも制限されないので、あらゆる種類の規則性を記述することを可能にする。 タールの匙加減がある。アルゴリズムは、そのアーキテクチャの特殊性から非常に長いため、大規模なデータ配列を研究する余裕はない。 そこで、探索の次元数を減らすためのアプローチをいくつか思いついた。 1) 私は極端にしか興味がない。極端に集中することで、検索空間を10-20倍に縮小する。本当にマーケットから必要なのは、反転かどうか、トレンド-シュメンド、フラット-シュメンド...これは主観的なたわごとで、本題に集中するのを妨げる。 2) 私は「一発学習」のようなものを発明し、実装した。 今のところ最初の実験しかありませんが、このアルゴリズムが完全に愚かなものではなく、学ぶべきものであることは確かです。 取引アルゴリズム自体はパターンで構成されており、パターンとは特定の状況に対するルールの集合である。 これは、ある状況に対するパターンのようなものです。 ルールは原始的なものですが、私たちはウォームアップしているところです)。 パターンはフォレストのように取引されます。パターンには多くのルールがあり、ある閾値のルールがトリガーされると、URAHは反転を認識し、それを取引します。 こんな感じです。 こんな感じです。 このアルゴリズムの優れた点は？ 1) パターンを深く掘り下げる。 2) 指標に縛られず、表データも扱わないので、非定常性にも、連想規則にも強い。 mytarmailS 2022.05.21 08:50 #26445 ところで、誰かにとって興味深いかもしれない。 バウンスがうまくいかないと、レジスタンスがサポートになることがよくある。 写真のように。 そして、それは説明することができる。 Aleksey Vyazmikin 2022.05.21 13:38 #26446 Aleksey Nikolayev #:私のアイデアと PRIM アルゴリズムのアイデアを組み合わせる可能性について考えている。自慢できるようなことはあまりない。 不思議なことに、このPRIMには私が実現しようとしているのと同じアイデアが含まれている。 記事を読みましたが、いくつか混乱があります： 1.1.境界分割のための定量化プロセスとは？あるステップを経た一様な分割なのでしょうか？ 2.2.境界は明確で、私自身もそうしているが、写真ではさらにクリッピングしている。 3.私の理解が正しければ、彼らは私のように各予測子を別々に検討し、いわゆる "ボックス "を見つけますが、これらの異なる予測子がどのように組み合わされるのか、説明からは理解できませんでした。 この方法の欠点は、ブートストラップ・サンプリング（全サンプルから所定の割合のサンプルを無作為に抽出）により指標の安定性を評価することで、指標の安定性のダイナミクスを理解できないことです。 この方法で何か改善点はありますか？ Aleksey Vyazmikin 2022.05.21 13:47 #26447 mytarmailS #:シンボリック回帰の実験......。基本的には、逐次的な連想規則が実装されているが、静的な項目の代わりに論理規則が実装されている。これはアルゴリズムに深みを与え、そのオブザベーションをより微妙に理解することができる。このコンセプトは、ルールの複雑さとタイプが何にも制限されないので、あらゆる種類の規則性を記述することを可能にする。 これは予測変数と同じ表ですが、不等式は予測変数のスコアだけでなく、予測変数自体の不等式によっても構成されるということでよろしいでしょうか？ mytarmailS#: 2) 私は「ワンショット学習」のようなものを発明し、実装しました。 つまり、1つの例を取り上げて、不等式で構成される葉（パターン）の多くのバリエーションを生成し、より大きなサンプルでそれらをテストし、受け入れ可能な結果を示したもの - それらを残す、そうでしょう？ mytarmailS#: アルゴリズムの美しさは何ですか？1) パターンに深く入り込んでいる。2) インデックスに縛られず、表形式のデータも扱わないので、非定常性に強く、連想規則にも強い。 もしデータが表でないなら、何を使っているのですか？ mytarmailS 2022.05.21 15:57 #26448 Aleksey Vyazmikin #: 1.ファンタジーの限界2.はい3.連想規則と同様に、より深い。 Aleksey Vyazmikin 2022.05.21 18:45 #26449 mytarmailS #: 1.ファンタジーの限界 2.あり 3.連想ルールと同じだが、より深い 1.より具体的に、例えば他に何が考えられるか、など。 2.ルールの生成速度はどれくらいですか？多分、MQL5にアップロードして履歴から実行するのが理にかなっていると思います。私は似たようなことをすでにやっていて、ずいぶん前に書いたが、遺伝樹の葉を使った。 3.答えがよくわからないのですが、何を入力するのですか？ Serqey Nikitin 2022.05.22 05:01 #26450 secret グレイルが ここに掲載されたとしても、著者は それに対して自分がいかに愚かであるかを説明し始めるだろう) この説明には真実味がある。なぜなら、「トレーディングにおけるグレイル」という概念には定義がないからだ。 そして定義がなければ、「白鳥、ザリガニ、カワカマス」が始まる......。 1...263826392640264126422643264426452646264726482649265026512652...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
そうかもしれない。しかし、特徴の比較・選択とメタパラメータの最適化には、より解釈しやすいアプローチのように思える。
アソシエイション・ルールがうまくいかなかったのは？
考え方は概ね明確である。いずれにせよ、まず予測変数の連続的な集合を、ルールが形成される離散的な項目に分割するアルゴリズムを考える必要がある。そのような良い予測変数とその良い分割が本当に存在し、見つかれば、あとはテクニックの問題である。
考え方は一般的に明確である。いずれにせよ、まず予測変数の連続的な集合を、ルールが形成される離散的な項目に分割するアルゴリズムを考える必要がある。そのような良い予測因子とその良い分割が本当に存在し、見つかれば、あとはテクニックの問題である。
記号的回帰の実験...
基本的には、逐次的な連想規則が実装されているが、静的項目の代わりに論理規則が実装されている。これはアルゴリズムに深みを与え、そのオブザベーションをより微妙に理解することができる。このコンセプトは、ルールの複雑さとタイプが何にも制限されないので、あらゆる種類の規則性を記述することを可能にする。
タールの匙加減がある。アルゴリズムは、そのアーキテクチャの特殊性から非常に長いため、大規模なデータ配列を研究する余裕はない。
そこで、探索の次元数を減らすためのアプローチをいくつか思いついた。
1) 私は極端にしか興味がない。極端に集中することで、検索空間を10-20倍に縮小する。本当にマーケットから必要なのは、反転かどうか、トレンド-シュメンド、フラット-シュメンド...これは主観的なたわごとで、本題に集中するのを妨げる。
2) 私は「一発学習」のようなものを発明し、実装した。
今のところ最初の実験しかありませんが、このアルゴリズムが完全に愚かなものではなく、学ぶべきものであることは確かです。
取引アルゴリズム自体はパターンで構成されており、パターンとは特定の状況に対するルールの集合である。
これは、ある状況に対するパターンのようなものです。
ルールは原始的なものですが、私たちはウォームアップしているところです)。
パターンはフォレストのように取引されます。パターンには多くのルールがあり、ある閾値のルールがトリガーされると、URAHは反転を認識し、それを取引します。
こんな感じです。
こんな感じです。
このアルゴリズムの優れた点は？
1) パターンを深く掘り下げる。
2) 指標に縛られず、表データも扱わないので、非定常性にも、連想規則にも強い。
ところで、誰かにとって興味深いかもしれない。
バウンスがうまくいかないと、レジスタンスがサポートになることがよくある。
写真のように。
そして、それは説明することができる。
私のアイデアと PRIM アルゴリズムのアイデアを組み合わせる可能性について考えている。自慢できるようなことはあまりない。
不思議なことに、このPRIMには私が実現しようとしているのと同じアイデアが含まれている。
記事を読みましたが、いくつか混乱があります：
1.1.境界分割のための定量化プロセスとは？あるステップを経た一様な分割なのでしょうか？
2.2.境界は明確で、私自身もそうしているが、写真ではさらにクリッピングしている。
3.私の理解が正しければ、彼らは私のように各予測子を別々に検討し、いわゆる "ボックス "を見つけますが、これらの異なる予測子がどのように組み合わされるのか、説明からは理解できませんでした。
この方法の欠点は、ブートストラップ・サンプリング（全サンプルから所定の割合のサンプルを無作為に抽出）により指標の安定性を評価することで、指標の安定性のダイナミクスを理解できないことです。
この方法で何か改善点はありますか？
シンボリック回帰の実験......。
基本的には、逐次的な連想規則が実装されているが、静的な項目の代わりに論理規則が実装されている。これはアルゴリズムに深みを与え、そのオブザベーションをより微妙に理解することができる。このコンセプトは、ルールの複雑さとタイプが何にも制限されないので、あらゆる種類の規則性を記述することを可能にする。
これは予測変数と同じ表ですが、不等式は予測変数のスコアだけでなく、予測変数自体の不等式によっても構成されるということでよろしいでしょうか？
2) 私は「ワンショット学習」のようなものを発明し、実装しました。
つまり、1つの例を取り上げて、不等式で構成される葉（パターン）の多くのバリエーションを生成し、より大きなサンプルでそれらをテストし、受け入れ可能な結果を示したもの - それらを残す、そうでしょう？
アルゴリズムの美しさは何ですか？
1) パターンに深く入り込んでいる。
2) インデックスに縛られず、表形式のデータも扱わないので、非定常性に強く、連想規則にも強い。
もしデータが表でないなら、何を使っているのですか？
1.ファンタジーの限界
1.より具体的に、例えば他に何が考えられるか、など。
2.ルールの生成速度はどれくらいですか？多分、MQL5にアップロードして履歴から実行するのが理にかなっていると思います。私は似たようなことをすでにやっていて、ずいぶん前に書いたが、遺伝樹の葉を使った。
3.答えがよくわからないのですが、何を入力するのですか？
この説明には真実味がある。なぜなら、「トレーディングにおけるグレイル」という概念には定義がないからだ。
そして定義がなければ、「白鳥、ザリガニ、カワカマス」が始まる......。