В этой статье я расскажу, как с помощью "скрещивания" одной очень известной стратегии и нейронной сети можно успешно заниматься трейдингом. Речь пойдет о стратегии Томаса Демарка "Секвента" с применением системы искусственного интеллекта. Работать будем ТОЛЬКО по первой части стратегии, используя сигналы "Установка" и "Пересечение".
みなさん、こんにちは!!!!そして、ついに奇跡が起こり、私の記事が掲載されたのです。
https://www.mql5.com/ru/articles/2773
みなさん、こんにちは!!!!そして、ついに奇跡が起こり、私の記事が掲載されたのです。
https://www.mql5.com/ru/articles/2773
素晴らしい!)気ままに読ませていただきます。
みなさん、こんにちは!!!!そして、ついに奇跡が起こり、私の記事が掲載されたのです。
https://www.mql5.com/ru/articles/2773
を見に行きました、ありがとうございます )
歴史は繰り返さないということを、あなたは知っている。そのため、同じことをランダムで試すことを勧めているのです。結果はあまり変わらないでしょうし、もしかしたら過去のデータよりも良いかもしれません。
あなたの発言に、fxsaber さんが専門性の高い反論をされた枝に注目したいです。このスレッドやブログでブルナコフの資料を確認する
これとは別に、TAが形成した頭の中のパターンと、MEを根本的に区別する問題がある。
機械学習は、必然的に3つの部分から構成され、それらが一貫した全体を構成している。これらは
最終的な結果に影響を与える最も重要なステップは、最初のステップである生データの準備です。
この3つのステップをすべて理解した上で一貫して使えば、私自身、いくつかのターゲット変数の予測誤差を30%以下に抑えることに成功しています。予測誤差をほぼ40%以下にすることができました。もし、ランダム50%だったら、MOでとても重要なことを理解していないことになります。
あなたとfxsaber さんの主張が専門的に反論されているスレッドであることを指摘したいです。このスレッドやブログで紹介されているBurnakov氏の資料をご覧ください。
これとは別に、TAが形成した頭の中のパターンと、MEを根本的に区別する問題がある。
機械学習は、必然的に3つの部分から構成され、それらが一貫した全体を構成している。これらは
最終的な結果に与える影響が最も大きいのは、最初のステップである生データの準備である。
この3つのステップをすべて理解した上で一貫して使えば、私自身、いくつかのターゲット変数の予測誤差を30%以下に抑えることに成功しています。予測誤差をほぼ40%以下にすることができました。もしランダムに50%になったら、それはMOでとても重要なことを理解していないことになります。
記事に飛び込んできます、ありがとうございました)
心の底からブラザーズ!皆さんのご意見は、私にとってとても大切なものです。この記事の後に、入力と出力の変数についての論考があり、哲学はもちろん、まあ、選択に迷ったときのプリミティブもあるのですが......。
この3つのステップをすべて理解した上で一貫して使えば、私自身、いくつかのターゲット変数の 予測誤差を30%以下に することができました。予測誤差をほぼ40%以下にすることができました。もし、ランダムに50%になるのであれば、MOについて理解していない何か非常に重要なことがあるのです。
もし、サンプル外 誤差のことを言っているのであれば、きちんと準備されたデータでテストするために少なくとも100kサンプルで、結果は非常に急で、HFTデータであっても「卵だけより涼しい」、分以上では素晴らしい、あるいは些細なオーバーフィットとなります。低周波のデータでは、神は2-3%が有利になることを禁じ、同じようにnumeraiを 取得します。
1秒先の価格の方向性を予測し、精度 65-70%(RIの 場合) そういう人を知っているが、彼らのデータは幼稚ではなく、それなりのコストがかかっている。60-65%ですが、私のデータ用もとてもクールです、今はほとんど別で買うことはありません、以前はプラザを使っていましたが、今は普通のクイックとmtを使ってFXのデータを取っています。
面白いスレッドですね。たくさんの戯言があるが、賢い考えもある。ありがとうございます。
面白いスレッドですね。たくさんの戯言があるが、賢い考えもある。ありがとうございます。
)))要はコミュニケーションとプロセスです。すでにニューラルボットを作っている人もいるようです。試してみたいですね。
もし、サンプル外での 誤差について話しているのであれば、少なくとも100kサンプルで適切に準備されたデータでテストして、結果は非常に急で、HFTデータであっても「卵より冷たい」、分以上では素晴らしい、または些細なオーバーフィットとなります。低周波のデータでは、神は2-3%が有利になることを禁じ、同じようにnumeraiを 取得します。
1秒先の価格の方向性を予測し、精度 65-70%(RIの 場合) そういう人を知っているが、彼らのデータは幼稚ではなく、それなりのコストがかかっている。60-65%ですが、私のデータとしてはとてもクールで、今はほとんど別で買うことはありません。以前はplazaを使っていましたが、今は普通のクイックとmtでFXのデータを取っています。
私にとっては、予測誤差は主要な問題ではありません。私にとっては、モデルのオーバートレーニングが一番の問題です。モデルが再トレーニングされないという弱い根拠があるか、モデルが全く必要ないか、どちらかです。
オーバートレーニングの診断やオーバートレーニングに対処するためのツールについては、このスレッドで何度も書いてきました(他のスレッドでも)。要するに、入力された予測値をノイズからクリアしているのであって、モデルそのものは二の次なのです。
オーバートレーニングを考慮しない結果は、まあまあ、今なら、明日なら、明日以降はデポの消耗品なので、それ以外のことは興味がないのです。