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 3118

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

私には、エラーをフィルタリングするという発想がまったく理解できない。

モデルが50/50を予測するとして、悪い50を捨てれば残りは100％を予測することになるのか？それは単なる超学習であり、それ以外の何ものでもない。

分類エラーは、ある場合には予測変数の同じ値が正しく予測し、他の場合には正しく予測しないという事実から生じ、これが問題であり、これを取り除くには、予測変数とターゲット変数の「関係の強さ」をフィルタリングする段階でなければならず、完全に不可能である。

あなたの哲学は長い間明らかであった、結果はどこにありますか？結果はどこにあるのですか？

私はOOSを改善し、喜びました。私はこのアプローチが使い果たすまで改善を続けます。

[Aleksey Nikolayev]

Maxim Dmitrievsky 方向性を 予測する基本モデルと、勝つ確率（トレードするかしないか）を予測するメタモデルから構成される1つの理論的TSで、仮想的な状況を提示してみよう：

最初のモデルをメイン・モデルと呼び、特徴空間を黒い線で買い/売りに分けます。そして2つ目がメタ・モデルで、全特徴 空間をトレードする／しないに分けます（赤線）。

ここで、2つのメタ・モデルがあり、それぞれがBUYクラスとSELLクラスの異なる 特徴空間をトレード／非トレードに別々に分割する場合を考えてみましょう（2本の赤線）。

ー純粋にーにーにー理論的にー的なーにーにーにーなー考えるべきーーである。そして、もしその方が良いのであれば、それはなぜか。コメントをお願いします。

おそらくアレクセイ・ニコラエフにもお願いしたいのだが、このような「介入」の効果をどのように判断するのか。結局のところ、2つのメタモデルの2つの確率分布が得られ、それを比較／評価／分散することができます。

フ）現実的なフ観点でフからフみてのフみてのフさんのフさんのフのフさんのフさんのフのフフフフフフフフフフフフフフフフフフフフフ

フレンドリーなフレンドリーフレンドリーフレンドリーフレンドリーフレンドリー。これを理解するには、単純に第2図の赤い直線を1本の曲線の一部と考えればいい。本質的に、これは単純に 2番目の オプションが より柔軟で複雑であり、（良い意味でも悪い意味でも）より多くの選択肢を与えているということを意味している

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

現実的な観点からすれば、私はフォレスターの意見に賛成だ。

純粋に理論的な観点からなら、この2つのアプローチを対比させないことも可能である。これを理解するには、単純に2番目の図の赤い直線を1本の曲線の一部と考えればいい。本質的に、これは単に 2番目の選択肢がより柔軟で複雑であり、（良い意味でも悪い意味でも）より多くの選択肢を与えている ことを 意味する。

2つの異なるモデルでは、買いと売りの特質値の分布が異なるため、異なるバイアスが得られるかもしれません。一般的には、やってみないとわからないということに同意します :)

[Evgeni Gavrilovi]

СанСаныч Фоменко #:

予測因子と標的の関係の強さを定量的に測定する必要があります。私はこのフォーラムに何度も書き、Rのパッケージを参照し、計算結果も引用してきました。

私もそう思いますが、いくつかの機能が予測の質を高めることがあります。簡単な例を挙げよう。日中の温暖化は雲の量と湿度に影響される。

湿度が高ければ、たとえ雲ひとつない空であっても、温暖化は湿度が低い場合よりも小さくなることは、予報官なら誰でも知っている。そこで、兆候の「関係」を見る必要がある。

[СанСаныч Фоменко]

Evgeni Gavrilovi #:

私もそう思うが、いくつかのサインが予測の質を高めることもある。簡単な例を挙げよう。日中の温暖化は雲の量と空気湿度に影響される。

湿度が高ければ、たとえ雲ひとつない空であっても、温暖化は湿度が低い場合よりも小さくなることは、予報官なら誰でも知っている。そこで、兆候の「関係」を見る必要がある。

MoDのどのモデルでこれを考慮することが可能なのでしょうか？

[Uladzimir Izerski]

フィルターにかけなければ、ヘッヘッヘというエラーが出る。MOは要するに歴史のはめ込みであり、正確に繰り返す必要はない。

ータ、ータ、ータをータ 世界のータをータをーーそうでなければーそうでなければー そうでなければーそうでなければーそうでないー尻尾は犬を振る（C）。

しかし、市場モデルを使えば、それほど悲しいことにはならない。ー正確さのー。

Well, the fact that you read my posts and follow my hints makes me happy).

[Evgeni Gavrilovi]

СанСаныч Фоменко #:

どのMOEモデルでこれを考慮することが可能か？

catboostがあります。

model.get_feature_importance(type=catboost.EFstrType.Interaction) です。

https://catboost.ai/en/docs/concepts/python-reference_catboostclassifier_get_feature_importance

[fxsaber]

Forester #:

強気派と弱気派では取引方法が異なると思う。同じユーロでも、通常は急速に下落し、その後ゆっくりと上昇する。異なる行動だ。

この違いを示すスクリプトはありますか？私自身は少し違った見方をしています（ 一般化されたバージョンへのリンク）。

[Renat Akhtyamov]

Uladzimir Izerski #:

フィルターにかけなければ、まだヘッヘッヘのエラーが出る。MoDは本質的に、まったく同じである必要はない物語のフィッティングである。

世界の権力者たちのニュース、発言はMoDを闇に葬る。そうでなければ、支配者はMoDの指示に従って発言し、ニュースもMoDの指示に従って 発信されるはずだからだ。尻尾は犬を振る（c）。

しかし、市場モデルを使えば、それほど悲しいことにはならない。精度を上げる余地は少ないかもしれないが、動きの方向と期間を見る確率は高くなる。

まあ、あなたが私の投稿を読み、私のヒントに従うという事実は、私を幸せにする）。

手口だけでなく、確率も役に立たない。

ー証拠金ルールー

[Forester]

fxsaber #:
この違いを示すスクリプトはありますか？私自身は少し違った見解を持っています（ 一般化されたバージョンへのリンク）。

いいえ、このトピックについて特別に研究したことはありません。私が手動で取引しようとした時代には、ゆっくりと成長した後、すぐに下落したことを覚えています。
おそらくそれは、私の預金を使い果たしたので、感情で覚えていたのでしょう。すべてがイーブンであることを排除するものではありませんし、その逆もまた然りです)))