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 346 1...339340341342343344345346347348349350351352353...3399 新しいコメント Maxim Dmitrievsky 2017.05.13 18:49 #3451 nowi:しかし...この技術を使う意味は、人間よりかっこよく仕事ができることではなく、単に便利で速く、高性能であること...なのです。 彼らはそれが上手で、認識ミスが少ないのです。高度に専門化されたニューラルネットワークは、画像を認識する能力が高く、より高速に処理することができます。もうひとつは、学習サンプルの外にある物体を正しく認識できない場合、人は他の脳内リソースをつなぎ、そのリソースは単にNSとか、直接的に「隠れている」ものは見つからないので、意識して予測因子を 選択する必要があると思います。 また、LSTMについては、私の意見では、時系列だけで良いはずです。なぜなら、売買のシグナルを一般化できるだけでなく、市場の変化や予測器の過去の動作に応じて、異なるセグメントでの予測器の効率の変化に適応することができ、これはNSの「記憶」となります。 nowi 2017.05.13 19:03 #3452 マキシム・ドミトリエフスキー： よりクールな仕事をする、認識ミスが少ない。高度に専門化されたニューラルネットワークは、画像を認識する能力が高く、より高速に処理することができます。もう一つは、対象が学習サンプルを超えてしまい、正しく認識できない場合、人は他の脳のリソースをつなぎ、これらのリソースは単にNS直接的に「隠された」ものは見つからないので、予測因子を意識的に選択する必要があると思います。 じゃあ、ネットワークが本当にできるのか、実験的に、明らかに解けるけど すごく難しいタスクを設定してみたりはしないんですか？例えば、非常にノイズの多い人工的なサンプルで、決定論的な構成要素がわかっているもの、あらかじめわかっていなければ目視では計算不可能な複雑な関数があるもの......。もしかしたら、そのような研究へのリンクがあるかもしれない......。 もうひとつ、タイムラグネットワークを試してみて ください...これは時系列の 予測に最も適しています...あまり得意ではないので、試していません。 Yuriy Asaulenko 2017.05.13 19:05 #3453 nowi:ところで、ニューラルネットワークが予測に適しているのは何だと思いますか......説明します。つまり、ニューラルネットワークは、目には見えない複雑な関係を読み取ることができるのか、あるいは、パターン認識のように簡単に形式化できない複雑な処理を自動化することができるのか、どちらかです。この技術を使う意味は、人間よりうまくできることではなく、ただ便利で速く、生産性が高いということです。トレーディングでは、ニューラルネットワークを使ったパターン認識という課題があるが、なぜ、人間の脳で解決できないのか。1000人中、一瞬で見知った顔を認識する人...。ニューラルネットワークは、本当に生物の神経回路を超える可能性があるのだろうか？NSは、少なくとも顔認識や何から何まで、「人間の神経細胞」を超えるポテンシャルを持っています）。当たり前のことだと思うんですけどね。人間の作業負荷を数十倍から数百倍に軽減。 一般に、神経細胞は予測に向かない。ニューロンによる予測は、どちらかというと認識（分類）の副次的な効果である。例えば、夕暮れ時の太陽は赤い（認識）-明日は風が強い（予測）というように。生物学的なニューラルネットワークを超える可能性が本当にあるのなら...優れたトレーダーは通常、どんなシステムよりも自分の手でトレードするものであり、オートシステムはそれをよりよく行うことはできないが、モニターを見つめず、座りっぱなしにならないように）。 nowi 2017.05.13 19:09 #3454 ユーリイ・アサウレンコNSは、少なくとも顔認識などでは「人間の神経細胞」を超えるポテンシャルを持っています）。当 たり前のことなんですよね。人間の労働投入量を数十倍から数百倍に削減することができます。 一般に、神経細胞は予測に向かない。ニューロンによる予測は、どちらかというと認識（分類）の副次的な効果である。夕陽が赤い（認識）、明日は風が強い（予測）、みたいな。良いトレーダーは通常、どんなシステムよりも自分の手で取引 し、オートシステムはそれをより良く行うことはありませんが、モニターを見つめ、彼のズボンの座席に座らないように）。 これって矛盾してませんかね...。 Maxim Dmitrievsky 2017.05.13 19:12 #3455 nowi: そうですか...でも、解決可能 であることが知られているけれども非常に複雑な特定の問題を設定して、ネットワークが本当に実験的に何ができるかをチェックしようとしたことはありますか...?例えば、既知の決定論的要素を持つ非常にノイズの多い人工的なサンプルや、事前に知られていなければ目視で計算することが不可能な複雑な関数など...。そのような研究の参考文献はあるのでしょうか...。 私はあまり経験がなく、今はすでに動いているストラテジーをナショナルコンピューターで改良した結果しかありません。つまり、ナショナルコンピューターは、同じ予測因子で、私が試みたよりも良いマーケットエントリー・シグナルを見つけたのです...これは事実なのです...。先入観を持たず、後でマーケットを見ます。タイムラグネットワークについて読んでみます、ありがとうございます、意識してません。 Yuriy Asaulenko 2017.05.13 19:26 #3456 nowi: は矛盾してませんかね......。どのような点が矛盾しているとお考えですか？見えませんね。前の記事によると神経細胞にはノイズ抑制装置がある。 nowi 2017.05.13 19:43 #3457 ユーリイ・アサウレンコどのような点が矛盾しているとお考えですか？見えませんね。前の記事によるとニューラルネットを使ったノイズキャンセラーがあります。 そうですね...NSは少なくとも「ヒューマン・ニュートロニクス」以上の ポテンシャルを秘めている 顔認識などで しかし同時に、手動で、つまりAIなしで、潜在能力が低く、これらすべてのタスクに対処する トレーダーは、なぜ突然、どんなシステム よりも良い 取引をしなければならないのか...。最も純粋な矛盾です。ユーリ、ファーストネームでいこうよ！ちょっとビビっちゃうから...みんなに許してもらうために...) Yuriy Asaulenko 2017.05.13 20:13 #3458 nowi: そうですね...NSは少なくとも「人間の神経細胞」を超える可能性を持っている 顔認識などで しかし、同時に、AIを使わずに手動で、潜在能力が低く、何らかの理由でこれらのタスクに対処するのがずっと苦手 なトレーダーが、突然、どんなシステム よりも良い 取引をするはずです...。というのは、究極の矛盾です。とか、ユーリです、ファーストネームでいきましょう、ちょっと怖いので......これだけで、許してください......)申し訳ありませんが、私はあなたという呼び方のほうが慣れています）。お好きにどうぞ、私は気になりません。 洗練された現代のNSは、ゴキブリ並みの脳みそしかない。ゴキブリは、実にさまざまな仕事をうまくこなしている。NSは高速であり、またNS全体が1つのクラスの問題しか解決しないため、このクラスのみに対処し、それ以外の問題には対処しない。NSが訓練されていない（学んでいない）ものをトレーダーは見ることができるのです）。それだけでなく、NSと違って、より幅広い業務に対応できるようになった。つまり、理論的にも、超高速の反応を必要としないのであれば、NSよりもトレーダーの可能性が広がり、より良いトレードができるようになる。ちなみに、NSもミスをすることがあります。NSの信頼性が90％というのは、決して悪い指標ではありません。 СанСаныч Фоменко 2017.05.13 21:07 #3459 ネットワークや哲学的な考察について、とても美しい言葉です。しかし、ネトゲを鍛え直すという話題には反省もなく、証拠もない。では、すべてのネットワークは再トレーニングされているのでしょうか、それともされていないのでしょうか？PS.それがスレッド開始時の主な疑問でした。 Forester 2017.05.13 21:20 #3460 マキシム・ドミトリエフスキー RNNとRNN3、そしてMQL5の未発表の記事があります。RNN3よりもRNNの方がオプティマイザーでの動作が良い。なぜなら、RNN3は誤差が - データは5ポイント要求されましたが、確率は4ポイントで計算され、現在のバーa0からではなく、一定期間のオフセット、すなわちa1から開始します。確率は現在の時点ではなく、ある1点に対して計算されるため、a0に対して悪い結果となる))// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно double a0 = rsi[0] / 100.0; double a1 = rsi[p] / 100.0; double a2 = rsi[2*p] / 100.0; double a3 = rsi[3*p] / 100.0; double a4 = rsi[4*p] / 100.0;// Вычисление вероятности double results=RNN(a1,a2,a3,a4);すなわち、=RNN(a0,a1,a2,a3)です。5点分の計算をするには、対数行列を32ルール、つまり25に 増やす必要があります。入力が10個なら210=1024個の入力変数ということになる ))))MT5でこのような最適化ができるのだろうか。 Machine learning in trading: Questions from Beginners MQL5 The Sultonov Regression Model 1...339340341342343344345346347348349350351352353...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
しかし...この技術を使う意味は、人間よりかっこよく仕事ができることではなく、単に便利で速く、高性能であること...なのです。
彼らはそれが上手で、認識ミスが少ないのです。
高度に専門化されたニューラルネットワークは、画像を認識する能力が高く、より高速に処理することができます。もうひとつは、学習サンプルの外にある物体を正しく認識できない場合、人は他の脳内リソースをつなぎ、そのリソースは単にNS
とか、直接的に「隠れている」ものは見つからないので、意識して予測因子を 選択する必要があると思います。
また、LSTMについては、私の意見では、時系列だけで良いはずです。なぜなら、売買のシグナルを一般化できるだけでなく、市場の変化や予測器の過去の動作に応じて、異なるセグメントでの予測器の効率の変化に適応することができ、これはNSの「記憶」となります。よりクールな仕事をする、認識ミスが少ない。
高度に専門化されたニューラルネットワークは、画像を認識する能力が高く、より高速に処理することができます。もう一つは、対象が学習サンプルを超えてしまい、正しく認識できない場合、人は他の脳のリソースをつなぎ、これらのリソースは単にNS
直接的に「隠された」ものは見つからないので、予測因子を意識的に選択する必要があると思います。
じゃあ、ネットワークが本当にできるのか、実験的に、明らかに解けるけど すごく難しいタスクを設定してみたりはしないんですか？
例えば、非常にノイズの多い人工的なサンプルで、決定論的な構成要素がわかっているもの、あらかじめわかっていなければ目視では計算不可能な複雑な関数があるもの......。
もしかしたら、そのような研究へのリンクがあるかもしれない......。
もうひとつ、タイムラグネットワークを試してみて ください...これは時系列の 予測に最も適しています...あまり得意ではないので、試していません。ところで、ニューラルネットワークが予測に適しているのは何だと思いますか......説明します。
つまり、ニューラルネットワークは、目には見えない複雑な関係を読み取ることができるのか、あるいは、パターン認識のように簡単に形式化できない複雑な処理を自動化することができるのか、どちらかです。
この技術を使う意味は、人間よりうまくできることではなく、ただ便利で速く、生産性が高いということです。
トレーディングでは、ニューラルネットワークを使ったパターン認識という課題があるが、なぜ、人間の脳で解決できないのか。
1000人中、一瞬で見知った顔を認識する人...。
ニューラルネットワークは、本当に生物の神経回路を超える可能性があるのだろうか？
NSは、少なくとも顔認識や何から何まで、「人間の神経細胞」を超えるポテンシャルを持っています）。当たり前のことだと思うんですけどね。人間の作業負荷を数十倍から数百倍に軽減。
一般に、神経細胞は予測に向かない。ニューロンによる予測は、どちらかというと認識（分類）の副次的な効果である。例えば、夕暮れ時の太陽は赤い（認識）-明日は風が強い（予測）というように。
生物学的なニューラルネットワークを超える可能性が本当にあるのなら...優れたトレーダーは通常、どんなシステムよりも自分の手でトレードするものであり、オートシステムはそれをよりよく行うことはできないが、モニターを見つめず、座りっぱなしにならないように）。
NSは、少なくとも顔認識などでは「人間の神経細胞」を超えるポテンシャルを持っています）。当 たり前のことなんですよね。人間の労働投入量を数十倍から数百倍に削減することができます。
一般に、神経細胞は予測に向かない。ニューロンによる予測は、どちらかというと認識（分類）の副次的な効果である。夕陽が赤い（認識）、明日は風が強い（予測）、みたいな。
良いトレーダーは通常、どんなシステムよりも自分の手で取引 し、オートシステムはそれをより良く行うことはありませんが、モニターを見つめ、彼のズボンの座席に座らないように）。
これって矛盾してませんかね...。
そうですか...でも、解決可能 であることが知られているけれども非常に複雑な特定の問題を設定して、ネットワークが本当に実験的に何ができるかをチェックしようとしたことはありますか...?
例えば、既知の決定論的要素を持つ非常にノイズの多い人工的なサンプルや、事前に知られていなければ目視で計算することが不可能な複雑な関数など...。
そのような研究の参考文献はあるのでしょうか...。
私はあまり経験がなく、今はすでに動いているストラテジーをナショナルコンピューターで改良した結果しかありません。つまり、ナショナルコンピューターは、同じ予測因子で、私が試みたよりも良いマーケットエントリー・シグナルを見つけたのです...これは事実なのです...。先入観を持たず、後でマーケットを見ます。
タイムラグネットワークについて読んでみます、ありがとうございます、意識してません。
は矛盾してませんかね......。
どのような点が矛盾しているとお考えですか？見えませんね。
前の記事によると神経細胞にはノイズ抑制装置がある。
どのような点が矛盾しているとお考えですか？見えませんね。
前の記事によるとニューラルネットを使ったノイズキャンセラーがあります。
そうですね...
NSは少なくとも「ヒューマン・ニュートロニクス」以上の ポテンシャルを秘めている 顔認識などで しかし同時に、手動で、つまりAIなしで、潜在能力が低く、これらすべてのタスクに対処する トレーダーは、なぜ突然、どんなシステム よりも良い 取引をしなければならないのか...。
最も純粋な矛盾です。
ユーリ、ファーストネームでいこうよ！ちょっとビビっちゃうから...みんなに許してもらうために...)
そうですね...
NSは少なくとも「人間の神経細胞」を超える可能性を持っている 顔認識などで しかし、同時に、AIを使わずに手動で、潜在能力が低く、何らかの理由でこれらのタスクに対処するのがずっと苦手 なトレーダーが、突然、どんなシステム よりも良い 取引をするはずです...。
というのは、究極の矛盾です。
とか、ユーリです、ファーストネームでいきましょう、ちょっと怖いので......これだけで、許してください......)
申し訳ありませんが、私はあなたという呼び方のほうが慣れています）。お好きにどうぞ、私は気になりません。
洗練された現代のNSは、ゴキブリ並みの脳みそしかない。ゴキブリは、実にさまざまな仕事をうまくこなしている。NSは高速であり、またNS全体が1つのクラスの問題しか解決しないため、このクラスのみに対処し、それ以外の問題には対処しない。
NSが訓練されていない（学んでいない）ものをトレーダーは見ることができるのです）。それだけでなく、NSと違って、より幅広い業務に対応できるようになった。つまり、理論的にも、超高速の反応を必要としないのであれば、NSよりもトレーダーの可能性が広がり、より良いトレードができるようになる。
ちなみに、NSもミスをすることがあります。NSの信頼性が90％というのは、決して悪い指標ではありません。
ネットワークや哲学的な考察について、とても美しい言葉です。
しかし、ネトゲを鍛え直すという話題には反省もなく、証拠もない。
では、すべてのネットワークは再トレーニングされているのでしょうか、それともされていないのでしょうか？
PS.
それがスレッド開始時の主な疑問でした。
RNNとRNN3、そしてMQL5の未発表の記事があります。RNN3よりもRNNの方がオプティマイザーでの動作が良い。
なぜなら、RNN3は誤差が -
データは5ポイント要求されましたが、確率は4ポイントで計算され、現在のバーa0からではなく、一定期間のオフセット、すなわちa1から開始します。確率は現在の時点ではなく、ある1点に対して計算されるため、a0に対して悪い結果となる))
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
すなわち、=RNN(a0,a1,a2,a3)です。
5点分の計算をするには、対数行列を32ルール、つまり25に 増やす必要があります。入力が10個なら210=1024個の入力変数ということになる ))))MT5でこのような最適化ができるのだろうか。