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 388 1...381382383384385386387388389390391392393394395...3399 新しいコメント СанСаныч Фоменко 2017.06.09 09:33 #3871 マキシム・ドミトリエフスキー 不思議に思うかもしれませんが、私はすでに予知能力を持っています。1カ月もかからずに作った既製品のボットがあります。一番重要なのは、予測因子、それは問題外ですね、はい。 まあ、それは誰が何の経験をしているかということですが......。例えば、想像力が豊かな私は、その場で予想がつくこともあり、アナリストとして5年間働いてきました :)私の考えでは、予測変数の選択は、NSアーキテクチャを研究するほど難しいタスクではなく、主なものは座って選択することであり、2-3週間かかります:) 数字では?学習用サンプル、テスト用サンプル、検証用サンプルについて。最も重要なこと:もともと前の3つのファイルとは別の新しいファイルに。これら4つの数値は、すべて互いに大きく異なるものであってはならない。10%以上の誤差がある場合(例えば偏差値30と偏差値35)、ねじ込みます。そして、私が持っているリアルアカウントはまったく重要ではなく、1年後、あるいは2年後にシグナルは死んでしまうのです。 sibirqk 2017.06.09 10:03 #3872 サンサニッチ・フォメンコ インクリメントは何のトレンドも示さないというのはどうでしょうか?はい、そうです。モデルが予測するのは、増量か方向か。それが分類モデルです。ニュースの動きを認識するような分類モデルは、私は知りません。そして、GARCHの場合は、これがモデルのポイントであり、発生した動きを計算することです。ファットテイルズ-トレンドが崩れ、急反転が起きたときのニュースでの動きです。まあ、いろいろな時間軸で増え方を見ることができます。いくつかのタイムフレームのGARCHモデルには興味深いものがある。意味は以下の通りです。仮にH1での増分を予測したとする。このモデルには、分布を特徴づける入力データが必要である。このような入力データ(通常はボラティリティ)として、前の時間ではなく、現在の時間内の分単位を取ります。私見ですが、全歴史を同じ動作の区間に分割することが重要だと思います。例えば、ここに5年間のEURUSDの終値の画像がありますが、14年2Qくらいまでは一つのトレンドがあり、14年の残りと15年の初めは別のトレンド、その後、3つ目のトレンドが始まり、今も続いているのがわかりますね。病院内の平均体温を取得して、それを使って一人の患者の状態を診断しようとするのは間違っている、イミフです。 例えば、15世紀初頭から現在までのどこかで、少なくともトレンド、周期性を分離/外挿すると、かなり信憑性のある結果が得られると思います。これがその写真で、緑色は今後数週間の終値予想である。 Maxim Dmitrievsky 2017.06.09 10:04 #3873 サンサニッチ・フォメンコ 数字では?学習用サンプル、テスト用サンプル、検証用サンプルについて。最も重要なこと:もともと前の3つのファイルとは別の新しいファイルに。これら4つの数値は、すべて互いに大きく異なるものであってはならない。10%以上の誤差がある場合(例えば偏差値30と偏差値35)、ねじ込みます。彼らは10%以上(例えば、30%と25%の偏差)によって異なる場合は、それらをねじ込みます)何が本当のお金の価値がある - 何もない、信号があっても1年または2年後に死ぬ。 無駄なサンプルはそれほど必要なく、トレーニングとテストは十分にあり、GAでパラメータを選択し、バックとフォワードの類似性が最も高い結果を選択するのです。全引合履歴のモデルをトレーニングすることはないでしょうし、さらに独立した3つの期間を提供し、その間に相場が変化するため、4日に取引することは相場で取引する場合、ナンセンスです。だから、学習サンプルの外のセクションで、モデルがオーバーフィットしていないことを確認すればいいんです。毎週再トレーニングしていますが、今のところ2週目は+35%です。それは何かというと、リアルマネーです ) Ivan Negreshniy 2017.06.09 11:09 #3874 サンサニッチ・フォメンコそして、何が本当のお金の価値が何もない、1年あるいは2年で死ぬ信号があります... 本気で数年後のマーケットモデルを作りたいのか......? pantural 2017.06.09 13:11 #3875 マキシム・ドミトリエフスキー 不思議と予知能力者はすでに持っています。すでに、1ヶ月もかからずに書かれた、本物の上に立つ既製のボットがあります。一番大事なのはプレディクターで、これは論外ですね、はい。例えば、想像力が豊かな私は、その場で予想がつくこともあり、アナリストとして5年間働いてきました :)私の考えでは、予測変数の選択は、NSアーキテクチャを研究するほど難しいタスクではなく、主なものは座って選択することであり、2-3週間かかります:) どうぞ、どのような予測因子を使っているのでしょうか? СанСаныч Фоменко 2017.06.09 13:15 #3876 マキシム・ドミトリエフスキー アレンホルムでは、無駄なサンプルはあまり必要なく、トレーニングとテストはこれで十分です。GAを通してパラメータを選び、バックとフォワードにできるだけ近い結果を選びます。全引合履歴のモデルをトレーニングすることはないでしょうし、さらに独立した3つの期間を提供し、その間に相場が変化するため、4日に取引することは相場で取引する場合、ナンセンスです。だから、学習サンプルの外のセクションで、モデルがオーバーフィットしていないことを確認すればいいんです。毎週再トレーニングしていますが、今のところ2週目は+35%です。私はそれが何であるか、これは本当のお金であることを実感しています)。 サンプルについては、あなたが一番よく知っているはずです。 Maxim Dmitrievsky 2017.06.09 13:16 #3877 pantural。 どのような予測因子を使っているのか教えてください。 一つは既にここで紹介した回帰直線の傾きの値やbotの例まで、他は秘密です :) СанСаныч Фоменко 2017.06.09 13:17 #3878 イワン・ネグレシュニー 本気で数年後のマーケットモデルを作りたいのか......?いいえ、もちろんそんなことはありません。何か将来のための保証を得るのに忙しい。 СанСаныч Фоменко 2017.06.09 13:29 #3879 マキシム・ドミトリエフスキー: アレンホルムでは、無駄なサンプルはあまり必要なく、トレーニングとテストはこれで十分です。GAを通してパラメータを選択し、バックとフォワードにできるだけ近い結果を選択します。全引合履歴のモデルをトレーニングすることはないでしょうし、さらに独立した3つの期間を提供し、その間に相場が変化するため、4日に取引することは相場で取引する場合、ナンセンスです。だから、学習サンプルの外のセクションで、モデルがオーバーフィットしていないことを確認すればいいんです。毎週再トレーニングしていますが、今のところ2週目は+35%です。リアルに何があるかというと、リアルマネーです )私も2区画持っています。最初のプロット:そこからランダムに3つのサンプルを取り出して、学習-チェック-チェックする。最初のセクションに続く最後のセクションは、できればテスターを使った逐次実行です。完全に忘れてる、今まで何度も書いてきたけど。上記のステップは、第2ステップです。最初のステップは、ターゲット変数に「関連する」予測変数の選択 である。対象変数と関係のない予測変数(ノイズ)が優勢な予測変数の集合で、非常に良い結果が得られることを証明できる。ノイズに対して非常に良い学習結果が得られています。そして、上記の3つのパートで10%以下の誤差を得ることができ、3%まで下がりました! そして、2番目のパートで完全にランダムなエラーが発生しました。ノイズ予測器の淘汰を始めると、トレーニング中は誤差が大きくなるが、第2部では誤差が小さくなる。ノイズ予測器を取り除くと、ほぼ同じ誤差の値が得られます。私の予想では、30%を少し下回る程度です。 Vasily Perepelkin 2017.06.09 16:14 #3880 機械を鍛えるのではなく、まず鉄の神経と上層部とのコネクションがないと、有益な貿易はできない。 1...381382383384385386387388389390391392393394395...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
不思議に思うかもしれませんが、私はすでに予知能力を持っています。1カ月もかからずに作った既製品のボットがあります。一番重要なのは、予測因子、それは問題外ですね、はい。 まあ、それは誰が何の経験をしているかということですが......。例えば、想像力が豊かな私は、その場で予想がつくこともあり、アナリストとして5年間働いてきました :)私の考えでは、予測変数の選択は、NSアーキテクチャを研究するほど難しいタスクではなく、主なものは座って選択することであり、2-3週間かかります:)
数字では?
学習用サンプル、テスト用サンプル、検証用サンプルについて。
最も重要なこと:もともと前の3つのファイルとは別の新しいファイルに。
これら4つの数値は、すべて互いに大きく異なるものであってはならない。10%以上の誤差がある場合(例えば偏差値30と偏差値35)、ねじ込みます。
そして、私が持っているリアルアカウントはまったく重要ではなく、1年後、あるいは2年後にシグナルは死んでしまうのです。
インクリメントは何のトレンドも示さないというのはどうでしょうか?
はい、そうです。
モデルが予測するのは、増量か方向か。それが分類モデルです。
ニュースの動きを認識するような分類モデルは、私は知りません。そして、GARCHの場合は、これがモデルのポイントであり、発生した動きを計算することです。ファットテイルズ-トレンドが崩れ、急反転が起きたときのニュースでの動きです。
まあ、いろいろな時間軸で増え方を見ることができます。
いくつかのタイムフレームのGARCHモデルには興味深いものがある。意味は以下の通りです。
仮にH1での増分を予測したとする。このモデルには、分布を特徴づける入力データが必要である。このような入力データ(通常はボラティリティ)として、前の時間ではなく、現在の時間内の分単位を取ります。
私見ですが、全歴史を同じ動作の区間に分割することが重要だと思います。例えば、ここに5年間のEURUSDの終値の画像がありますが、14年2Qくらいまでは一つのトレンドがあり、14年の残りと15年の初めは別のトレンド、その後、3つ目のトレンドが始まり、今も続いているのがわかりますね。病院内の平均体温を取得して、それを使って一人の患者の状態を診断しようとするのは間違っている、イミフです。
例えば、15世紀初頭から現在までのどこかで、少なくともトレンド、周期性を分離/外挿すると、かなり信憑性のある結果が得られると思います。これがその写真で、緑色は今後数週間の終値予想である。
数字では?
学習用サンプル、テスト用サンプル、検証用サンプルについて。
最も重要なこと:もともと前の3つのファイルとは別の新しいファイルに。
これら4つの数値は、すべて互いに大きく異なるものであってはならない。10%以上の誤差がある場合(例えば偏差値30と偏差値35)、ねじ込みます。
彼らは10%以上(例えば、30%と25%の偏差)によって異なる場合は、それらをねじ込みます)何が本当のお金の価値がある - 何もない、信号があっても1年または2年後に死ぬ。
無駄なサンプルはそれほど必要なく、トレーニングとテストは十分にあり、GAでパラメータを選択し、バックとフォワードの類似性が最も高い結果を選択するのです。全引合履歴のモデルをトレーニングすることはないでしょうし、さらに独立した3つの期間を提供し、その間に相場が変化するため、4日に取引することは相場で取引する場合、ナンセンスです。だから、学習サンプルの外のセクションで、モデルがオーバーフィットしていないことを確認すればいいんです。
毎週再トレーニングしていますが、今のところ2週目は+35%です。それは何かというと、リアルマネーです )
そして、何が本当のお金の価値が何もない、1年あるいは2年で死ぬ信号があります...
不思議と予知能力者はすでに持っています。すでに、1ヶ月もかからずに書かれた、本物の上に立つ既製のボットがあります。一番大事なのはプレディクターで、これは論外ですね、はい。例えば、想像力が豊かな私は、その場で予想がつくこともあり、アナリストとして5年間働いてきました :)私の考えでは、予測変数の選択は、NSアーキテクチャを研究するほど難しいタスクではなく、主なものは座って選択することであり、2-3週間かかります:)
アレンホルムでは、無駄なサンプルはあまり必要なく、トレーニングとテストはこれで十分です。GAを通してパラメータを選び、バックとフォワードにできるだけ近い結果を選びます。全引合履歴のモデルをトレーニングすることはないでしょうし、さらに独立した3つの期間を提供し、その間に相場が変化するため、4日に取引することは相場で取引する場合、ナンセンスです。だから、学習サンプルの外のセクションで、モデルがオーバーフィットしていないことを確認すればいいんです。
毎週再トレーニングしていますが、今のところ2週目は+35%です。私はそれが何であるか、これは本当のお金であることを実感しています)。
どのような予測因子を使っているのか教えてください。
本気で数年後のマーケットモデルを作りたいのか......?
いいえ、もちろんそんなことはありません。
何か将来のための保証を得るのに忙しい。
アレンホルムでは、無駄なサンプルはあまり必要なく、トレーニングとテストはこれで十分です。GAを通してパラメータを選択し、バックとフォワードにできるだけ近い結果を選択します。全引合履歴のモデルをトレーニングすることはないでしょうし、さらに独立した3つの期間を提供し、その間に相場が変化するため、4日に取引することは相場で取引する場合、ナンセンスです。だから、学習サンプルの外のセクションで、モデルがオーバーフィットしていないことを確認すればいいんです。
毎週再トレーニングしていますが、今のところ2週目は+35%です。リアルに何があるかというと、リアルマネーです )
私も2区画持っています。
最初のプロット:そこからランダムに3つのサンプルを取り出して、学習-チェック-チェックする。最初のセクションに続く最後のセクションは、できればテスターを使った逐次実行です。
完全に忘れてる、今まで何度も書いてきたけど。
上記のステップは、第2ステップです。
最初のステップは、ターゲット変数に「関連する」予測変数の選択 である。対象変数と関係のない予測変数(ノイズ)が優勢な予測変数の集合で、非常に良い結果が得られることを証明できる。ノイズに対して非常に良い学習結果が得られています。そして、上記の3つのパートで10%以下の誤差を得ることができ、3%まで下がりました! そして、2番目のパートで完全にランダムなエラーが発生しました。
ノイズ予測器の淘汰を始めると、トレーニング中は誤差が大きくなるが、第2部では誤差が小さくなる。ノイズ予測器を取り除くと、ほぼ同じ誤差の値が得られます。私の予想では、30%を少し下回る程度です。