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 433 1...426427428429430431432433434435436437438439440...3399 新しいコメント Женя 2017.06.30 11:29 #4321 私はこのような畳み掛けの "パターン "は、私には何もないように 見えた前に覚えている、hrenFxはさらに10年前にそのような指標をレイアウトし、私も自分のバージョンを作りました、しかし... それは本当に動作しません、少なくとも異なるTFの畳み掛けの投票と単純な亜種のためではありません。 Mihail Marchukajtes 2017.06.30 11:30 #4322 -Aleks- です。履歴に入るシグナルがあり、分類する必要のあるインジケータがいくつもあり、それだけではできないことは理解していますが、NSの作業の結果はシグナルの確認ではなく、シグナルの発生そのものです。 申し訳ありませんが、バカなのかもしれませんが、私の貧弱な知識では、なぜできないのかがわかりません-あなたの記事を読んで。 ZZについては、通常のZZは現在の極限を示すものであり、理解できない...。 つまり、相場が上昇したら売るというシグナルは常に存在しますが、NSは過去の変動パターンに基づいてそれを確認する必要があります。 NSの利点は、履歴に蓄積された多くのパターンによってシグナルを確認または拒否することができ、互いに矛盾してはならず、取引シグナルが表示されたときにチェックされるということを正しく理解しているのでしょうか? 説明が長くなってしまいましたが、一般的にZZは不向きです。これは間違いなく私が言っていることです。そしてもうひとつ。自分たちが何をしたいのかを決めなければならない。予測または分類する。アプローチは全く違いますが、ゴールは同じです・・・。もう一度、記事を見てください。基本戦略は、マーケットを分析する時点を決めるだけでいいのです。つまり、イベントが発生したら、分析を開始するのです。イベントは何でもいいんです。荷馬車が交差し、イベントが発生し、分析が始まったとします。ある意味、その通りだと思います。ナショナルコンピューター自体がシグナルを出すが、基本戦略のシグナル形成時に動作することを考慮している。NSは根本的なストラテジーシグナルの確認または反証であることが判明した。というわけで、こんな感じです...。 Mihail Marchukajtes 2017.06.30 11:31 #4323 エリブラリウス まず375000本のバー履歴(M1の場合は1年分)を配列、つまりRAMにロードし(約30~60秒)、その後パターンの深さに応じて30~700msで通過させる。もう一度言いますが、この課題にどう取り組むべきでしょうか。そこに魚がいるような気がするのですが...。 Dr. Trader 2017.06.30 11:45 #4324 ミハイル・マルキュカイツ しかし、ここでは1つのパターンに対してネットワークを学習させることにする。あとは、NSを鍛えるだけです。私の経験では、そうしない方がいいと思います。次のバーの値幅がわかっている場合は、それをニューロのターゲットにするのがよいでしょう。結局のところ、0と1の2つのクラスだけと比べると、増分は学習に役立つかもしれないいくつかの情報でもあるのです。それでも回帰予測の結果が2クラス(買い/売り)になるのであれば、学習段階で情報を捨ててしまうよりも、回帰結果を切り上げたほうがよいでしょう。例えば、私のFXの回帰モデルは、分類モデル(Rでは分類と回帰の間の移行は実際には非常に単純で、分類は通常、すべてのターゲットが0と1に丸められるか、ターゲットがタイプ ファクターを持つ場合に自動的に有効になります)に置き換えると、多少なりとも機能するものが壊れます。 Maxim Dmitrievsky 2017.06.30 11:49 #4325 エリブラリウス歴史上の類似パターンを検索するインジケータを作りました。ここでは、M1 EURUSDの現在の読み取りを示します。年の類似品ベスト10。https://www.mql5.com/ru/articles/197 の記事の例を少し作り直しました。最もよく似た1つの変種の代わりに、最もよく似た2つの変種を取り、答えを棒グラフで平均化しました。パターン検索には、終値だけでなく、この期間に価格が推移したチャネル、つまり安値と高値を使用します。Lowをスプレッドの値で上げる。 このように、歴史の中でこのパターンは、下降と上昇の両方の動きを与えている(グレーと濃い赤の線)。平均的な値動き(白線、赤線)がほぼゼロ(スプレッドより若干広い)、こんな予想で取引してはいけない、スプレッド、スワップ、手数料で損をすることになる。時には、片方に良い予測があっても、次のバーでは予測が逆転しているパターンもあります。この場合、ポジションを反転させると、スプレッドと手数料によって、最初の取引は再び不採算になります。 指標予測は回帰NCと比較されるが、回帰から分類器を作るのは簡単である。LowとHighに加え、任意のインジケータを追加することができます。 ニューラルネットワークは、この平均化指標と本質的に同じ ことをします。つまり、履歴(例えば1年)の中から似たような予測値(私の場合は価格だけ)を探し、平均的な予測をするのです。履歴を見るだけの簡単な方法があるのなら、NSを使う意味はあるのでしょうか?彼らの強みは何でしょうか?追記さて、価格が同じパターンで両方向に行ったということは、ランダムなプロセスか、あるいは、図のように、チャートとNSユーザーの両方のパターンファインダーの戦略を直接壊して、予測を悪くしようとする、あるいはむしろ予測をゼロぐらいにしようとする人形仕掛けと考えることができる。相関によるパターンを探しているのでしょうか? もしそうなら、空現在、私のNS(テスト)を1週間取引していますが、あと1ヶ月ほどテストすれば、通常のお金に移行することが可能になります。総評:シンプルで堅牢なNSを1ヶ月で書き上げました。 Forester 2017.06.30 12:10 #4326 マキシム・ドミトリエフスキー相関関係でパターンを検索しているか? 相関関係によって、すなわち検索されたパターンの各バーにおける価格の差によって。それをバーの誤差と呼び、すべてのバーの誤差を合計し、その結果の誤差でソートし、Nベスト - 最も類似した変種を見つけることにしましょう。 2つの価格チャートを比較するための他のオプションが見当たらないのですが。他にどんな選択肢があるのでしょうか...? Maxim Dmitrievsky 2017.06.30 12:10 #4327 ヴァシリー・ペレペルキンこれは私が学生に教えている主なことです。男は原則主義であり、曲げない。ある生徒(マキシム)には、力がなく、性格も悪く、女々しくて、震えていたのですが、あなたは成功します。 Maxim Dmitrievsky 2017.06.30 12:14 #4328 エリブラリウス 相関関係によって、すなわち求められたパターンの各バーにおける価格の差によって。それをバーの誤差と呼び、すべてのバーの誤差をまとめ、結果の誤差でソートし、Nベスト、つまり最も類似した変種を見つけることにしましょう。 2つの価格チャートを比較するための他のオプションが見当たらないのですが。他にどんな選択肢があるのでしょうか...?最低限、チャートのアフィン変換をする必要があるのは、パターンが異なる傾斜角度(自己アフィン構造)であること、次に、異なる時間枠で検索することである。しかし、このようなことは、相関関係を利用する際には役に立ちません。収束型NS(コンピュータビジョン)の方が良いのでは?実験したかったのですが、まだ手をつけていません。 Forester 2017.06.30 12:31 #4329 ミハイル・マルキュカイツ 予測ということでは、なかなか面白いテーマですね。そこで、歴史の裏側で発見された、パトレイバーがあるのです。今とまったく同じです。しかし、このパターンに対する市場の反応は明確ではありません。アップがあり、ダウンがある。グラフからわかるように、同じパターンが何度も見つかっているので、いくつかの可能性があります。そこで、クラシフィケーションを活性化させる必要があるのです。しかし、ここでは1つのパターンに対してネットワークを学習させることにする。市場を拡大させたパターンには1を、市場を縮小させたパターンには0を付ける。このパターンが現れたら、その瞬間に入力値を投入し、NSが市場の成長パターンか衰退パターンかを判断する。 得られたN個のパターンは、所望のパターンと最大に類似し、かつ両者の差異が最小であるため、履歴から分割することはできないだろう。 しかし、3パターンの予測は予測誤差が33%、10パターンは10%、100パターンは1%程度になります(誤差の計算には、それぞれのパターンがオリジナルとどの程度違うかを含める必要があると思います)。 予測するテンプレートの最適な数を見つけることは、オプティマイザーに任せることができます。 Maxim Dmitrievsky 2017.06.30 12:48 #4330 エリブラリウスN個のパターンは、目的のパターンに限りなく似ていて、その差も少ないので、履歴から割り出す方法はない。 違いを最小にしたいのであれば、最も似ている2-3個のテンプレートを探せばよいが、3パターンの予測では予測誤差=33%、10パターンでは10%、100パターンでは約1%(誤差計算では、オリジナルから見つかった各パターンの誤差を含めるべきだと思う)である。 予測に用いるテンプレートの数は、最適化担当者に任せればよい。 このままでは無駄になってしまうので、スケール不変性(スケーリング)やアフィン変換に目を向けてください。パターンが似ているというのは何の意味もなく、いくつかのパターンの相互位置関係、一種のクロスバリデーションを考え、さらにパターン内の位置を順に見ていく必要があります。全部やりましたが、あまり好きではありませんでした。相関が絡むので、それを排除してコンボリューションNSの検索にパスする必要があります。 1...426427428429430431432433434435436437438439440...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
私はこのような畳み掛けの "パターン "は、私には何もないように 見えた前に覚えている、hrenFxはさらに10年前にそのような指標をレイアウトし、私も自分のバージョンを作りました、しかし... それは本当に動作しません、少なくとも異なるTFの畳み掛けの投票と単純な亜種のためではありません。
履歴に入るシグナルがあり、分類する必要のあるインジケータがいくつもあり、それだけではできないことは理解していますが、NSの作業の結果はシグナルの確認ではなく、シグナルの発生そのものです。 申し訳ありませんが、バカなのかもしれませんが、私の貧弱な知識では、なぜできないのかがわかりません-あなたの記事を読んで。
ZZについては、通常のZZは現在の極限を示すものであり、理解できない...。
つまり、相場が上昇したら売るというシグナルは常に存在しますが、NSは過去の変動パターンに基づいてそれを確認する必要があります。
NSの利点は、履歴に蓄積された多くのパターンによってシグナルを確認または拒否することができ、互いに矛盾してはならず、取引シグナルが表示されたときにチェックされるということを正しく理解しているのでしょうか?
説明が長くなってしまいましたが、一般的にZZは不向きです。これは間違いなく私が言っていることです。そしてもうひとつ。
自分たちが何をしたいのかを決めなければならない。予測または分類する。アプローチは全く違いますが、ゴールは同じです・・・。
もう一度、記事を見てください。基本戦略は、マーケットを分析する時点を決めるだけでいいのです。つまり、イベントが発生したら、分析を開始するのです。イベントは何でもいいんです。
荷馬車が交差し、イベントが発生し、分析が始まったとします。
ある意味、その通りだと思います。ナショナルコンピューター自体がシグナルを出すが、基本戦略のシグナル形成時に動作することを考慮している。NSは根本的なストラテジーシグナルの確認または反証であることが判明した。というわけで、こんな感じです...。
まず375000本のバー履歴(M1の場合は1年分)を配列、つまりRAMにロードし(約30~60秒)、その後パターンの深さに応じて30~700msで通過させる。
もう一度言いますが、この課題にどう取り組むべきでしょうか。そこに魚がいるような気がするのですが...。
しかし、ここでは1つのパターンに対してネットワークを学習させることにする。あとは、NSを鍛えるだけです。
私の経験では、そうしない方がいいと思います。次のバーの値幅がわかっている場合は、それをニューロのターゲットにするのがよいでしょう。結局のところ、0と1の2つのクラスだけと比べると、増分は学習に役立つかもしれないいくつかの情報でもあるのです。それでも回帰予測の結果が2クラス(買い/売り)になるのであれば、学習段階で情報を捨ててしまうよりも、回帰結果を切り上げたほうがよいでしょう。
例えば、私のFXの回帰モデルは、分類モデル(Rでは分類と回帰の間の移行は実際には非常に単純で、分類は通常、すべてのターゲットが0と1に丸められるか、ターゲットがタイプ ファクターを持つ場合に自動的に有効になります)に置き換えると、多少なりとも機能するものが壊れます。
歴史上の類似パターンを検索するインジケータを作りました。ここでは、M1 EURUSDの現在の読み取りを示します。年の類似品ベスト10。https://www.mql5.com/ru/articles/197 の記事の例を少し作り直しました。最もよく似た1つの変種の代わりに、最もよく似た2つの変種を取り、答えを棒グラフで平均化しました。パターン検索には、終値だけでなく、この期間に価格が推移したチャネル、つまり安値と高値を使用します。Lowをスプレッドの値で上げる。
このように、歴史の中でこのパターンは、下降と上昇の両方の動きを与えている(グレーと濃い赤の線)。平均的な値動き(白線、赤線)がほぼゼロ(スプレッドより若干広い)、こんな予想で取引してはいけない、スプレッド、スワップ、手数料で損をすることになる。時には、片方に良い予測があっても、次のバーでは予測が逆転しているパターンもあります。この場合、ポジションを反転させると、スプレッドと手数料によって、最初の取引は再び不採算になります。
指標予測は回帰NCと比較されるが、回帰から分類器を作るのは簡単である。LowとHighに加え、任意のインジケータを追加することができます。
ニューラルネットワークは、この平均化指標と本質的に同じ ことをします。つまり、履歴(例えば1年)の中から似たような予測値(私の場合は価格だけ)を探し、平均的な予測をするのです。
履歴を見るだけの簡単な方法があるのなら、NSを使う意味はあるのでしょうか?彼らの強みは何でしょうか?
追記
さて、価格が同じパターンで両方向に行ったということは、ランダムなプロセスか、あるいは、図のように、チャートとNSユーザーの両方のパターンファインダーの戦略を直接壊して、予測を悪くしようとする、あるいはむしろ予測をゼロぐらいにしようとする人形仕掛けと考えることができる。
相関によるパターンを探しているのでしょうか? もしそうなら、空
現在、私のNS(テスト)を1週間取引していますが、あと1ヶ月ほどテストすれば、通常のお金に移行することが可能になります。総評:シンプルで堅牢なNSを1ヶ月で書き上げました。
相関関係でパターンを検索しているか?
2つの価格チャートを比較するための他のオプションが見当たらないのですが。他にどんな選択肢があるのでしょうか...?
これは私が学生に教えている主なことです。男は原則主義であり、曲げない。ある生徒(マキシム)には、力がなく、性格も悪く、女々しくて、震えていたのですが、あなたは成功します。
相関関係によって、すなわち求められたパターンの各バーにおける価格の差によって。それをバーの誤差と呼び、すべてのバーの誤差をまとめ、結果の誤差でソートし、Nベスト、つまり最も類似した変種を見つけることにしましょう。
2つの価格チャートを比較するための他のオプションが見当たらないのですが。他にどんな選択肢があるのでしょうか...?
最低限、チャートのアフィン変換をする必要があるのは、パターンが異なる傾斜角度(自己アフィン構造)であること、次に、異なる時間枠で検索することである。しかし、このようなことは、相関関係を利用する際には役に立ちません。収束型NS(コンピュータビジョン)の方が良いのでは?
実験したかったのですが、まだ手をつけていません。
予測ということでは、なかなか面白いテーマですね。そこで、歴史の裏側で発見された、パトレイバーがあるのです。今とまったく同じです。しかし、このパターンに対する市場の反応は明確ではありません。アップがあり、ダウンがある。
グラフからわかるように、同じパターンが何度も見つかっているので、いくつかの可能性があります。そこで、クラシフィケーションを活性化させる必要があるのです。しかし、ここでは1つのパターンに対してネットワークを学習させることにする。市場を拡大させたパターンには1を、市場を縮小させたパターンには0を付ける。このパターンが現れたら、その瞬間に入力値を投入し、NSが市場の成長パターンか衰退パターンかを判断する。
得られたN個のパターンは、所望のパターンと最大に類似し、かつ両者の差異が最小であるため、履歴から分割することはできないだろう。
しかし、3パターンの予測は予測誤差が33%、10パターンは10%、100パターンは1%程度になります(誤差の計算には、それぞれのパターンがオリジナルとどの程度違うかを含める必要があると思います)。
予測するテンプレートの最適な数を見つけることは、オプティマイザーに任せることができます。
N個のパターンは、目的のパターンに限りなく似ていて、その差も少ないので、履歴から割り出す方法はない。
違いを最小にしたいのであれば、最も似ている2-3個のテンプレートを探せばよいが、3パターンの予測では予測誤差=33%、10パターンでは10%、100パターンでは約1%(誤差計算では、オリジナルから見つかった各パターンの誤差を含めるべきだと思う)である。
予測に用いるテンプレートの数は、最適化担当者に任せればよい。