記事「ニューラルネットワークが簡単に（第59回）：コントロールの二分法（DoC）」についてのディスカッション
あまりにシンプルなので、すでに59記事もある😅。
ドミトリー、こんにちは。あなたが一連の記事で紹介しているすべてのモデルのトレーニングに何を使っているか教えてもらえますか？あなたのPCの正確な構成（ビデオカード、プロセッサ、メモリ）と、1つのモデルをトレーニングして結果を得るまでにかかる時間（数日、数週間）を教えてもらえますか？トレーニングは一晩中ですか、それとも日中だけですか？ありがとうございます。
膨大な量のアイデアを提供してくれた著者に感謝したい。
また、これらの記事は、ニューラルネットワークを訓練するための可能な方法の例としては適しているが、実践には適していないと思う。ニューラルネットワークを作成し、トレーニングするための著者独自のライブラリに投資された作業には本当に感謝している。ビデオカードを使用しても、実用的な目的で使用することはできないし、ましてやtensorflow、keras、pytorchと競合するものでもない。
これらの最新のライブラリの助けを借りて、著者のアイデアを徐々に適用していくつもりだ。
また、ニューラルネットワークを訓練 するための入力データとして指標を選択する必要がありますが、私はボリンジャーバンドが 最も成功しており、LSTMのようなリカレントネットワーク用の異なる設定で48のこのような指標を入力データとして使用しています。しかし、これは成功を保証するものではありません。私はまた、一度に28通貨ペアを訓練し、最良のものを選択しますが、これは成功を保証するものではありません。そして、ニューラルネットワークのレイヤー数や設定を変えながら、少なくとも20回は学習手順を実行し、各段階でストラテジーテスターでよい結果を示した最良のモデルを選択し、最悪のモデルを削除する必要があります。
最後に、例えば28ペアの中からベストの9ペアを選び、実際の口座で取引します。同時に、エキスパートアドバイザーはその武器庫でマニマネジメントも持っている必要があり、それはグリッドも傷つけません。つまり、ニューラルネットワークを使用しないアドバイザーの優れたアイデアのアシスタントとしてニューラルネットワークを使用することで、すでに賢くなるのです。
このテーマにとても興味があるんだ。
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
新しい記事「ニューラルネットワークが簡単に（第59回）：コントロールの二分法（DoC）」はパブリッシュされました:
前回の記事では、Decision Transformerを紹介しました。しかし、外国為替市場の複雑な確率的環境は、提示した手法の可能性を完全に実現することを許しませんでした。今回は、確率的環境におけるアルゴリズムの性能向上を目的としたアルゴリズムを紹介します。
DoC（dichotomy of control、コントロールの二分法）は、ストイシズムの論理的基礎です。それが意味しているのは、私たちの周りに存在するすべてのものは、2つの部分に分けることができるという理解です。最初の部分は私たちに従うもので、完全に私たちのコントロール下にあります。私たちは2つ目の部分をコントロールすることはできません。私たちの行動に関係なく、出来事は起こります。
私たちは前者の分野に取り組みながら、後者の分野を当然のこととして考えています。
「Dichotomy of Control」の著者たちも、同様の仮定をアルゴリズムに組み込んでいます。DoCによって、戦略のコントロール下にあるもの（行動方針）とコントロールできないもの（環境確率）を分けることができます。
作者: Dmitriy Gizlyk