記事「PythonとMQL5でロボットを開発する（第1回）：データ前処理」についてのディスカッション - ページ 3

新しいコメント
 
Maxim Dmitrievsky #:

その場合、価格は擬似的な定常相場でなければならない。これはトレンド市場では観察されない。

では、増分を予測しよう。では、増分の増分を見てみよう。擬似定常相場だろうか？

しかし、増分値を予測できるようになったということは、その派生物である価格も予測できるようになったということだろうか？

 
fxsaber #:

私はMOでは0点なので、記事を頼りにしています。

私の理解が正しければ、オートマトンは人間の選択の幅を広げたものだ。人間が累積量を選択できるのであれば、オートマトンはそれ以上だ。

重要なのは、モデルに投入される特徴は擬似的に定常でなければならないということです。そうでなければ、モデルは新しいデータに対して正しく機能しません。これは分類器の限界である。

データは、新しいデータでも持続する値のランクで表現されなければなりません。この条件が満たされないと，モデルはこの範囲を超えたときに境界値に固執します．

例えば、常に0または常に1を予測します。
 
fxsaber #:

よし、増分を予測しよう。では、インクリメントのインクリメントを測ってみよう。それらは擬似定常なのだろうか？

しかし、増分値を予測できるようになったということは、その微分値である価格も予測できるようになったということ だろうか？

そうだ。

 
Maxim Dmitrievsky #:

の場合、データは値の範囲で表現されなければならず、これは新しいデータに対して保存される。この条件が満たされない場合、この範囲を超えるとモデルは境界値に固執する。

つまり、これらの符号は明らかに捨てられるべきなのでしょうか？

    # Add simple features
    raw_data['raw_SMA_10'] = raw_data['close'].rolling(window=10).mean()
    raw_data['raw_SMA_20'] = raw_data['close'].rolling(window=20).mean()

なぜなら、これらは簡単にトレーニング区間外の値に達する可能性があるからです。

 
fxsaber #:

では、この看板は廃棄されることになっているのか？

なぜなら、これらの符号は訓練区間外の値になりやすいからだ。

そう、始値と同じように使えない。

いや、使えない。技術的には可能ですが、新しいデータでモデルが失速するリスクがあります。

もし、近い将来にレンジを超えないというビジョンがあるのなら、それは可能です。

 
分類学習は、価格、リターン^1、リターン^2、...という特徴が同じものであることを認識する。つまり、これらの間には明確な関係があり、したがって、このリストから1つの属性だけが残るはずである。
 
Maxim Dmitrievsky #:

近い将来、彼らがその範囲から外れることはないだろうというビジョンがあれば、できる。

金や暗号はこれに適していない。

 
fxsaber #:
分類学習は、価格、リターン^1、リターン^2、...という特徴が同じものであることを認識する。つまり、これらの間には明確な関係があり、したがって、このリストから1つの属性だけが残るはずである。

同じではありません、まだ違いがあります。解決策は属性の総数に依存する。数が多すぎる場合は、整理することができる。そうでなければ、問題なく残すことができる。さらに、これらはわずかに異なっており（異なるラグでインクリメント）、モデルに追加の有用な情報を提供することができます。

Priceは上記の理由で削除した。
 
fxsaber #:

金や暗号通貨はその資格がない。

あまりあてはまらないので、すべての兆候は少なくともデトレンドにある。

 

MOはスーパーコンピューティング能力と記憶力を持つ存在（メガ・ヒューマン）という位置づけのようだ。

普通の人がどんなサインでTCを作るのか。インクリメントのグラフを見て予測しようとする人を見たことがない。

12345678
新しいコメント