記事「機械学習に基づく平均回帰戦略の作成」についてのディスカッション
批判的な意見ではないが、やはり箱から出してのウォーゲームは避けたい。
Savitsky-Goleiフィルタと通常の移動平均との主な違いは、価格に対してラグがない ことである。
最後の値が再描画される可能性がある ため、非定常時系列にこのフィルタをオンラインで使用するのは間違いであるが、既存のデータで取引をマークするには非常に適している。
なぜZZではないのか？
確かに、ちょっとした説明を見つけた。
このマークアップには特徴がある：
- というのも、リボンを横切った後の価格変動は、常に反対方向に進むとは限らないからです。そのため、売りと買いを偽ってマークされる例もある。
- 理論的には、この欠点は、マークアップが均質で非ランダムであるという事実によって補われる。したがって、誤ってマークされた例は、学習 または取引システム全体におけるエラーとみなすことができ、その結果、出力における再学習を少なく することができる。
分布における歪度（または歪度）は、データの分布がその平均に対して非対称である度合いを記述する特性です。歪度は、分布がどれだけ対称分布（例えば、正規分布）から逸脱しているかを示します。歪度は、歪度係数（歪度）を用いて測定されます。Кластеризация по скосу 、類似した分布特性を持つデータのグループを識別することができ、これらのモードを識別するのに役立ちます。例えば、歪度が正であれば、稀ではあるが大きな価格スパイクのある期間（例えば、危機の間）を示し、歪度が負であれば、よりスムーズな変化のある期間を示すかもしれません。
表面的な見方かもしれませんが、傾きによるクラスタリングは未来を覗き見るものではないでしょうか？
市場のクラスタリングは、時間、スライディングなど、リアルタイムの特徴によって行われるべきだと思いました。
- catmodel EURGBP_H1 0.onnx — основная модель, которая дает сигналы на покупку и продажу
- catmodel_m EURGBP_H1 0.onnx — дополнительная модель, которая разрешает или запрещает торговлю
ここまで読んで、原点がどこにあるのか理解できなかった。
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「機械学習に基づく平均回帰戦略の作成」はパブリッシュされました:
クラスタリングをおこなう前に、そもそもなぜそれが必要なのかを明確にする必要があります。トレンド、レンジ、高ボラティリティ期間、低ボラティリティ期間、さまざまなパターンや特徴を含む価格チャートを想像してみてください。価格チャートは一様なものではなく、常に同じパターンが存在しているわけではありません。むしろ、時期によって異なるパターンが出現し、別の期間では消滅することもあると言えます。
クラスタリングを用いることで、元の時系列を特定の特徴に基づいて複数の状態に分割し、それぞれの状態が類似した観測値を表すようにできます。これにより、より均質で類似したデータに対して学習をおこなえるため、取引システムの構築が容易になる可能性があります。少なくとも、そのように考えることができます。当然ながら、この場合取引システムは全期間の履歴データで動作するのではなく、与えられたクラスタに属する値のみから構成される、時間的に分散した選択的な部分データ上で動作することになります。
クラスタリング後は、選択されたサンプルのみにラベル付け（固有のクラスラベルの付与）をおこない、最終モデルを構築します。クラスタが類似した観測値からなる均質なデータを含んでいれば、そのラベル付けもより一貫性のあるものとなり、結果として予測可能性が高まります。複数のクラスタを取得し、それぞれを個別にラベル付けしたうえで、各クラスタのデータに対して機械学習モデルを学習させ、学習データおよびテストデータで評価できます。モデルが十分に学習し、新しいデータに対して汎化および予測できるクラスタが見つかれば、取引システム構築の課題は実質的に完了したと言えます。
作者: dmitrievsky