記事「取引におけるニューラルネットワーク：多変量時系列予測のためのLSTMの最適化（最終回）」についてのディスカッション - ページ 3 123 新しいコメント Vladimir Sanin 2025.05.23 11:02 #21 Vladimir Sanin #: | Researchで1か月間、5分間のデータを処理したところ、300MBのDACGLSTM.bdが生成された。Studyを実行した。エラー率が恐ろしいほど高い。それとも、最初の実行としてはこれが普通なのだろうか？ Study終了後、.nnw形式のニューラルネットワークファイルが生成されました。データ収集のループを再度実行したところ、翌月にはすでにResearchが取引を行わなくなってしまいました…… Vladimir Sanin 2025.05.24 11:59 #22 やった！数週間にわたる試行錯誤の末、ついにStudyのエラー値が正常に戻った！これでニューラルネットワークが本格的に学習できるようになった。 報酬とペナルティのアルゴリズムを拡張する必要がありました また、Trajectoryの入力パラメータも大幅に調整する必要がありました Aleksei Kuznetsov 2025.05.24 19:07 #23 Vladimir Sanin #:やった！数週間にわたる試行錯誤の末、ついにStudyのエラー値が正常に戻りました！これでニューラルネットワークが本格的に学習できるようになりました。 さて、ここからが最も興味深いところだ――新しいデータでどのように取引を行うか……。現在は木モデルを扱っているが、それの方が理解しやすい。しかし、新しいデータでは有意な特徴量がないため、取引はほぼランダムな状態になっている。 Vladimir Sanin 2025.05.24 23:10 #24 Forester #:さて、ここからが最も興味深いところだ――新しいデータを使ってどのようにトレードしていくか……。私はウッドモデルを扱っているが、そちらの方が理解しやすい。しかし、新しいデータでは、有意な特徴量がないため、トレードはほぼランダムになってしまう。 実際の取引までにはまだ道のりがある）Research-Studyを数回繰り返すと、取引が非常に早く決済され始める。ニューラルネットワークは利益を上げるのではなく、生き残ることを学んでいるのだ。そして、取引期間が短いほど、ペナルティが少なくなると認識しているようだ。 試行錯誤は続いています。報酬とペナルティのアルゴリズムを正しく構築する必要がありますが、これがどうやら最も難しいようです。今のところ、単に厳格に制限を試みています。例えば、ストップやテイクを閾値以下に設定できないようにしています。 また、取引が開始直後に決済されないよう、取引の最低存続時間を制限するよう試みている。LLMとしてはGrokかChatGPT 4.1を使っているが、時折とんでもなく間抜けなことをして、頭を抱えてしまう。それでも、少しずつではあるが進展は見られる。 学習サイクルに多くの時間がかかっています。誰かと力を合わせられれば良いのですが、この分野は非常に将来性があります。 Vladimir Sanin 2025.05.24 23:39 #25 要するに、部分的な決済、フィルターによる決済、そしてトレーリングをすべて無効にした。これでニューラルネットワークは、ストップとテイクプロフィットを設定して単純にポジションを建てるようになった。これで、単に生き残ることだけを優先して性能が低下しないことを願っている。 パターンを見つけられるようになるかどうか、様子を見てみよう。 123 新しいコメント 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
|
Researchで1か月間、5分間のデータを処理したところ、300MBのDACGLSTM.bdが生成された。Studyを実行した。エラー率が恐ろしいほど高い。それとも、最初の実行としてはこれが普通なのだろうか？
Study終了後、.nnw形式のニューラルネットワークファイルが生成されました。データ収集のループを再度実行したところ、翌月にはすでにResearchが取引を行わなくなってしまいました……
やった！数週間にわたる試行錯誤の末、ついにStudyのエラー値が正常に戻った！これでニューラルネットワークが本格的に学習できるようになった。
報酬とペナルティのアルゴリズムを拡張する必要がありました
また、Trajectoryの入力パラメータも大幅に調整する必要がありました
やった！数週間にわたる試行錯誤の末、ついにStudyのエラー値が正常に戻りました！これでニューラルネットワークが本格的に学習できるようになりました。
さて、ここからが最も興味深いところだ――新しいデータでどのように取引を行うか……。現在は木モデルを扱っているが、それの方が理解しやすい。しかし、新しいデータでは有意な特徴量がないため、取引はほぼランダムな状態になっている。
さて、ここからが最も興味深いところだ――新しいデータを使ってどのようにトレードしていくか……。私はウッドモデルを扱っているが、そちらの方が理解しやすい。しかし、新しいデータでは、有意な特徴量がないため、トレードはほぼランダムになってしまう。
実際の取引までにはまだ道のりがある）Research-Studyを数回繰り返すと、取引が非常に早く決済され始める。ニューラルネットワークは利益を上げるのではなく、生き残ることを学んでいるのだ。そして、取引期間が短いほど、ペナルティが少なくなると認識しているようだ。 試行錯誤は続いています。報酬とペナルティのアルゴリズムを正しく構築する必要がありますが、これがどうやら最も難しいようです。今のところ、単に厳格に制限を試みています。例えば、ストップやテイクを閾値以下に設定できないようにしています。 また、取引が開始直後に決済されないよう、取引の最低存続時間を制限するよう試みている。LLMとしてはGrokかChatGPT 4.1を使っているが、時折とんでもなく間抜けなことをして、頭を抱えてしまう。それでも、少しずつではあるが進展は見られる。 学習サイクルに多くの時間がかかっています。誰かと力を合わせられれば良いのですが、この分野は非常に将来性があります。