遺伝的アルゴリズムで、 trail start trail width trail減衰率 が、Val 10週 x 12 のデータで探索できるじゃないか よひ #機械学習 #ドル円

直近2週間では、TP/SL 19/25 = 43% 理論勝率38% Val 41%なので、オントラックっ Trailで若干取りこぼしているので、Trail幅の減衰を導入する #ドル円 #機械学習

#ドル円 荒ぶってきましたね 通常時で取れるならば、ワザワザこんなノイジーな時は、回避っ と言いつつ、Lot 1万通貨に落として稼働です。トレード回避するのかのデータだけは取る。閾値高めだから発動しないはず。 介入気配の区間は　#機械学習　には考慮されていないコンテキスト

本当の正解は、こんな変な期間は、人間が停止=マスク期間にするのが正解かな 未来でも一貫して同じ運用で

介入？　#ドル円

こんなけ動いたら、介入でも介入じゃなくても、同じｗ #ドル円

大数の法則が１番頼りになるね。 大量の学習データからNNで見出された法則 バックテストの結果の信頼性 フォワード結果の良し悪し 大数、数が多くないといけないです。 #機械学習

小学校の職員室かよ と毎回思っています #ドル円　#為替介入

小泉構文ｗ 連休は続いている #為替介入　#ドル円

強化学習を試してみたが、今回は適切でないようだ。 Top K 上位を選抜するお題なので。 遺伝的アルゴリズムGAで、選抜する方が良いようだ。 期待pips回帰NNモデル + GA最適化 かな。 #機械学習 #ドル円

バックテストが、「結果が良いものを選んでる」選択バイアスになっている。 選択した時点で選択バイアス。 リアルでやった方が、真の評価。 バックテスト、リアルの後に、評定しましょうｗ #ドル円　#機械学習

あと、2010年以降は、現在から遠過ぎる。 環境、分布、データの性質が変わっている。

GPT提案の Percentile 99.5%以上 and Min thrは、非採用で。 やり過ぎると、オーバーフィッティングになる。 Percentile自体もレジームにより、良し悪しか。 GPT提案の改善を色々追加しても上がりはしないので、メインの設定が最適なのかな。

#為替介入 時の秒足を学習データに追加した。 とは言っても、発生頻度がほぼ無いので統計の海に沈むけどね。

#ドル円 #為替介入 なう

ニューラルネットワークで次の結果ではなく、期待値を計算 Xが与えられたときのYの条件付き期待値E[Y|X]を学習 特徴量エンジニアリングによって、定常的またはほぼ定常的な入力値を生成、目的変数も、おおよそ定常的になるように構築 モデルの期待される方向性精度は52～57% #ドル円 #機械学習

自前では、以下を追加しています。 条件付き期待値pips回帰NNモデル 取引と同じリアルBid Ask Spread学習データ 短期間ウインド Train Valの多数パターン 選択バイアスの低減 遺伝的アルゴリズム探索 11モデルのアンサンブル 2週毎の追加学習 最後だけ、「野生の感w」の手動Lotサイズ調整 #ドル円

実は、野生の感/勘が、重要だったりしますw 今日ずっと強い下落...とか #為替介入 クルクル詐欺とか 通常期間に取れていれば、一部の異常期間は、マスク期間で無かったことにしても、結果はほぼ変わらないという安心感

期待値スコアの付け方の工夫 Huber Loss関数 Rank wise順位付け Weighted重み付け Leaky ReLU Top-k 上位のみ採用 などが、GPT提案の大体の全てを試行して、最近たどり着いてきたモデル構成です。 #ドル円 #機械学習

”最新Transformer系がCNNに負けた — 自然言語処理ではTransformerが圧倒的だが、金融時系列ではそうではなかった” ”シンプルなDLinearも上位 — 複雑なモデル=高精度ではない” やはり、この状態なら、100、1000回なら、どっちに偏っているかだけが判れば良いと睨んでいる。 それ以上は、過学習