PoloniexでMarginTrade - Pythonと機械学習
目次 目次 はじめに 解説ページの和訳 マージントレード アカウント ポジション マージンアカウント 強制ロスカット マージントレードをするためには? ローンを提供して利子を得るには? はじめに 現物買いだけだとボットの運用成績が悪いので空売りができるマージントレードにチャレンジしてみたいと思います。 マージントレードをする場合はマージントレード専用の口座に資金を移す必要があります。 取りあえず実際やって見たところ、思ったより簡単でした。これはFXです。 要するに自分が持っている資金(マージントレードアカウントに入っている資金)を担保にして、コインを借りることができ、そのコインを使って空買い空売りができるということですね。 強制ロスカットもあるので、資金がマイナスになることもなさそうです。Poloniex.comのマージントレードの説明ページを見る限り、損失が証拠金の半分まで膨らむと、強制
再帰型強化学習 - Pythonと機械学習
目次 目次 はじめに 再帰型強化学習のアルゴリズム Pythonで実装してみる 検証結果 シャープレシオの推移 過去の期間Tでの学習結果 未来の期間Tでの取引シミュレーション結果 はじめに こちらのブログで紹介されている、再帰型強化学習を使ってFXトレードをしてみるという記事が面白そうだったので試してみることにしました。 再帰型強化学習について知識はゼロですが、取り敢えずやってみるというのが大事じゃないかと思います。 強化学習とは機械学習の一種で、エージェントがアクションを起こして、そのアクションによって報酬をもらえるというような仕組みみたいで、各アクションでもらえる報酬を最大化するように学習を実施するという物らしいです。 更に再帰型なので、なんかよくわからなくてすごそうです。英語(Recurrent Reinforcement Learning)の頭文字をとってRRLと呼ばれてるみたいで
RRLをMT4で試してみる - Pythonと機械学習
目次 目次 はじめに RRLを実装したEA コードの解説 パラメータ説明 コードの流れ バックテスト結果 はじめに 3月はじめから書いているRRLシリーズも今回で5回目になりました。 今回はRRLをMetatrader4のEAに実装してみようと思います。 いきなりこの記事を読んだ人には何のことかさっぱりわからないと思うので、一応背景説明も。 再帰型強化学習(RRL)というアルゴリズムを株取引に適応すると結構いいらしいです。そこでRRLでFX取引をしたらどうなるのかという試みです。 詳細は過去記事を参照の事。 RRLを実装したEA 最近のEAはクラスを作れるんですね～。前々回RRLをC++で実装しましたが、mqlは文法がほぼC++でして、C++で書いたクラスが殆どそのままコピペでいけました。 追加で内積を求めるdot関数を作ったり、ハイパブリックタンジェントが無かったのでtanh関数を作った
RRLの学習にGAを使ってみる - Pythonと機械学習
目次 目次 はじめに RRLスクリプト スクリプトの変更点 重みの変更範囲の設定と学習の実施 GAによる学習結果 シャープレシオの推移 過去の期間Tでの学習結果 未来の期間Tでの取引シミュレーション結果 過去10回分のアクションを入力してみる シャープレシオの推移 過去の期間Tでの学習結果 未来の期間Tでの取引シミュレーション結果 まとめ はじめに 前回、前々回で遺伝的アルゴリズム(Genertic Algorithm: GA)について書きましたが、そもそもの動機はこのGAを機械学習の重み最適化に使えないだろうか?というものでした。 例えばですが、RRLの再帰部分は通常1回分の過去のアクションを入れてやりますが、過去10回分のアクションを入力するモデルにしたらもっと賢いエージェントになるんじゃないかな？と思ってしまいます。(あまり根拠はないですが直感的に。。) RRLの詳細についてはこちら
人工知能によるシステムトレードを計画する (1) - Qiita
突然ですが皆さんは業務システムを開発するとき、どのような手順を踏んでいますか。 要件定義や設計をおこなわずいきなりプログラムを開発するでしょうか。おそらく、そんなことはしないと思います。 そしてこれは人工知能や機械学習といった新しい手法を現行の業務に適用するときも一緒です。まず現行の仕組みをよく理解し、人間がなにをどのように認知してどう判断しているのか、明確なロジックとしてひも解いていく必要があります。 このようなフェーズでは取り組んでいる内容やその成果もあいまいになりがちです。たとえば、コンサルタントに高い費用を支払った上、成果としてはあまり得るものがなかったという経験をした方もいるのではないかと思います。 そのような事態をあらかじめ避け、やみくもに流行りのワードに飛びつくのではなく、現実の仕組みをよく分析し、理解した上で新技術の適用をおこなうというフェーズを経なくてはなりません。 人工
TA-Lib と pandas によるテクニカル指標の算出 - Qiita
Python で金融データを収集し分析するにあたり、テクニカル分析における代表的な指標を算出するにあたってはライブラリとして TA-Lib があります。以前に書いたように pandas で株式の日足データ (= 日ごとの始値、高値など) を分析する場合、代表的なさまざまな指標を算出するにはすべて自前で実装するよりライブラリを使ったほうが便利ですし安心です。 TA-Lib http://ta-lib.org/ TA-Lib を使えるようにする この TA-Lib を Python で利用するには Python 用のバインディングが用意されています。 インストール方法 http://mrjbq7.github.io/ta-lib/install.html インストール方法は簡単でソースの tar ボールをダウンロードして make install すれば良いです。上のリンク先では --pref
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
