Autoplay
Autocomplete
Previous Lesson
Complete and Continue
シストレ講座・応用編
バックテスト応用編
使用するコードとテキスト
はじめに〜VSCodeでipynbを使用する (2:43)
データ取得とバックテストの準備 (6:44)
成行の戦略 (6:09)
指値の戦略 (6:43)
機械学習
テキスト
ルールベース、機械学習、深層学習の違い (4:45)
人工知能、機械学習、深層学習 (2:30)
機械学習のモデルとはそもそも何をしているのか (6:53)
機械学習の種類〜教師あり学習、教師なし学習、強化学習 (2:37)
説明変数と目的変数 (1:13)
機械学習の流れ (1:52)
代表的なデータ分割方法 (2:08)
機械学習の評価指標 (10:59)
決定木モデル (2:28)
【参考】ライブラリの紹介 (1:02)
【参考】機械学習用語集 (2:47)
【コード】irisデータセットで機械学習を体験する (6:33)
【演習・コード】決定木で回帰分析を行う
相場データの特徴 (3:06)
相場データの加工方法 (3:32)
【参考】時系列データ (3:00)
【参考】定常性 (7:38)
【コード】ADF検定 (2:57)
【応用】時系列データの分割方法 (5:41)
Kfold法 (2:51)
【コード】Kfold法 (4:19)
不均衡データのへの対応 under sampliong over sampling (1:41)
【コード】不均衡データのsampling (1:04)
【参考】予期せぬ過学習について (2:34)
【参考】lightGBMの特徴 (2:19)
【参考】lightGBMパラメータ (4:08)
特徴量の重要度 (1:30)
【コード】lightGBM feature importance (3:29)
ハイパーパラメータの自動調整 (0:42)
【コード】optuna (3:47)
【コード】ml_sample解説 (17:39)
【コード】ml_sample 戦略解説補足 (2:20)
【参考】オーバーフィットへの対処 (3:06)
【参考・コード】データのスケーリング、ダミー変数化 (3:06)
【応用】予測と執行 (2:14)
【参考】機械学習 応用
【特典・コード】オリジナルフレームワークで機械学習の分析を行う (23:34)
エッジ探索編
初めに エッジ編について (4:51)
現物と先物 (6:47)
LongShort比率 (1:43)
板(orderbook) (3:22)
OI（OpenInterest)建玉 (2:32)
tradingliteでエッジを解説する (13:33)
不均衡データのへの対応 under sampliong over sampling
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock