かぴぱら (@kapipara180)さんの最新ツイート。BTCFXを主戦場にしています/機械学習/自然言語処理/自動売買/FX/BTCFX はじめに mmbotです。mmbotですよみなさん。 BOTというと、テクニカル指標(移動平均やRSIやストキャスティクス等々)を組み合わせて、買いと売りのシグナルを見極めて売買するものがほとんどです。それらのBOTの根底にあるのは「上昇や下落の値動きを予測して値幅を取ることで利益を上げる」という考え方です。 これに対し、最近(2018/4ぐらいから?)脚光を浴びているmmbotは前述したBOTとは根底にある考え方が違います。mmbotはまるで取引所側の人間であるかのように、マーケット参加者からスプレッドを徴収します。こんな稼ぎ方があったのか!と衝撃を受けました。ここでは、mmbotについて調べた内容や私なりの考察を書こうと思います。(ちなみにタイト
Overview of the complete architecture.Link to the complete notebook: https://github.com/borisbanushev/stockpredictionai In this notebook I will create a complete process for predicting stock price movements. Follow along and we will achieve some pretty good results. For that purpose we will use a Generative Adversarial Network (GAN) with LSTM, a type of Recurrent Neural Network, as generator, and
最近、BTC-FXのbotを作成するためにマーケットメイク戦略を勉強していました。 そもそもマーケットメイクとは、通常の顧客同士の注文をマッチングさせるオークション方式に対して、取引所より資格を得た値付け業者が常時指値を提示して顧客と業者の間で取引を行う方式を指します。 かつてJASDAQがこの方式を採用していましたが、2008年に廃止されています。 現在でいうマーケットメイクとは、オークション方式の市場において大量の指値を供給することでその見返りとしてスプレッド分の利益を得る、という戦略を指すことが多いようです。 今回は私の備忘録としてマーケットメイク戦略の概要をまとめたものを公開します。 1.参考文献 マーケットメイクにおける数学的理論は以下の洋書2点を参考としています。 「High-Frequency Trading: A Practical Guide to Algorithmic
最近新卒2~3年目くらいの子が新しくディレクターに任されたけど、どうすればうまくできるのかと悩んでいたので、ディレクターとはこういうものだよという説明をした。本人はとても納得したようで良かったと思ったが、考えてみれば私も最初はすごく苦労したし、今でも仕事をするたびに「本当にこれで良いのか」と悩み続けている。 今回この記事を書こうと思ったのは、困っている人にこれ読むと良いよというようなリファレンスがなく、新卒に「ディレクターとは何か」を説明するにしても必要となるタイミングがみんなずれるため全員に説明するとすごいコストがかかる(現実的ではない)からだ。 そして、本題の結論を先に書いておく。 ・ディレクターは、不確実性と戦う職業だ ・面白いゲームを作るためには「面白さの探索と不安のトレードオフ」に向き合う必要がある これは私の解釈であり、絶対の正解ではない。ただこういうものは、違う表現で違う人か
The education process is full of unpleasant surprises for learners. All students can confirm our statement. They face many common issues, such as the complexity of subjects and assignments, time management, or weak skills. Sometimes, they realize that a concrete task or topic needs to be simplified. These issues lead to a loss of grades. No one wants to lose grades; thus, students look for particu
Advertisers & Marketers eCommerceAffiliate MarketingLanding PagesLead GenerationMarketing AttributionNative AdvertisingBrand AwarenessContent MarketingPerformance MarketingTaboola Best PracticesProgrammatic MarketingVideo MarketingDriving TrafficAgenciesResearch & ReportsMore.. Publishers Case StudiesData & TrendsRevenue Optimization Company Big DataCultureData ScienceJavaJavascriptMachine Learnin
EC事業の支援をしていると、EC事業のサプライチェーンの歪みをとても感じます。特に物流についてはかなり死活問題になっている現状です。 EC事業は「マーケティング力がどんだけあるか」という点が注目されがちですが、物流のオペレーションを軽視して、新規獲得し続けているとオペレーションが崩壊してクレームの嵐になって社内業務がパンクし、悪循環が生まれることがほんとに多いです。 なぜ軽視されてしまうかというと、物流の場合はコストセンターなので、アウトソーシングされることがほとんどです。そのため受注から出荷までの一連の業務がEC事業者からは見えなくなり、アウトソーシング先のキャパシティーについて、考慮が不足することがよくあります。 「物流は外注に丸投げしているから大丈夫」みたいに思っているEC事業者の方は、ぜひ物流の勉強に時間を割いて欲しいです。 ということで、EC物流のオペレーションについてまとめてみ
BTC1MhJJKDEdRTPjDK6oRjq7LYF8nvc6nwT9X ETH0x878330469300301859ca7549869b66e98a08511c LTCLLpKbWkJ8FUtvzRdj8wgwBYu3XyBVmqMSL BCHqq6cc539pekzs9hhjekrptecd8u9umfpjgf85tyy6e DASHXnePqvwndoiKUmpwccZ8qtGjF6BBAwj6xD ETC0xb45b3de6780a07cacde2249df4a5068bd10860f4 XVGDBgKdG6SwwvY85VeKrp6VkxBjXGZnKhsta For the last 56 months, we have enjoyed working relentlessly to build a service we feel the crypto community
『戦後経済史』が刊行されます(日本経済新聞出版社、2019年4月1日)。「はじめに」「プロローグ」「第1章」を全文公開します。なお、本書は,『戦後経済史』(東洋経済新報社、2015年6月)を文庫化したものです。 ◇ 私は3月10日を生き延びた 私の記憶は、1945年3月10日の深夜に始まります。 猛火で赤く染まった空を背景に、B29の大編隊がこちらに向かってくる。圧倒的な力を持つ敵が、私たちを殺しに来た。それに対して、どうすることもできない。その極限の恐怖を、いまでもはっきりと思い出します。 私たち5人の家族(私、母、祖母、姉、妹)は、近くの小学校の地下防空壕に向かって逃げました。全員が防空頭巾をかぶり、幼かった妹をうば車に乗せ、途中でお地蔵様の前を、本当に転げるように走り抜けた記憶があります。そして、まったくの偶然によって生き延びたのです。 私たちと同じ防空壕に逃げ込んだ人々の大部分は、
本稿はとある展示システムを制作するにあたり、「8つのFull HD映像をフレーム同期してプロジェクター投影する」という必要があり、結果、入手性のある機材で実現するソリューションが確立できたので、記載しておきます。 フレーム同期してプロジェクター投影する 本システムでは、複数投影映像を合成して1つの映像を生成するため、その複数投影映像が完全に同期して投影される必要がある。本件のシステムでは(最低4つ)8つのFull HD (1920 x x1080 60p) 映像を同期する必要があった。 映像同期おいては主に PCからの送出信号の同期 プロジェクター側の映像出力の同期 の2つが重要である。後者の「プロジェクター側の映像出力の同期」は、別項プロジェクター選定に関して機会をみて記載するが、今回はプロジェクターへの映像信号が同期していれば、投影される映像も同期する、という仮定で説明する。 PCから
HistWords: Word Embeddings for Historical Text William L. Hamilton, Jure Leskovec, Dan Jurafsky HistWords is a collection of tools and datasets for analyzing language change using word vector embeddings. The goal of this project is to facilitate quantitative research in diachronic linguistics, history, and the digital humanities. We used the historical word vectors in HistWords to study the se
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
処理を実行中です
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