일반적으로 모든 것이지만 뉘앙스가 있습니다. 내가 시도한 최적화 프로그램은 가중치에 대처할 수 없습니다. 모든 결과가 평균 오류를 최소화하기 위해 0.5와 같을 때 특정 로컬 최소값을 찾으면 이에 고정됩니다. 여기에 어떤 종류의 트릭을 적용해야 하며 더 이상 진행하지 않았습니다. 뉴런의 구조가 더 복잡할수록 더 많은 가중치가 있고 최적화 알고리즘이 선택하기가 더 어려워집니다. 큰 뉴런에서는 단순히 둔감해지고 초기 결과를 거의 개선하지 않습니다.
얼마 전 MT 옵티마이저에 대해 논의한 스레드에서 R의 슈퍼 알고리즘을 시연하지 않았습니까? 그는 잘하고 있지 않습니까?
답은 그렇게 간단하지 않습니다. 예를 들어, 여기 뉴런이 있는 한 가지 방법이 있지만 뉴런이 어떻게 작동하는지, 어떤 공식이 포함되어 있는지 등을 이해해야 합니다.
간단한 뉴런이 있다고 가정 해 봅시다 ...
код
위의 코드는 옵티마이저에 넣을 수 있습니다 ...
어떤 열정을 말하는 건가요?
그리고 비밀이 아니라면 왜 등받이가 맞지 않았습니까? 좀 더 정확히 말하면 하나의 레이어와 하나의 타겟의 경우 모든 것이 크게 단순화됩니다. 반복적으로 수렴, 델타 규칙 또는 Heb 규칙이 호출될 때까지 가중치에서 입력을 곱한 오차를 반복적으로 빼야 합니다. 정확히 기억하십시오. Wt = Wt-1 - lernrate*error*Input, 기본적으로 일반 경사 하강법
안드레이 딕 : 얼마 전 MT 옵티마이저에 대해 논의한 스레드에서 R의 슈퍼 알고리즘을 시연하지 않았습니까? 쟤 잘하는거 아니야?
나, 예, 아니요.
독성 :
그리고 비밀이 아니라면 왜 등받이가 맞지 않았습니까?
경사 하강법을 수행할 수 있지만 각 특정 훈련 예제에 대한 대상이 필요합니다. 훈련 예제에 대한 결과를 계산하고 결과가 실제에 더 가깝도록 도함수 방향으로 가중치를 당깁니다. 그리고 차례로 모든 훈련 예제를 켭니다.
그리고 이 코드는 목표가 정의되지 않고 뉴런에게 수익성 있는 거래를 가르치고 싶을 때 무엇을 해야 하는지에 대한 질문에 대한 답변이었습니다. 이익이 플러스가된다면 어디에서 사는 것이 더 낫고 어디에서 파는 것이 더 좋은지 그녀가 스스로 알아내게 하십시오. 글쎄, 우리는 막대 단위로 ohlc 증분을 주고, 다음 막대에서 무엇을 할 것인지에 대한 예측을 얻고, 예측에 따라 거래를 시뮬레이션하고, 거래의 급격한 비율을 찾습니다. 이 예리한 비율은 전체 초기 데이터 집합에서 뉴런에 제공되는 유일한 추정값입니다. 옵티마이저는 날카로운 비율이 증가하도록 뉴런의 가중치를 최적화합니다. 이제 예리한 비율과 관련하여 가중치의 기울기를 찾으면 기울기 하강도 할 수 있습니다. 맹목적으로 가중치를 변경하는 것보다 훨씬 낫습니다.
더욱이, 가격이 반대 방향으로 움직인다는 점은 흥미롭습니다. 절대적인 측면에서 균형 자체와 관련이 있는 것이 아니라 균형 변화의 역학에 상대적인 것입니다...
유동성이 매우 높은 다른 시장에도 정확히 동일한 메커니즘이 존재하며, 동일한 잔액은 예를 들어 주문서를 통해 다른 방식으로 볼 수 있습니다. 나는 많은 사람들이 이것을 이미 알고 있다고 확신합니다. 나는 이것을 아마 6년 동안 알고 있었다고 고백합니다. 그러나 모르는 사람들을 위해 썼습니다. 그것은 그들에게 유용하고 흥미로울 것입니다.
또한 균형이 시장을 주도하기 때문에 가격이 아닌 균형을 더 잘 예측할 수 있다는 아이디어를 접할 수 있습니까? 어떤 식으로든 방향성 전략에서 가격 예측은 미래에 입찰자의 행동을 예측하는 것에 지나지 않습니다. 아무리 진부하고 엉터리로 들리더라도 군중을 예측할 수 있는 방법에 대해 생각하기 시작하면 이미 더 흥미로워집니다. .... 군중을 이해하려면 먼저 우리가 군중이기 때문에 자신을 이해해야 한다고 생각합니다. 군중을 어떻게 계산할 수 있습니까? 누가 생각이 있어?
The following graph shows the historical trend of long-short positions on fxTrade platform alongside the market price for the selected currency pair and time period. Note the Net Position graph is calculated by subtracting the percentage of short positions from long positions. For example, a net position of +20% for EUR/USD means percentages of...
나는 33의 예를 사용하여 33과 같은 명백하고 예시적이며 아름다운 대상 변수가 그런 것이 아니며 더 자세히 살펴보면 극복할 수 없는 장애물로 가득 차 있음을 보여주기 위해 여러 번 시도했습니다.
예측 변수에 대해 이야기한다면 평생 경제학을 다뤄온 사람으로서 다음과 같은 사실이 매우 분명합니다.
예측자는 목표 변수와 관련되어야 함 - 목표 변수에 대한 예측 능력
예측자는 목표 변수를 선행해야 합니다.
경제 예측과 외환 예측을 위한 이 두 가지 기본 사항을 해결하는 데에만 집중한다면 성공은 이 두 가지 매개변수에 의해서만 제공될 것입니다. 그리고 대상과 예측 변수에 가장 적합한 모델을 선택하면 성능을 약간만 향상시킬 수 있으며 재학습 없이 모델의 수명에 대해 합리적인 고려 사항을 제공할 수 있습니다.
다시 한 번, 나는 당신이 목표 변수와 이 특정 목표 변수에 대한 예측 변수의 정당성에 집중할 것을 촉구합니다.
그리고 이 코드는 목표가 정의되지 않고 뉴런에게 수익성 있는 거래를 가르치고 싶을 때 무엇을 해야 하는지에 대한 질문에 대한 답변이었습니다. 이익이 플러스가된다면 어디에서 사는 것이 더 낫고 어디에서 파는 것이 더 좋은지 그녀가 스스로 알아내게 하십시오. 음, 막대 단위로 ohlc를 증가시키고, 다음 막대에서 무엇을 할 것인지 예측하고, 예측에 따라 거래를 시뮬레이션하고, 거래의 급격한 비율을 찾는 것과 같습니다. 이 예리한 비율은 전체 초기 데이터 집합에서 뉴런에 제공되는 유일한 추정값입니다. 옵티마이저는 날카로운 비율이 증가하도록 뉴런의 가중치를 최적화합니다. 이제 예리한 비율과 관련하여 가중치의 기울기를 찾으면 기울기 하강도 할 수 있습니다. 맹목적으로 가중치를 변경하는 것보다 훨씬 낫습니다.
솔직히 말해서, 나는 그것을 시도하지 않았습니다. 어떤 이유로 즉시 일종의 연금술처럼 보였고 그다지 좋은 생각은 아니었습니다. 적은 수의 입력을 가진 단일 레이어 퍼셉트론의 경우 엄청나게 느릴 수 있습니다. -레이어 1은 확실히 작동하지 않습니다. IMHO는 거의 의미가 없습니다. 또한 TS의 수익성은 N 에 대한 총 수익의 예측에 직접적으로 의존합니다.앞의 막대, 나쁜 예측을 고칠 수 있는 것은 아무것도 없으며 최적화를 위한 전체 전략은 자신을 속이는 것이 훨씬 더 위험합니다.
이 주제에 대해 어떻게든 대화를 지원하려면 여전히 많은 것을 배워야 합니다. 네, 꼭 뉴런은 아닙니다. 거기에서 숲을 사용할 수 있습니다. 이 목표를 망치는 것이 더 쉬운 것 같습니다.
...
일반적으로 모든 것이지만 뉘앙스가 있습니다. 내가 시도한 최적화 프로그램은 가중치에 대처할 수 없습니다. 모든 결과가 평균 오류를 최소화하기 위해 0.5와 같을 때 특정 로컬 최소값을 찾으면 이에 고정됩니다. 여기에 어떤 종류의 트릭을 적용해야 하며 더 이상 진행하지 않았습니다.
뉴런의 구조가 더 복잡할수록 더 많은 가중치가 있고 최적화 알고리즘이 선택하기가 더 어려워집니다. 큰 뉴런에서는 단순히 둔감해지고 초기 결과를 거의 개선하지 않습니다.
답은 그렇게 간단하지 않습니다. 예를 들어, 여기 뉴런이 있는 한 가지 방법이 있지만 뉴런이 어떻게 작동하는지, 어떤 공식이 포함되어 있는지 등을 이해해야 합니다.
간단한 뉴런이 있다고 가정 해 봅시다 ...
код
위의 코드는 옵티마이저에 넣을 수 있습니다 ...
어떤 열정을 말하는 건가요?
그리고 비밀이 아니라면 왜 등받이가 맞지 않았습니까? 좀 더 정확히 말하면 하나의 레이어와 하나의 타겟의 경우 모든 것이 크게 단순화됩니다. 반복적으로 수렴, 델타 규칙 또는 Heb 규칙이 호출될 때까지 가중치에서 입력을 곱한 오차를 반복적으로 빼야 합니다. 정확히 기억하십시오. Wt = Wt-1 - lernrate*error*Input, 기본적으로 일반 경사 하강법
얼마 전 MT 옵티마이저에 대해 논의한 스레드에서 R의 슈퍼 알고리즘을 시연하지 않았습니까? 쟤 잘하는거 아니야?
나, 예, 아니요.
그리고 비밀이 아니라면 왜 등받이가 맞지 않았습니까?
경사 하강법을 수행할 수 있지만 각 특정 훈련 예제에 대한 대상이 필요합니다. 훈련 예제에 대한 결과를 계산하고 결과가 실제에 더 가깝도록 도함수 방향으로 가중치를 당깁니다. 그리고 차례로 모든 훈련 예제를 켭니다.
그리고 이 코드는 목표가 정의되지 않고 뉴런에게 수익성 있는 거래를 가르치고 싶을 때 무엇을 해야 하는지에 대한 질문에 대한 답변이었습니다. 이익이 플러스가된다면 어디에서 사는 것이 더 낫고 어디에서 파는 것이 더 좋은지 그녀가 스스로 알아내게 하십시오.
글쎄, 우리는 막대 단위로 ohlc 증분을 주고, 다음 막대에서 무엇을 할 것인지에 대한 예측을 얻고, 예측에 따라 거래를 시뮬레이션하고, 거래의 급격한 비율을 찾습니다. 이 예리한 비율은 전체 초기 데이터 집합에서 뉴런에 제공되는 유일한 추정값입니다.
옵티마이저는 날카로운 비율이 증가하도록 뉴런의 가중치를 최적화합니다.
이제 예리한 비율과 관련하여 가중치의 기울기를 찾으면 기울기 하강도 할 수 있습니다. 맹목적으로 가중치를 변경하는 것보다 훨씬 낫습니다.
나, 예, 아니요.
R에 있는 수십만 개의 패키지 중에서 만족스러운 결과로 작업에 대처할 수 있는 사람이 정말 없을까요?
R에 있는 수십만 개의 패키지 중에서 만족스러운 결과로 작업에 대처할 수 있는 사람이 정말 없을까요?
이 문제를 해결할 수 있는 패키지가 있지만 결과를 찾을 때까지 몇 달을 기다릴 시간이 없습니다. 이상적으로는 주말 안에 만나야 합니다.
이 기술은 가정용 컴퓨터를 위한 것이 아닙니다.
이 문제를 해결할 수 있는 패키지가 있지만 결과를 찾을 때까지 몇 달을 기다릴 시간이 없습니다. 이상적으로는 주말 안에 만나야 합니다.
이 기술은 가정용 컴퓨터를 위한 것이 아닙니다.
- 뭐, 차가 심하게 출발해요?
- 아니, 잘 시작하지만 오랫동안.
기술이 합리적인 시간에 작업을 해결할 수 없다면 이는 기술이 존재하지 않는다는 것을 의미합니다.
최적화된 매개변수는 몇 개, 어떤 범위에서 어떤 단계로 최적화해야 합니까?
https://www.oanda.com/forex-trading/analysis/historical-positions 에서 판매자 대 구매자 균형의 onada 과거 데이터에서 다운로드
차트를 작성하고 균형과 가격의 상관 관계를 계산했습니다.
layout( 1 : 2 )
plot(oanda$price ,t= "l" , main = "EUR" )
plot(oanda$pct_long ,t= "l" , main = "balanse" ,col= 2 )
abline(h = 50 )
cor(oanda$pct_long , oanda$price)
상관 계수 -0.76
더욱이, 가격이 반대 방향으로 움직인다는 점은 흥미롭습니다. 절대적인 측면에서 균형 자체와 관련이 있는 것이 아니라 균형 변화의 역학에 상대적인 것입니다...
유동성이 매우 높은 다른 시장에도 정확히 동일한 메커니즘이 존재하며, 동일한 잔액은 예를 들어 주문서를 통해 다른 방식으로 볼 수 있습니다. 나는 많은 사람들이 이것을 이미 알고 있다고 확신합니다. 나는 이것을 아마 6년 동안 알고 있었다고 고백합니다. 그러나 모르는 사람들을 위해 썼습니다. 그것은 그들에게 유용하고 흥미로울 것입니다.
또한 균형이 시장을 주도하기 때문에 가격이 아닌 균형을 더 잘 예측할 수 있다는 아이디어를 접할 수 있습니까? 어떤 식으로든 방향성 전략에서 가격 예측은 미래에 입찰자의 행동을 예측하는 것에 지나지 않습니다. 아무리 진부하고 엉터리로 들리더라도 군중을 예측할 수 있는 방법에 대해 생각하기 시작하면 이미 더 흥미로워집니다. .... 군중을 이해하려면 먼저 우리가 군중이기 때문에 자신을 이해해야 한다고 생각합니다. 군중을 어떻게 계산할 수 있습니까? 누가 생각이 있어?
어떤 이유로 대화는 특정 모델의 장점과 단점에 대한 토론으로 끊임없이 빠져 나옵니다.
내 훌륭한 경험에 따르면 모델 자체의 성공적인 거래에 대한 기여는 극히 미미합니다.
결정 요인은 목표와 예측 변수의 결정입니다.
나는 33의 예를 사용하여 33과 같은 명백하고 예시적이며 아름다운 대상 변수가 그런 것이 아니며 더 자세히 살펴보면 극복할 수 없는 장애물로 가득 차 있음을 보여주기 위해 여러 번 시도했습니다.
예측 변수에 대해 이야기한다면 평생 경제학을 다뤄온 사람으로서 다음과 같은 사실이 매우 분명합니다.
경제 예측과 외환 예측을 위한 이 두 가지 기본 사항을 해결하는 데에만 집중한다면 성공은 이 두 가지 매개변수에 의해서만 제공될 것입니다. 그리고 대상과 예측 변수에 가장 적합한 모델을 선택하면 성능을 약간만 향상시킬 수 있으며 재학습 없이 모델의 수명에 대해 합리적인 고려 사항을 제공할 수 있습니다.
다시 한 번, 나는 당신이 목표 변수와 이 특정 목표 변수에 대한 예측 변수의 정당성에 집중할 것을 촉구합니다.
동의한다.
그리고 이 코드는 목표가 정의되지 않고 뉴런에게 수익성 있는 거래를 가르치고 싶을 때 무엇을 해야 하는지에 대한 질문에 대한 답변이었습니다. 이익이 플러스가된다면 어디에서 사는 것이 더 낫고 어디에서 파는 것이 더 좋은지 그녀가 스스로 알아내게 하십시오.
음, 막대 단위로 ohlc를 증가시키고, 다음 막대에서 무엇을 할 것인지 예측하고, 예측에 따라 거래를 시뮬레이션하고, 거래의 급격한 비율을 찾는 것과 같습니다. 이 예리한 비율은 전체 초기 데이터 집합에서 뉴런에 제공되는 유일한 추정값입니다.
옵티마이저는 날카로운 비율이 증가하도록 뉴런의 가중치를 최적화합니다.
이제 예리한 비율과 관련하여 가중치의 기울기를 찾으면 기울기 하강도 할 수 있습니다. 맹목적으로 가중치를 변경하는 것보다 훨씬 낫습니다.
솔직히 말해서, 나는 그것을 시도하지 않았습니다. 어떤 이유로 즉시 일종의 연금술처럼 보였고 그다지 좋은 생각은 아니었습니다. 적은 수의 입력을 가진 단일 레이어 퍼셉트론의 경우 엄청나게 느릴 수 있습니다. -레이어 1은 확실히 작동하지 않습니다. IMHO는 거의 의미가 없습니다. 또한 TS의 수익성은 N 에 대한 총 수익의 예측에 직접적으로 의존합니다. 앞의 막대, 나쁜 예측을 고칠 수 있는 것은 아무것도 없으며 최적화를 위한 전체 전략은 자신을 속이는 것이 훨씬 더 위험합니다.