1) 마지막 페이지의 순환 네트워크에 대해 "rnn" 패키지를 삭제했는데 정말 이상하고 생각이 거의 없었고 "RSNNS"로 전환하고 "Elman" 네트워크를 사용하고 데이터를 업로드했으며 모든 것이 잘 작동했습니다. 그러나 하나의 "하지만"이 있습니다. 여기 "rnn"에서 "네트워크가 과거에 자신을 기억하는 정도"에서 설정하는 위치와 방법을 여전히 이해하지 못합니다. 각 변수가 계산되는 행렬로 바뀌는 것이 즉시 명확해졌습니다. 열은 말 그대로 네트워크 메모리의 크기에 해당했지만 "RSNNS"에서는 그러한 매개 변수를 찾지 못했지만 순환 네트워크의 본질이 바로 이것에 있기 때문에 존재하지 않을 수 없습니다.
2) " rminer "에서 정확히 무엇을 봐야 합니까? "arima"와 같은 것을 의미한다면 이것은 이미 논의된 대로 작동하지 않을 것입니다.
나 자신은 여러 단계를 예측하기 위해 분류기에 대해 그러한 목표를 작성하려고 시도했지만 예측할 수 없었고 컷이 어떻게 든 이상했습니다. 먼저 품질이 떨어졌습니다 (예측이 다음 촛불이 아니기 때문에 이것은 정상입니다. 그러나 5일이나 10일)에는 반상관관계가 최소한 유지되고 덜 두드러지긴 했지만, 농담은 내가 선행효과를 얻지 못했고, 지표 반전이 시장 반전과 같은 위치에 있었다는 것, 즉, 사실, 나는 내가 전에 가지고 있던 것을 얻었지만 더 나쁜 품질을 얻었습니다. 왜 나에게 명확하지 않습니다 ...
기능을 선택하기 위해 일반적으로 허용되는 모든 방법(시장 관련)은 교육에 100개의 지표를 던지는 것입니다. 예를 들어 가격을 가장 잘 설명하는 지표 20개를 선택하기 위해 다양한 "멋짐"의 다양한 방법을 샘플링하고 사용하지만 이 방법이 너무 거칠지 않습니까? 기능 선택 방법의 모든 발전과 장점에도 불구하고 너무 원시적 인 것입니까? 무례하고 원시적이라고 생각하고 선택 방법은 아무 관련이 없습니다. 이유를 설명하려고합니다 ...
수준과 "RSI"지표의 두 가지 신호만 있고 판매 거래가 있는 거래 시스템이 있다고 가정해 봅시다. 이렇게 들립니다 - 레벨이 깨지고 RSI가 0.9를 넘으면 매도...
거래 시스템이란 무엇입니까? 거래 시스템 이 경우 거래자가 노이즈에 들어가는 것을 허용하지 않는 필터인 데이터 필터 역할을 하며 이 예에서 RSI와 노이즈의 비율은 농담이 아닙니다. RSI 범위가 -1부터이기 때문입니다. 1로, 상인은 >0.9 그 5%만 필요합니다. ...
따라서 이것에서 이어지는 것은 각 기호에서 하나님이 주시면 유용한 정보의 5%가 있을 것이며 오히려 더 적고 나머지 95%는 모두 소음, 필요하지 않은 소음, 필요 없는 소음이라는 것입니다. 네트워크 학습 방지, 필요한 노이즈 삭제... 즉, RSI를 사용하여 이 예에서 유용한 상황만 분리해야 하는 각 신호에서, 이것은 0.9에서 1까지의 범위이고, 나머지는 모두 휴지통에 있습니다. .
이제 게시물의 시작 부분으로 돌아가서 100개의 표시(지표)가 있습니다. (방법이 아무리 멋지더라도) 할 수 있는 모든 것은 최상의 지표를 선택하는 것뿐입니다. 이제 각 지표에 95% 노이즈가 있다는 것을 이해하고 있습니다. 선택의 품질이 이러한 표시라고 생각합니까? 정확하게, 선택의 품질은 거의 0에 가까울 것입니다. 이는 이 분야에 대한 귀하와 저의 연구에 의해 확인되었습니다...
결론 : 각 표시를 가져 와서 유용한 것을 분리해야합니다.이 작업을 수행하는 방법에 대한 생각이 있지만 그것을 말하기 전에이 문제에 대한 귀하의 생각, 아이디어 및 제안을 듣고 싶습니다.
필요한 결과와 반대되는 결과를 줄 뉴런을 훈련시키기 위해 그것은 당신의 것과 같을 것이지만 의도적으로 나타납니다. 그러나 이것을 하는 이유가 명확하지 않습니까? :)
예, 구체적으로 말한 것은 아닙니다. 나는 단지 훈련하고 이것을 보았습니다))
이런 레시피
1) 우리는 buy and sit에 대해 두 개의 네트워크를 별도로 훈련합니다. 저는 네트워크 "딥 뉴럴"을 사용했습니다. 이러한 네트워크의 출력은 01010101이 아니라 발생 확률 01010이기 때문에 중요합니다.
2) 우리는 두 네트워크의 출력을 가져 와서 누적 합계의 차이를 만들고 그림에있는 것을 얻습니다 ...
아래 첫 번째 그림은 확률(두 네트워크의 출력을 있는 그대로)을 보여주고 상단에는 가격과 함께 누적 차이(있는 그대로)가 표시됩니다.
두 번째 사진에서는 모든 것이 동일하며 더 나은 가시성을 위해 차이점의 기호를 변경했습니다(뒤집었습니다).
=========================================
이 과정을 미리 몇 개의 양초에 대해 예측할 수 있다면 적어도 하나는 이것이 성배 )) 나는 아직 성공하지 못했다
하루 종일 댓글만 기다리고 있었는데 정말 누구에게도 흥미롭지 않나요???
질문 자체가 명확하지 않습니다.
우리는 조심합니다. 거의 200 모델. 아직 시작하지 않았다면 강력히 추천합니다. 모델뿐만 아니라 다른 매우 유용한 것들이 많이 있습니다.
원하는 경우 모든 사람이 몇 걸음 앞서 예측합니다.
회귀는 이전 단계의 오류를 누적합니다.
분류 모델의 경우 오류가 증가하지만 앞으로의 단계 수로 인한 것은 아닙니다.
시계열 의 경우 항상 기간을 확대하고 한 단계씩 예측할 수 있으며, 이는 더 작은 기간에서 여러 단계의 예측에 해당합니다.
예측자 세트를 사용하여 몇 단계 앞서 예측할 수 있는 일종의 도구가 필요합니다.
mytarmailS :
예측자 세트를 사용하여 몇 단계 앞서 예측할 수 있는 일종의 도구가 필요합니다.
rminer를 확인하십시오. 아주 잘 구성된 패키지
안녕하세요!
두 가지 질문이 있습니다
1) 마지막 페이지의 순환 네트워크에 대해 "rnn" 패키지를 삭제했는데 정말 이상하고 생각이 거의 없었고 "RSNNS"로 전환하고 "Elman" 네트워크를 사용하고 데이터를 업로드했으며 모든 것이 잘 작동했습니다. 그러나 하나의 "하지만"이 있습니다. 여기 "rnn"에서 "네트워크가 과거에 자신을 기억하는 정도"에서 설정하는 위치와 방법을 여전히 이해하지 못합니다. 각 변수가 계산되는 행렬로 바뀌는 것이 즉시 명확해졌습니다. 열은 말 그대로 네트워크 메모리의 크기에 해당했지만 "RSNNS" 에서는 그러한 매개 변수를 찾지 못했지만 순환 네트워크의 본질이 바로 이것에 있기 때문에 존재하지 않을 수 없습니다.
2) " rminer "에서 정확히 무엇을 봐야 합니까? "arima"와 같은 것을 의미한다면 이것은 이미 논의된 대로 작동하지 않을 것입니다.
나 자신은 여러 단계를 예측하기 위해 분류기에 대해 그러한 목표를 작성하려고 시도했지만 예측할 수 없었고 컷이 어떻게 든 이상했습니다. 먼저 품질이 떨어졌습니다 (예측이 다음 촛불이 아니기 때문에 이것은 정상입니다. 그러나 5일이나 10일)에는 반상관관계가 최소한 유지되고 덜 두드러지긴 했지만, 농담은 내가 선행효과를 얻지 못했고, 지표 반전이 시장 반전과 같은 위치에 있었다는 것, 즉, 사실, 나는 내가 전에 가지고 있던 것을 얻었지만 더 나쁜 품질을 얻었습니다. 왜 나에게 명확하지 않습니다 ...
질적 특성의 선택에 대해 조금 이야기합시다. 이에 대한 나의 생각...
치지 마! 나는 과장하겠지만 예를 들어 그것은 필요합니다 ..
기능을 선택하기 위해 일반적으로 허용되는 모든 방법(시장 관련)은 교육에 100개의 지표를 던지는 것입니다. 예를 들어 가격을 가장 잘 설명하는 지표 20개를 선택하기 위해 다양한 "멋짐"의 다양한 방법을 샘플링하고 사용하지만 이 방법이 너무 거칠지 않습니까? 기능 선택 방법의 모든 발전과 장점에도 불구하고 너무 원시적 인 것입니까? 무례하고 원시적이라고 생각하고 선택 방법은 아무 관련이 없습니다. 이유를 설명하려고합니다 ...
수준과 "RSI"지표의 두 가지 신호만 있고 판매 거래가 있는 거래 시스템이 있다고 가정해 봅시다. 이렇게 들립니다 - 레벨이 깨지고 RSI가 0.9를 넘으면 매도...
거래 시스템이란 무엇입니까? 거래 시스템 이 경우 거래자가 노이즈에 들어가는 것을 허용하지 않는 필터인 데이터 필터 역할을 하며 이 예에서 RSI와 노이즈의 비율은 농담이 아닙니다. RSI 범위가 -1부터이기 때문입니다. 1로, 상인은 >0.9 그 5%만 필요합니다. ...
따라서 이것에서 이어지는 것은 각 기호에서 하나님이 주시면 유용한 정보의 5%가 있을 것이며 오히려 더 적고 나머지 95%는 모두 소음, 필요하지 않은 소음, 필요 없는 소음이라는 것입니다. 네트워크 학습 방지, 필요한 노이즈 삭제... 즉, RSI를 사용하여 이 예에서 유용한 상황만 분리해야 하는 각 신호에서, 이것은 0.9에서 1까지의 범위이고, 나머지는 모두 휴지통에 있습니다. .
이제 게시물의 시작 부분으로 돌아가서 100개의 표시(지표)가 있습니다. (방법이 아무리 멋지더라도) 할 수 있는 모든 것은 최상의 지표를 선택하는 것뿐입니다. 이제 각 지표에 95% 노이즈가 있다는 것을 이해하고 있습니다. 선택의 품질이 이러한 표시라고 생각합니까? 정확하게, 선택의 품질은 거의 0에 가까울 것입니다. 이는 이 분야에 대한 귀하와 저의 연구에 의해 확인되었습니다...
결론 : 각 표시를 가져 와서 유용한 것을 분리해야합니다.이 작업을 수행하는 방법에 대한 생각이 있지만 그것을 말하기 전에이 문제에 대한 귀하의 생각, 아이디어 및 제안을 듣고 싶습니다.