Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 335

 
Азбука ИИ: «Рекуррентные нейросети»
Азбука ИИ: «Рекуррентные нейросети»
  • 2016.11.04
  • Тарас Молотилин
  • nplus1.ru
N+1 совместно с МФТИ продолжает знакомить читателя с наиболее яркими аспектами современных исследований в области искусственного интеллекта. В прошлый раз мы писали об общих принципах машинного обучения и конкретно о методе обратного распространения ошибки для обучения нейросетей. Сегодня наш собеседник — Валентин Малых, младший научный...
 

Hat sich die Situation nach der Anwendung des Schleppnetzes verbessert?

Vielleicht sollte die Bedingung für den Vertragsabschluss angepasst werden, denn das Schleppnetz ist ein zu einfacher Ausweg, ohne dass man versucht, die Dinge zu klären?

Für einen Automaten ist der Geschäftsabschluss mit einer Bedingung verbunden.

In der Realität werden Haltestellen die Nerven verderben...

 
Renat Akhtyamov:

Hat sich die Situation nach der Anwendung des Schleppnetzes verbessert?

Vielleicht sollte die Bedingung für den Geschäftsabschluss angepasst werden, denn das Schleppnetz ist ein zu einfacher Ausweg, ohne dass man versucht, die Dinge zu klären?

Für einen Automaten ist der Abschluss eines Geschäfts mit einer Bedingung verbunden.

In der Realität werden die Stopps die Nerven strapazieren...

Und warum? Schleppnetz ist eine tolle Sache. Ich verwende immer adaptive Schleppnetze, auch wenn ich mit den Händen arbeite, so dass ich mich nicht mit allen Geschäften sofort nach dem Öffnen befasse.
 
Renat Akhtyamov:

Hat sich die Situation nach der Anwendung des Schleppnetzes verbessert?

Vielleicht sollte die Bedingung für den Geschäftsabschluss angepasst werden, denn das Schleppnetz ist ein zu einfacher Ausweg, ohne dass man versucht, die Dinge zu klären?

Für einen Automaten ist der Abschluss eines Geschäfts mit einer Bedingung verbunden.

In Wirklichkeit werden die Stopps die Nerven strapazieren...


Ich weiß nicht, vielleicht sind die Parameter falsch ... Später werde ich die aktualisierte Version mit einem normalen Risiko in die Überwachung aufnehmen.

Ich würde gerne mehr Einträge hinzufügen, ich werde jetzt 3 und bald 5 hinzufügen.

 

Mit dem Training eines neuronalen Netzes begonnen. Die geplante Aufgabe ist noch nicht erledigt. Es heißt, dass die Daten nicht im richtigen Format vorliegen. Ich verstehe noch nicht, was es will(.

Aber hier ist ein Beispiel für das Netz [3,4,1].

//Ожидаемый отклик НС
t  = 0.3    1.    0.    0.    0.5 
//Реальный отклик обученной НС
ans  = 0.3223616    0.9315578    0.1047166    0.0809235    0.4536240  

Das scheint in Ordnung zu sein.

 
Yuriy Asaulenko:

Mit dem Training eines neuronalen Netzes begonnen. Die geplante Aufgabe ist noch nicht erledigt. Es heißt, dass die Daten nicht im richtigen Format vorliegen. Ich verstehe noch nicht, was es will(.

Aber hier ist ein Beispiel für das Netz [3,4,1].

Scheint in Ordnung zu sein.


Googles Tensorflow sieht auch gut aus, aber es ist nicht sehr praktisch bei der Installation und Python
 
Maxim Dmitrievsky:

Googles Tensorflow sieht auch gut aus, aber es ist nicht sehr bequem mit der Installation und Python

Dies ist SciLab neuronics. Nun begann die Hauptaufgabe plötzlich (unerwartet)) zu lernen. Ich habe anscheinend irgendwo gepatzt).

Im Allgemeinen sagen sie, dass es im Internet und in C++ eine Menge Neuronen gibt. Aber ich habe sie nicht durchsucht.

 
Yuriy Asaulenko:

Dies ist SciLab neuronics. Nun begann die Hauptaufgabe plötzlich (unerwartet)) zu lernen. Ich habe anscheinend irgendwo gepatzt).

Im Allgemeinen sagen sie, dass es im Internet und in C++ eine Menge Neuronen gibt. Aber ich habe nicht nach ihnen gesucht.


Ich habe sie überall, jetzt gibt es einen echten neuronalen Boom.)
 

Ein Versuch, ein neuronales Netz (NS) zu trainieren, um zwei MAs zu kreuzen, schlug fehl. Es wurde darauf trainiert, nur den aufwärts gerichteten Übergang zu erkennen.

Für das Experiment wurde das NS - 3,3,3,1 ausgewählt und für das Training und die Erkennung von künstlich erzeugten Mustern getestet. Nach dem Erlernen der Erkennung von MAs wurde jedoch kein einziger Crossover erkannt. Der Grund: Der NS benötigt kontrastreichere Bilder und kümmert sich nicht um alle Unterschiede von 0,01-0,1 zwischen den Eingängen.

Bei einer gegebenen Struktur des NS ist es durchaus möglich, eine zuverlässige Erkennung zu erreichen, wenn der Signalunterschied nicht weniger als 0,2-0,3 beträgt.

 

Ich fange an, mich mit neuronalen Netzen zu beschäftigen.

Ich bin auf der Suche nach Optionen, die direkt in MT5 implementiert werden können.

Ich interessiere mich für die Variante mit ALGLIB (https://www.mql5.com/ru/articles/2279), aber aus der Netzbeschreibung geht hervor, dass es sich um ein sequentielles Netz ohne Rückkopplungen handelt. Der Nachteil ist, dass er nur von einem einzigen Prozessor-Thread trainiert werden kann (der den Expert Advisor mit einem neuronalen Netz verarbeitet).

Ich denke, es wäre nicht allzu schwierig, dem neuronalen Netz aus dem Artikel https://www.mql5.com/ru/articles/497 2 versteckte sequentielle Schichten hinzuzufügen und es dann entweder mit brachialer Gewalt oder genetisch im Prüfgerät zu trainieren. Aber in diesem Fall können Sie viel mehr Rechenthreads (Kerne Ihres Prozessors, im Netz und in der Cloud) verwenden. Habe ich es richtig verstanden?

Wie kann man beim Training eines solchen Netzes manuelle Anweisungen für richtige Antworten (Kauf- und Verkaufsorte) hinzufügen?

Vielleicht gibt es bereits irgendwo eine Bibliothek für mehrschichtige sequentielle Netze?

Außerdem verstehe ich nicht ganz den Nutzen der Verwendung innerer Ebenen für den Forex-/Börsenhandel. Ist es sinnvoll, sie hinzuzufügen? Und warum?

Нейросеть: Самооптимизирующийся советник
Нейросеть: Самооптимизирующийся советник
  • 2016.10.03
  • Jose Miguel Soriano
  • www.mql5.com
Возможно ли создать советник, который согласно командам кода автоматически оптимизировал бы критерии открытия и закрытия позиций с определенной периодичностью? Что произойдет, если реализовать в советнике нейросеть (многослойный персептрон), которая, будучи модулем, анализировала бы историю и оценивала стратегию? Можно дать коду команду на ежемесячную (еженедельную, ежедневную или ежечасную) оптимизацию нейросети с последующим продолжением работы. Таким образом возможно создать самооптимизирующийся советник.