Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 628

 
Nikolay Demko:

Nein, ich wollte damit sagen, dass man Marktdaten und Netzleistung nicht vermischen kann.

Mit anderen Worten: Ihr Netzwerk verarbeitet Kurse, und Sie füttern es mit Daten darüber, ob ein früherer Handel erfolgreich war oder nicht - es sind nicht dieselben Daten, Sie können sie nicht verwechseln.

Und im Allgemeinen ist es eine separate Einheit, ob das Netz gut funktioniert hat oder nicht (ich nannte es Fitnessfunktion in GA, in NS heißt es Fehlerfunktion, aber die Idee ist die gleiche).

Angenommen, Sie trainieren ein Netzwerk mit Backprop und es stellt sich heraus, dass Sie einen Fehler haben, der Teil der Daten wird, Butterscotch. Ich hoffe, Sie wissen, was ich meine.

Ja, ich habe es verstanden... Zuerst möchte ich es einfach im Optimierer des MT5 unterrichten - es wird mir die Möglichkeit geben, Handelsergebnisse und Eigenkapital zu erhalten und sie sofort an das Netz zurückzugeben, ohne komplizierte Spiele.

Und wie sieht es mit der Architektur aus - vielleicht wird sie umgestaltet, aber ich habe keine anderen Möglichkeiten, weil ich sie noch nicht einmal ausprobiert habe. Dass es zumindest einige Ergebnisse zeigen wird - das ist sicher, aber welche Art von Ergebnissen ist eine Frage :)

 
Maxim Dmitrievsky:

Ich weiß alles darüber, Kreuzvalidierung ist auch eine passende, aber anspruchsvollere

Die Wiederholung dreht sich auch um sich selbst und kann manchmal nicht lernen.

und ich verstehe es nicht - du sagst, du kannst die Netzwerkausgänge nicht an die Eingänge weiterleiten, und dann sagst du mir, ich solle die Rekursion verwenden... :) und das ist alles, was er tut, er frisst seine Ausgaben

Die Rekursion ist im einfachsten Fall eine einfache MLP, die sich selbst frisst.

Bei der Kreuzvalidierung stimme ich zu, aber es gibt ausgefeiltere Methoden. Die Kreuzvalidierung liefert jedoch trotz ihrer Einfachheit akzeptable Ergebnisse.

Obwohl, wenn wir es als Ganzes betrachten, ist NS ein passender Begriff. Es handelt sich um einen universellen Näherungswert, und wir befinden uns in einem Stadium der NS-Entwicklung, in dem noch nicht sicher feststeht, wie der Punkt zu finden ist, an dem man sagen kann, dass NS die Abhängigkeit erlernt hat, anstatt sich den Daten anzupassen.

Es handelt sich um das Problem der Darstellung einer komplexen Funktion einer Variablen durch eine Reihe einfacher Funktionen aus vielen Variablen.

Und wenn man dieses Problem löst, baut man tatsächlich KI.

 
Nikolay Demko:

Ich stimme mit der Kreuzvalidierung überein, aber es gibt ausgefeiltere Methoden.

Obwohl NS im Allgemeinen eine Anpassung ist. Universeller Approximator, und während wir uns in jenem Stadium der Entwicklung der NS-Wissenschaft befinden, in dem nicht zuverlässig geklärt ist, wie der Punkt des Feldes zu finden ist, von dem man sagen kann, dass der NS die Abhängigkeit gelernt hat, und nicht an die Daten angepasst ist.

Es handelt sich um das Problem der Darstellung einer komplexen Funktion einer Variablen durch eine Reihe einfacher Funktionen aus vielen Variablen.

Und wenn man dieses Problem löst, baut man tatsächlich eine KI.

Es ist zu kompliziert, sich das alles gleichzeitig vorzustellen, noch dazu, wenn man sich alle Verbindungen in der NS vorstellt und wie diese miteinander interagieren werden.

Wir brauchen keine KI, aber zumindest eine Art Reaktion auf Marktveränderungen wäre schön, mit einem gewissen "Gedächtnis".

 
Maxim Dmitrievsky:

Das ist alles zu komplex, um es sich gleichzeitig vorstellen zu können, ganz zu schweigen von all den Verbindungen im NS und wie die Dinge miteinander interagieren werden.

Wir brauchen keine KI, aber zumindest eine Art Rückmeldung über Marktveränderungen wäre schön, mit einem gewissen "Gedächtnis".

Wenn du keine Kätzchen magst, weißt du vielleicht nur nicht, wie man sie zubereitet ))

Der NS kann beliebige Daten annähern und sogar zusammenfassen, Hauptsache, die Daten enthalten das, wonach Sie suchen.

Das bedeutet, dass es neben der Wahl des NS-Typs ebenso wichtig ist, die Daten korrekt vorzubereiten.

Wie Sie sehen, sind die Aufgaben voneinander abhängig: Welche Daten Sie einspeisen müssen, hängt von der Art der NS ab, und welche NS Sie wählen, hängt von den Daten ab, die Sie für sie vorbereitet haben.

Aber dieses Problem, auch wenn es geschlossen lösbar ist, zum Beispiel GA verwendet die gleiche, zunächst Algorithmus weiß nichts über die Daten, durch schrittweise Verzweigung des Problems kommt es zu robusten Lösung.

So ist es auch hier: Systematisieren Sie Ihre Recherchen, führen Sie ein Protokoll und Sie werden Erfolg haben.

 
Maxim Dmitrievsky:

Ja, verstanden... zunächst möchte ich es einfach im MT5-Optimierer trainieren - das wird mir die Möglichkeit geben, Trades und Equity-Ergebnisse sofort zu erhalten und sie an das Grid zurückzugeben, ohne Tamburine

Und wie sieht es mit der Architektur aus - vielleicht wird sie umgestaltet, aber ich habe keine anderen Möglichkeiten, weil ich sie noch nicht einmal ausprobiert habe. Dass es zumindest einige Ergebnisse zeigen wird - das ist sicher, aber welche Art von Ergebnissen ist eine Frage :)

Maxim, Sie müssen das Netz nicht im MT-Optimierer trainieren. Der NS-Trainer und der Optimierer sind ganz unterschiedliche Algorithmen mit ganz unterschiedlichen Optimalitätskriterien.

Wenn Sie immer noch diese NS-Struktur verwenden, die zuvor gezeichnet wurde, ist sie zu einfach - zu schwach für den Markt. Ich habe bereits geschrieben, dass ich erst erfolgreich war, als ich die Struktur 15-20-15-10-5-1 erreicht hatte. Und dies gilt nur für eine Art von Geschäften. Ich habe auch absolut alles nach den von Haikin beschriebenen Methoden gemacht, also nichts Neues, keine Tricks.

Einfachere Strukturen waren schlecht ausgebildet.

 
Yuriy Asaulenko:

Maxim, trainieren Sie das Netz nicht mit dem MT-Optimierer. Der NS-Trainer und der Optimierer sind völlig unterschiedliche Algorithmen mit völlig unterschiedlichen Optimalitätskriterien.

Wenn Sie immer noch die NS-Struktur verwenden, die Sie zuvor gezeichnet haben, ist das ein bisschen einfach - schwach für den Markt. Ich habe bereits geschrieben, dass ich erst erfolgreich war, als ich die Struktur 15-20-15-10-5-1 erreicht hatte. Und dies gilt nur für eine Art von Geschäften. Ich habe auch absolut alles nach den von Haikin beschriebenen Methoden gemacht, also nichts Neues, keine Tricks.

Einfachere Strukturen waren schlecht ausgebildet.

Aber nichts hindert mich daran, noch eine weitere hinzuzufügen. Es geht nicht um die Tiefe des Netzes, sondern darum, es mit Rückkopplungen zu versehen. Das ist jetzt meine Phantasie, wie ein Künstler und so sehe ich :) die Klassiker sind nicht interessant

alles mit Hilfe von Stützen an einem Gitter zu befestigen, ist eine Qual... es ist besser, es einfach zu halten :)

weil es ein Raster ist, das schrittweise erlernt wird... du machst einen Schritt - bekommst eine Rückmeldung, und so weiter, bis die gesamte Reihe von Aktionen und Ergebnissen zusammengefasst ist

Sie können einfach eine kleinere Geschichte nehmen und alles ist in Ordnung, und Sie können es später vergrößern

 
Maxim Dmitrievsky:

und nichts hindert Sie daran, eine weitere hinzuzufügen. Es geht nicht um die Tiefe des Netzes, sondern darum, es mit Rückkopplungen zu versehen. Es ist meine Lust jetzt, wie ein Künstler und so sehe ich :) die Klassiker sind nicht interessant

alles mit Stützpfeilern an einem Raster zu befestigen, ist eine nervige Angelegenheit... es ist besser, es einfach zu halten :)

weil es ein Raster ist, das schrittweise trainiert wird... man macht einen Schritt, bekommt eine Rückmeldung und so weiter, bis alle Aktionen und Ergebnisse summiert sind

Ich schrieb also, dass ich nach jeder N-Epoche den BP stoppte, die Tests durchführte und den BP weiter trainierte. Mir ist klar, dass vierundzwanzig Stunden Ausbildung eine lange Zeit sind, aber dieses Gespräch fand schon vor ein paar Monaten statt.

Aber das bleibt natürlich dem Künstler überlassen). Schießen Sie nicht auf den Pianisten, er spielt so, wie er es kann.

ZS Eigentlich braucht man nicht viele Daten, um zu lernen, sondern viele. Bei einer geringen Stichprobengröße wird die NS nichts Brauchbares erhalten.

 
Yuriy Asaulenko:

Also schrieb ich, dass ich alle N Epochen den BP stoppte, die Tests durchführte und den BP weiter trainierte. Mir ist klar, dass vierundzwanzig Stunden Ausbildung eine lange Zeit sind, aber dieses Gespräch fand schon vor ein paar Monaten statt.

Aber das bleibt natürlich dem Künstler überlassen). Schießen Sie nicht auf den Pianisten, er spielt so, wie er es kann.

es gibt mehr Wörter, es gibt eine Wiederholung in 2 Stunden )) Ich werde es heute Abend tun mb

Alles, was noch fehlt, ist ein wenig mehr Stabilität und klare Ergebnisse auf der Vorhand, aber es funktioniert.

 
Maxim Dmitrievsky:

mehr Worte hier, es dauert 2 Stunden, um es neu zu machen )) Ich werde es heute Abend tun.

Alles, was noch erreicht werden muss, sind etwas stabilere und verständlichere Ergebnisse bei der Weiterleitung, und so funktioniert alles

Ich beendete die Pre-Post, aber da die Seite geändert hat, duplizieren.

Ich versuche gerade herauszufinden, wie viele Daten ich für die Ausbildung benötige. Bei einer geringen Stichprobengröße wird NS nichts Brauchbares erhalten.

 
Nikolay Demko:

Ich entschuldige mich natürlich für den Angriff, aber lesen Sie Ihren Beitrag noch einmal. Es sieht ziemlich zweideutig aus.
Im Allgemeinen haben Sie Recht, aber nur in Bezug auf die erste Neuronalschicht. Wenn die Rückkopplung in die zweite und die folgenden Schichten oder sogar in parallele Netzschichten geht, wird Ihre Aussage ungültig.
In diesem Fall sollte Maxim darüber nachdenken, das Netz zu vertiefen und den verborgenen Schichten Feedback zu geben.

Und was das betrifft:

Wie Sie sehen, ist die Aufgabe voneinander abhängig. Welche Daten Sie übermitteln müssen, hängt von der Art der NS ab, und welche NS Sie wählen, hängt von den Daten ab, die Sie dafür vorbereitet haben.
Das ist dasselbe. MLPs sind nicht mehr relevant, Deep Learning ist schon seit langem im Trend. Und ein Netz ist durchaus in der Lage, heterogene Daten zu verarbeiten, es kommt nur auf die Architektur an.