Artikel: Preisprognosen mit neuronalen Netzen
Guten Tag!
Ein wenig Vertrautheit mit neuronalen Netzen. Es begann mit dem BrainMaker-Paket, gefolgt von MathLab. Das Leitmotiv dieses Threads sind die Fähigkeitenneuronaler Netze, ich kann empfehlen, sich mit Tuckens Theorem vertraut zu machen:
Wenn eine Zeitreihe von einem dynamischen System erzeugt wird, d. h. die Werte D_0 eine beliebige Funktion des Zustands eines solchen Systems sind, gibt es eine Eintauchtiefe d (die ungefähr der effektiven Anzahl der Freiheitsgrade dieses dynamischen Systems entspricht), die eine eindeutige Vorhersage des nächsten Werts der Zeitreihe ermöglicht.
Skeptiker, die sich auf die Unmöglichkeit einer Vorhersage berufen, da die Wahrscheinlichkeit der nächsten Tickrichtung 50/50 (aufwärts oder abwärts) beträgt, mögen anmerken, dass, wenn dies zuträfe, die mathematische Erwartung gleich 0 wäre und wir folglich auf den langen Zeitskalen eine "gerade" Linie sehen würden.
Aber wir sehen Trends, bei denen die mathematische Erwartung nicht gleich 0 ist.
In Wirklichkeit aber schwanken die Preise in der Nähe einer bestimmten Funktion, d.h. der Prozess ist STOCKASTISCH.
Zusammenfassend lässt sich sagen, dass die Vorhersage zwar eine EXTRAPOLATION von Daten zu sein scheint, die neuronalen Netze aber in Wirklichkeit das Problem der INTERPOLLATION lösen, was die Zuverlässigkeit der Lösung wesentlich erhöht. Die Vorhersage einer Zeitreihe wird auf ein typisches Problem der Neuroanalyse reduziert - die Annäherung einer Funktion vieler Variablen durch eine gegebene Menge von Beispielen - unter Verwendung eines Verfahrens zur Serienimmersion im mehrdimensionalen Raum.
Herzliche Grüße,
kirillov.
Der Markt ist kein dynamisches System.
Der Markt ist ein offenes stochastisches System.
OPEN bedeutet, dass es von vielen externen Faktoren beeinflusst wird.
Und diese externen Faktoren sind nicht nur unkontrollierbar (nicht messbar),
aber selbst ihre Zahl ist ungewiss.
Hinzu kommt, dass das System selbst im Laufe der Zeit nicht konstant ist.
Seine Elemente (Teile) können ihr Verhalten beliebig ändern,
können manchmal dem kollektiven Effekt unterliegen und manchmal nicht.
Ihr Verhalten im System wird durch den Wechsel der Jahreszeiten, das Wetter und die Sonnenaktivität beeinflusst,
sogar die Mondphasen...
Die Hauptbestandteile dieses Systems sind die Menschen.
Daraus können wir schließen, dass die Vorhersage der SIGNIFIKATION eines Preises,
ist nicht nur keine INTERPOLATION von Daten, sondern auch keine EXTRAPOLATION von Daten
(die Extrapolation setzt ein dynamisches System voraus).
Bei stochastischen Systemen können wir über die Vorhersage ihrer
statistische Eigenschaften - Wahrscheinlichkeiten, Verteilungsfunktionen, Erwartungen, usw.
Aber auch hier gilt, dass sie (FRs, Erwartungen, ...) existieren und im Laufe der Zeit konstant sind.
Aber es ist möglich, die Richtung mit viel höherer Wahrscheinlichkeit vorherzusagen als den absoluten Wert :)
Im Namen der Skeptiker möchte ich darauf hinweisen:
Der Markt ist kein dynamisches System.
Ich stimme dem nicht zu, denn ein dynamisches System ist ein System, dessen Zustand sich im Laufe der Zeit nach festen mathematischen Regeln verändert; letztere sind in der Regel durch Gleichungen gegeben, die den zukünftigen Zustand des Systems mit dem aktuellen Zustand in Beziehung setzen. Ein solches System ist deterministisch, wenn diese Regeln nicht ausdrücklich ein Zufallselement enthalten.
Die Schwäche dieser Formulierung sind "feste mathematische Regeln", aber niemand hat bisher das Gegenteil bewiesen, und die gesamte Geschichte der Prognosen beruht auf ihnen.
Mit freundlichen Grüßen, Kirillov.
- Die Verwendung von Gittern zur Vorhersage von Wechselkursen und sogar der Richtung von Wechselkursen erweist sich als weniger effektiv als die Verwendung einfacher klassischer Methoden der technischen Analyse. Bei relativ einfachen Gittern liegen die Vorhersagen nicht über 70-75 %.
- Um eine Vorhersage von 75 % oder besser zu erreichen, muss man komplexe selbstlernende Strukturen auf Supercomputern aufbauen und Jahre mit der Entwicklung dieses Materials verbringen, und es gibt keine Garantie, dass es funktioniert.
- Raster sind nützlich, um ein spezifisches, genau definiertes taktisches Problem zu lösen, das mit statistischen oder mathematischen Mitteln schwer zu beschreiben ist. Klassifizierungsnetze und Mustererkennungsnetze können sehr effektiv zur Lösung taktischer Probleme eingesetzt werden. Es gibt einige Entwicklungen in diesem Bereich, aber es ist sehr zeitaufwendig und es bleibt nicht genug Zeit dafür. Wen es interessiert, der schreibe, wir werden zusammenarbeiten: favorit_box@inbox.ru
P.S. In Aktenmaterialien der Konferenz über neuronale Netze. Interessant für Lyknobesis.
Ich rieche mindestens 10 Seiten einer weiteren Diskussion über neuronale Netze auf dem Devisenmarkt. ;o)
Und das finde ich auch ;-)
Aber die Qualität der Diskussion wird auf einem höheren Niveau sein ;-)
- Die Verwendung von Gittern zur Vorhersage von Wechselkursen und sogar der Richtung von Wechselkursen erweist sich als weniger effektiv als die Verwendung einfacher klassischer Methoden der technischen Analyse. Bei relativ einfachen Gittern liegen die Vorhersagen nicht über 70-75 %.
Vorhersagen über die Entwicklung des Währungskurses zu 70-75 % sind reine Fantasie.
Ich mache solche Vorhersagen schon seit langem, und zwar über einen Buchmacher, der Wetten auf die Auf- oder Abwertung einer Währung innerhalb eines bestimmten Zeitraums (Intraday) annimmt. Anfangs waren die Provisionen der Buchmacher so gering, dass Strategien mit nur 52% richtiger Vorhersagen Gewinne brachten. Anfangs verwendete ich ein einfaches System, das auf der Teh-Analyse basierte und mir etwa 54-55% Gewinne brachte.
Dann stiegen die Provisionen der Buchmacher, und ich musste das Handelssystem verbessern. Ich nahm alle Indikatoren, die ich verwendete, und setzte sie in ein neuronales Netzwerk ein. Die Gewinnquote stieg auf 59-60 %. Es gibt also Aufgaben, bei denen neuronale Netze die Oberhand gewinnen, ungeachtet der Meinung von Skeptikern!
- die Verwendung von Gittern zur Vorhersage von Wechselkursen und sogar der Richtung von Wechselkursen ist weniger effektiv als die Verwendung von einfachen klassischen Methoden der technischen Analyse. Bei relativ einfachen Gittern liegen die Vorhersagen nicht über 70-75 %.
Die Vorhersage der Richtung des Währungskurses um 70-75% ist aus dem Reich der Fantasie.
Wenn wir die Qualität der MACD-Vorhersage um einige Prozente verbessern wollen, wäre es besser, an einem Abend mit dem guten alten NeuroSell2 oder BrainMaker ein Raster zu erstellen, es in C-Code zu kompilieren (einfacher Satz von Übertragungsfunktionen mit Koeffizienten) und es in einen Expert Advisor zu implementieren. Das funktioniert recht gut. Aber es wird nicht das Problem lösen, wie man Millionär wird.
- die Verwendung von Gittern zur Vorhersage von Wechselkursen und sogar der Richtung von Wechselkursen ist weniger effektiv als die Verwendung von einfachen klassischen Methoden der technischen Analyse. Bei relativ einfachen Gittern liegen die Vorhersagen nicht über 70-75 %.
Die Vorhersage der Richtung eines Währungskurses zu 70-75% ist aus dem Reich der Fantasie.
Wenn wir die Qualität der MACD-Vorhersage um einige Prozente verbessern wollen, wäre es besser, an einem Abend mit dem guten alten NeuroSell2 oder BrainMaker ein Raster zu erstellen, es in C-Code zu kompilieren (einfacher Satz von Übertragungsfunktionen mit Koeffizienten) und es in einen Expert Advisor zu implementieren. Das funktioniert recht gut. Aber das Problem, Millionär zu werden, wird dadurch nicht gelöst.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Viele Händler sprechen über neuronale Netze, aber nur wenige wissen, was sie sind und was sie in der Realität leisten können. Dieser Artikel gibt einen kleinen Einblick in die Welt der künstlichen Intelligenz, erklärt, wie man die Daten für ein Netzwerk vorbereitet, und gibt auch ein Beispiel für eine Vorhersage mit Hilfe von Matlab.
Autor: Schaschew Sergej