Artikel: Preisprognosen mit neuronalen Netzen - Seite 11

 
slava1:
Ich weiß schon seit langem, was ich füttern muss. Ich wollte sozusagen mögliche Modelle diskutieren. In der Regel funktioniert es besser, wenn man sich gemeinsam bemüht. Ich selbst arbeite seit einem Jahr an einem Roboter. Die Ergebnisse sind zwar vorhanden, aber nicht sehr stabil.

Nun, ein Jahr ist nicht genug :)


OK, versuchen wir es, aber es wird ein einseitiges Spiel sein und nicht Ihres.


Atache ist eine Pseudo-Zufallsreihe, die durch x = 4 * (x-1) * (1 - (x-1)) gebildet wird, wobei x0=0,2

Erinnert Sie das an etwas? In erster Näherung ähnelt diese Reihe einem Datenstrom auf dem Markt.


Vorhersage des Wertes t+1. Netzwerkarchitektur, MLP 1-5-1, mit zusätzlicher synaptischer Kopplung von Eingangs- und Ausgangsneuronen.

Der quadratische Fehler (10e-3) erreicht etwa 60-70t Epochen bei einer Trainingsstichprobe von 1000 Elementen. Das Lernen erfolgt mit der Antigradientenmethode.


Durch die Modellierung verschiedener Architekturen lässt sich sehr leicht nachweisen, dass wir eine topologieunabhängige Sequenz haben und der Fehler nicht abnimmt.

wird maßgeblich von der Komplexität des Netzes, einschließlich der zusätzlichen Anzahl von Schichten, beeinflusst.


Verwenden wir die Methode der künstlichen Beispiele oder Heats, das Ergebnis - die Geschwindigkeit des Lernens erhöht sich um das 2,5-fache, nämlich einen akzeptablen Fehler erreicht wird

Im Bereich von 30-40t. Epochen.


Hier ist das erste Beispiel, Sie können es drehen, um Ergebnisse zu sehen ...

 
slava1:
Ich weiß schon seit langem, was ich beantragen muss. Ich wollte sozusagen mögliche Modelle diskutieren. In der Regel funktioniert es besser, wenn wir zusammenarbeiten. Ich selbst arbeite schon seit einem Jahr an einem Roboter. Die Ergebnisse sind zwar vorhanden, aber nicht sehr stabil.

Und was die Modelle angeht, so sollten Sie, wie ich bereits sagte, einen Blick auf die Beschreibung der Implementierungen von Reshetov werfen. Ja, und suchen Sie nicht nach dem Gral, es gibt ihn nicht ;)

 
slava1:
Ich weiß schon seit langem, was ich anwenden muss. Ich wollte sozusagen mögliche Modelle diskutieren. Normalerweise ist es besser, wenn wir zusammenarbeiten. Ich selbst arbeite seit einem Jahr an einem Roboter. Die Ergebnisse sind zwar vorhanden, aber nicht sehr stabil.

Ich kann nur eines sagen: Lesen Sie die Theorie (die wissenschaftliche Theorie, nicht die populäre Literatur) noch einmal sorgfältig durch, und vielleicht finden Sie etwas, das Sie übersehen oder nicht berücksichtigt haben. Wenn Sie der Meinung sind, dass Sie die Theorie nicht kennen müssen, wenn Sie Programme wie NeuroShell Day Trader verwenden, dann gibt es nur eines zu tun - lassen Sie neuronale Netzwerke in Ruhe.

Ich werde mich jetzt verabschieden.

 
Mit einem 1x5x1-Netz werden Sie sicher keine Ergebnisse erzielen. Das Netz muss mindestens zwei versteckte Schichten haben. Für die Eingänge des neuronalen Netzes habe ich die Messwerte auf 20 Indikatoren normalisiert. Also habe ich verschiedene Topologien ausprobiert. Ich habe bei 20х140х140х4 angehalten. Das Netz ist zwar umständlich, liefert aber gut interpretierte Signale. Natürlich kann man das Ganze noch ausweiten. Außerdem plane ich, die Topologie mit Hilfe eines genetischen Algorithmus auszuwählen. Der gesamte Prozess der Netzerstellung und des Trainings wird mit JAVANNS implementiert, das trainierte Netz wird in C-Code umgewandelt und dieser Code wird zur Erstellung einer dll-Entscheidungsfunktion verwendet, die in MetaTrader verwendet werden kann. Dies ist nur eine grobe Beschreibung des Prozesses. Deshalb mache ich das schon seit einem Jahr. Das ist ein sehr großer Arbeitsaufwand. Ich denke, dass es dumm ist, Tools wie NeuroShell Day Trader zu benutzen, wenn man sein eigenes Netzwerk aufbauen und es auf seine Weise machen kann. Aber das ist nicht das, worüber ich sprechen wollte. Mich interessiert die Herangehensweise an das Problem der Erstellung einer Ausbildungsstichprobe.
 
slava1:
Mit einem 1x5x1-Netz werden Sie sicher keine Ergebnisse erzielen. Das Netz muss mindestens zwei versteckte Schichten haben. Für die Eingänge des neuronalen Netzes habe ich die Messwerte auf 20 Indikatoren normalisiert. Also habe ich verschiedene Topologien ausprobiert. Ich habe bei 20х140х140х4 angehalten. Das Netz ist zwar umständlich, liefert aber gut interpretierte Signale. Natürlich kann man das Ganze noch ausweiten. In Zukunft plane ich, die Topologie mit Hilfe eines genetischen Algorithmus auszuwählen. Der gesamte Prozess der Netzwerkerstellung und des Trainings wird mit JAVANNS durchgeführt, das trainierte Netzwerk wird in C-Code umgewandelt und dieser Code wird zur Erstellung einer Empfängerfunktion in dll verwendet, die in MetaTrader verwendet werden kann. Dies ist eine sehr grobe Beschreibung des Prozesses. Deshalb mache ich das schon seit einem Jahr. Das ist ein sehr großer Arbeitsaufwand. Ich denke, es ist dumm, Tools wie NeuroShell Day Trader zu verwenden, wenn man sein eigenes Netzwerk aufbauen und es auf seine Weise machen kann. Das ist nicht das, worüber ich sprechen wollte. Mich interessiert die Herangehensweise an das Problem der Erstellung einer Ausbildungsstichprobe.

Die Trainingsstichprobe ist das, was Sie in die Eingänge einspeisen. In diesem Fall füttern Sie 20 Indikatoren. Bei einem Indikator handelt es sich um eine Verarbeitung einer ursprünglichen Zeitreihe, einer Preisreihe {H,L,O,C}. Wenn man die Indikatoren, die in der TA verwendet werden, vom mathematischen Standpunkt aus betrachtet, kann man die eine oder andere Gruppe von mathematischen Methoden unterscheiden - sagen wir, MA ist der einfachste Frequenzfilter usw., aber wer sagt, dass die Daten, die mit klassischen TA-Methoden aufbereitet werden, am besten für ein neuronales Netz geeignet sind? Ich würde sogar sagen, im Gegenteil, sie sind praktisch ungeeignet. Ich habe nicht umsonst das Beispiel eines flachen Netzes angeführt, das zur Extrapolation eines pseudo-zufälligen f-zi aufgebaut wurde.


Wenn man sich näher damit befasst, findet man eine Reihe sehr interessanter Eigenschaften, die es erlauben, die Vorbereitung von Trainingsproben ein wenig anders zu betrachten. Ein Strom von Zitaten kann auch als pseudozufälliger f-ci mit einem komplexen Gesetz betrachtet werden. Neuronale Netze sind eine mathematische Methode, aber die Technologie ist eher eine Kunst.


Sie irren sich übrigens, wenn Sie glauben, dass die Größe des Netzes die Fähigkeit zur Lösung des Problems beeinflusst.

 
Nein, im Gegenteil, ich habe betont, dass die Größe nicht wichtig ist (d. h. die Anzahl der versteckten Schichten und Neuronen) :-)) Lassen wir alle Demagogie beiseite und versuchen wir uns vorzustellen, was man als Ausbildungsgegenstand nehmen kann. Ich baue meine Strategie genau auf den Indikatorwerten auf und nach einem langen Kampf mit ihnen gebe ich zu, dass dieser Ansatz ...... nicht geeignet ist... Die Frage ist also... Rein philosophisch. Was ist MONA POPOBUT noch?
 
Noch einmal: Was Sie als Kunst bezeichnen, ist vielleicht vorhersehbar. Das ist es, was ich damit sagen will. Die Anzahl der Eingangsneuronen spielt eine große Rolle. Je mehr Eingaben, desto größer ist die Wahrscheinlichkeit, dass die Vorhersagen richtig sind. Das liegt auf der Hand.
 
slava1:
Auch hier ist das, was Sie Kunst nennen, vielleicht vorhersehbar. Das ist es, was ich damit sagen will. Die Anzahl der Eingangsneuronen spielt eine große Rolle. Je mehr Eingaben, desto größer ist die Wahrscheinlichkeit, dass die Vorhersagen richtig sind. Das ist offensichtlich.


Da bin ich anderer Meinung. Das Beispiel, das ich Ihnen gegeben habe, ein 1-5-1-Netz, ermöglicht es Ihnen, eine Pseudo-Zufallsfolge mit hoher Genauigkeit vorherzusagen.

Ich würde Ihnen empfehlen, die Theorie noch einmal zu lesen, denn ich habe den Eindruck, dass Sie den Mechanismus nicht wirklich verstehen.


Sagen Sie mir, was ist ein neuronales Netz Ihrer Meinung nach?

 
Nun, wir können lange darüber streiten, wer was versteht oder nicht versteht. Die Diskussion drehte sich um die Datenaufbereitung. Ich verstehe, dass niemand hier dieses Thema diskutieren möchte. Schade
 
slava1:
Nun, wir können lange darüber streiten, wer was versteht oder nicht versteht. Die Diskussion drehte sich um die Datenaufbereitung. Ich verstehe, dass niemand hier dieses Thema diskutieren möchte. Schade

Sehr geehrter Herr, es ist möglich, darüber zu diskutieren. Aber was gibt es zu diskutieren, wenn ich das Thema erwähnt habe, was Indikatoren in der TA sind und wie sie für die Vorverarbeitung von Daten für den NS geeignet sind, Sie aber nicht darüber diskutieren wollten, oder ich denke, Sie haben das Thema verfehlt :)

Wenn Sie einen Vortrag darüber lesen wollen, wie man Daten für das NS-Training vorbereitet, sollten Sie das nicht in diesem Forum tun, denn nur wenige Leute werden sich dafür interessieren.