Marktknigge oder gute Manieren im Minenfeld - Seite 34
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
zu Neutron
Sergey, hier ist ein Diagramm, das ich in Matkad erstellt habe. Hier ist die rote Linie die erste Differenz des fünfgliedrigen Sinus, und die grüne Linie zeigt die Versuche des Neurons, sein Verhalten im nächsten Schritt zu erraten.
Es scheint zu funktionieren.
Ich werde nun das AUDUSD-Protokoll in Matcad erstellen. Oh, ich vergaß zu erwähnen, dass es sich um ein Neuron mit binären Eingängen handelte, und das folgende Bild zeigt dasselbe Neuron mit tatsächlichen Eingängen
Jetzt werde ich das AUDUSD-Protokoll in Matcad erstellen.
Bleiben Sie dran.
Lassen Sie uns die Ergebnisse Ihrer NS über die Modellreihen aufschlussreicher darstellen. Für die NS mit realen Eingaben werden wir den vorhergesagten Wert des BP-Inkrements unter Berücksichtigung des Vorzeichens und der Amplitude auf der Abszisse und den vorhergesagten Wert auf der Ordinate darstellen. Bei einer ausreichenden Anzahl von Versuchspunkten ergibt sich das folgende Bild:
Hier zeigen die lilafarbenen Punkte die Trainingsstichprobe, die blauen Punkte die Teststichprobe und die schwarzen Punkte die Teststichprobe auf einem zufälligen VR. Mit der Methode der kleinsten Quadrate werden gerade Linien durch die Datenwolken gezogen. Der Neigungswinkel dieser Linie zeigt die Genauigkeit der Vorhersage an (je näher er bei 45 Grad liegt, desto genauer ist die Vorhersage), die Streuung der Punkte um die Linie - die Vorhersagevarianz, die Differenz zwischen dem Neigungswinkel der schwarzen Linie und der horizontalen Richtung - die statistische Signifikanz der erzielten Ergebnisse und gleichzeitig das Fehlen von Algorithmusfehlern (z. B. Blick in die Zukunft).
Bei einer NS, die mit binären Eingaben arbeitet und nur das Vorzeichen der erwarteten Bewegung vorhersagt, können wir die Vorhersagegenauigkeit mit nur einem Parameter bewerten - dem Prozentsatz der genauen Treffer. Sie kann nach folgender Formel berechnet werden:
Dabei ist x[i] der reale Zuwachswert und y[i] der Prognosewert. Dieses Verfahren sollte sowohl für die Trainings- als auch für die Teststichproben verwendet werden, wobei es besser ist, n mehr als 100 zu haben.
Tun. Bitte klären Sie mich über die Methode der kleinsten Quadrate auf - ich weiß nicht, was das ist und wie man sie berechnet. Oh, und noch etwas: Wie kann man Bilder und Formeln aus Matkad in das Forum einfügen?
Ich kopiere sie zunächst in einen grafischen Editor und schneide sie dann nach Bedarf zu.
Ja, auf dieselbe Weise. Ich habe in meinem Grafikeditor eine Screen-Capture-Funktion, die den markierten Bereich des Monitors aufnimmt. Sie können auch auf das Diagramm klicken und über das Kontextmenü kopieren usw.
Hier ist die Formel für den MOOC:
Die Längen des x- und y-Vektors müssen gleich sein. Die Methode ermöglicht es, eine Linie durch eine Reihe von Punkten zu ziehen, die so beschaffen ist, dass die Summe aller Entfernungen von jedem Punkt zu dieser Linie das Minimum aller möglichen Optionen ist.
Ich erhalte keine Wolke wie die auf Ihrem Bild
Ich verstehe das:
Hier ist auf der Abszissenachse die erste Differenz des fünfgliedrigen Sinus, auf der Ordinatenachse die Netzvorhersage
Vielleicht ist es die falsche Art von Grafik? Es wird versucht, alle Punkte mit Linien zu verbinden. Ich werde jetzt etwas anderes ausprobieren
Wählen Sie daher in den Grafikeinstellungen die Punktdarstellung anstelle der gepunkteten Darstellung:
und färben Sie die Punkte so ein, wie Sie sie haben möchten. Und zeigen Sie das Gitter an (Einstellungen im Fenster links).
О! Es zeichnet sich jedoch eine Hystereseschleife ab!
Sergey, ist eine Lehrprobe und eine Testprobe nicht dasselbe?
Mein Neuron lernt jedes Mal auf n Datenvektorproben und sagt die n+1te Probe (desselben Datenvektors) voraus. Die Differenz zwischen der Vorhersage des Rasters und dem tatsächlichen Wert der n+1-ten Stichprobe verwende ich zur Berechnung der Korrektur. Wie kann ich unter diesen Bedingungen die Graphen für die Trainings- und die Teststichprobe getrennt darstellen?
Die Methode ermöglicht es, eine Linie durch eine Reihe von Punkten zu ziehen, so dass die Summe aller Entfernungen von jedem Punkt zu dieser Linie so gering wie möglich ist.
Lassen Sie mich Sie korrigieren. Nicht "Entfernungen", sondern "Quadrate von Entfernungen".
Übrigens können mit ANC nicht nur die Koeffizienten von Linien berechnet werden.
Sergey, ist eine Lehrprobe und eine Testprobe nicht dasselbe?
Mein Neuron lernt jedes Mal auf n Datenvektorproben und sagt die n+1te Probe (desselben Datenvektors) voraus. Die Differenz zwischen der Vorhersage des Rasters und dem tatsächlichen Wert der n+1-ten Stichprobe verwende ich zur Berechnung der Korrektur. Wie lassen sich unter diesen Bedingungen die Graphen für die Trainings- und die Teststichprobe getrennt darstellen?
Es spielt keine Rolle, wie wir sie definieren, wichtig ist nur, dass es Stichproben gibt, auf denen der NS trainiert wurde und die vorhergesagt wurden. So erhält man zwei Reihen von Punkten.
Lassen Sie mich Sie korrigieren. Nicht "Entfernungen", sondern "Quadrate von Entfernungen".
Übrigens können mit ANC nicht nur Geradenkoeffizienten berechnet werden.