Neuronale Netze - Seite 12
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
Implementieren Sie einen einfachen Feed-Forward-Optimierungsalgorithmus, stimulieren Sie gewinnbringende Trades mit einer Form von asymmetrischem MM. Greifen Sie auf Ihre realen Handelsergebnisse mit standardisierten statistischen Messungen zu, damit Sie wissen, ob das gesamte Modell oder ein Teil davon defekt ist, wenn es anfängt, schlecht zu laufen. Gehen Sie zurück zur Optimierung/Zeichenbrett.
All dies nur, wenn Ihr Netzwerk ein zugrunde liegendes zyklisches Verhalten erfasst hat, das sich ausnutzen lässt. Ein Hinweis darauf, dass Sie auf dem Weg zum Erfolg sind, ist, wenn Ihr Muster fraktaler Natur ist.
Wenn ich mir Ihre früheren Beiträge ansehe, leiden Sie wahrscheinlich unter dem Syndrom des Übertrainings/der Anpassung.
Ich würde mich für eine große Anzahl von Geschäften geringerer Qualität entscheiden, damit ich sie mit einfacheren Verfahren ausmerzen kann...
Sie haben einige grundlegende Fehler gemacht:
- Die Verwendung typischer neuronaler Feed-Forward-Netze für die Vorhersage von Zeitreihen wie Devisenkursen ist eine sehr schlechte Idee
- Sie versuchen, Werte auf dem H1-Zeitrahmen vorherzusagen - das ist für Devisen nicht mit guten Ergebnissen möglich. Verwenden Sie D1 oder H4 (für Währungen, die eine geringe Volatilität aufweisen)
- Sie verwenden zu viele Daten als Input - das neuronale Netz gewöhnt sich zu sehr an die Trainingsdaten und wird im Live-Handel sehr schlecht abschneiden
- Sie sind zu begeistert von der Betrachtung der Trainingsdaten
- es ist unmöglich, ein neuronales Netz zu trainieren, das über einen langen Zeitraum hinweg effektiv arbeitet. Ein typisches neuronales Netz, das für die Vorhersage von Zeitreihen trainiert wird, liefert etwa 20-100 gute Vorhersagen und muss dann neu trainiert werden, um den jüngsten Veränderungen gerecht zu werden.
Wenn Sie nützliche neuronale Netze für Zeitreihenvorhersagen erstellen wollen, sollten Sie sich über evolutionäre neuronale Netze informieren (neuronale Feed-Forward-Netze, die als flexible neuronale Bäume kodiert sind; ihre Architektur wird mit PIPE oder GEP optimiert; flexible Aktivierungsfunktionsparameter werden mit PSO, EPSO oder simuliertem Annealing optimiert usw.)Ja, ich dachte, das wäre etwas zu schön, um wahr zu sein:
Es hat weniger als eine Stunde gedauert, dieses Netz zu erstellen. Haben diese evolutionären neuronalen Netze etwas mit UTHONNs zu tun? Ich habe einen Artikel gelesen, der nahelegt, dass diese Art von ANN viel besser funktioniert als herkömmliche FF-Backprop-Modelle. Ich arbeite mit MATLAB. Wäre es möglich, das, was Sie gesagt haben, damit zu machen? Welche Software würden Sie vorschlagen, oder ist MATLAB in Ordnung?
@Kazam
Lass etwas Geld auf dem Tisch liegen, Mann
Implementieren Sie einen einfachen Feed-Forward-Optimierungsalgorithmus, stimulieren Sie gewinnbringende Trades mit einer Form von asymmetrischem MM. Greifen Sie auf Ihre realen Handelsergebnisse mit standardisierten statistischen Messungen zu, damit Sie wissen, ob das gesamte Modell oder ein Teil davon defekt ist, wenn es anfängt, unterdurchschnittlich zu laufen. Gehen Sie zurück zum Optimierungs-/Zeichenbrett.
All dies nur, wenn Ihr Netzwerk ein zugrunde liegendes zyklisches Verhalten aufweist, das ausgenutzt werden kann. Ein Hinweis darauf, dass Sie auf dem Weg zum Erfolg sind, ist, wenn Ihr Muster fraktaler Natur ist.
Wenn ich mir Ihre früheren Beiträge ansehe, leiden Sie wahrscheinlich unter dem Syndrom des Übertrainings/der Überanpassung.
Ich würde mich für eine große Anzahl von Geschäften geringerer Qualität entscheiden, damit ich sie mit einfacheren Verfahren ausmerzen kann...Ich habe über Überanpassung gelesen, und ich nehme an, dass dies auch hier der Fall ist. Wäre es besser, die Zehn-Jahres-Stichprobe in 10 Ein-Jahres-Stichproben aufzuteilen und mit einem Jahr zu trainieren und mit dem nächsten zu testen? Es scheint mir, dass der GBPJPY einen 5-10-Jahres-Zyklus durchläuft. Ich hatte eine 10-Jahres-Stichprobe gewählt, weil ich hoffte, das Netzwerk so trainieren zu können, dass es diesen Zyklus erkennen kann. Ich hatte gehofft, dass ein über diesen Zyklus trainiertes Netzwerk in der Lage sein würde, zu erkennen, in welchem Teil des Zyklus es sich befindet, und entsprechend zu reagieren.
Bei meinen bisherigen Strategien habe ich auf große Bewegungen gewartet und dann Kasse gemacht, aber ich möchte ein neuronales Netz als Teil einer Scalping-Strategie einsetzen. Ich würde versuchen, fast jeden Tick zu handeln, je nachdem, ob der prognostizierte Schlusskurs über oder unter dem aktuellen Kurs liegt.
Evolutionäre neuronale Netze sind vorwärtsgerichtete neuronale Netze, die mit Hilfe von genetischen Berechnungsalgorithmen und Optimierungsmethoden aufgebaut und optimiert werden. Das ist etwas anderes als die UHHONNs (die UHHONNs sehen übrigens sehr vielversprechend aus und stehen als nächstes auf meiner Testliste
).
Ich denke, diese beiden Arbeiten sollten ein guter Anfang sein.
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfSie könnten Matlab für die Erstellung von ENN verwenden, aber Sie müssten m-Skripte für GEP, PIPE usw. finden oder schreiben.
Evolutionäre neuronale Netze sind vorwärtsgerichtete neuronale Netze, die mit Hilfe von genetischen Berechnungsalgorithmen und Optimierungsmethoden erstellt und optimiert werden. Es ist etwas anderes als UHHONNs (btw UHHONNs sehen sehr vielversprechend aus und stehen als nächstes auf meiner Testliste
Ich denke, diese beiden Papiere sollten ein guter Anfang sein.
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfCool, ich werde mir die Papiere ansehen und dann weitermachen. Ich habe über genetische Optimierung gelesen und es scheint der logischste Ansatz zu sein. Ich habe Alyuda NeuroIntelligence ausprobiert, das eine genetische Optimierung von Neuronen und Gewichten bietet, aber das kostet etwa 600 Dollar, und wenn ich es in Matlab machen kann, wäre das besser.
Ist Ihnen aufgefallen, dass viele Arbeiten über Prognosen mit neuronalen Netzen von der Universität Jinan zu kommen scheinen? Ich habe ein Dokument über eine Vielzahl verschiedener HONNS, wenn Sie wollen, kann ich es Ihnen per E-Mail zusenden, schicken Sie mir einfach Ihre Adresse. Ich habe versucht, es zu verkleinern und anzuhängen, aber mir fehlte offenbar ein Token
Evolutionäre neuronale Netze sind vorwärtsgerichtete neuronale Netze, die mit Hilfe von genetischen Berechnungsalgorithmen und Optimierungsmethoden aufgebaut und optimiert werden. Es ist etwas anderes als UHHONNs (btw UHHONNs sehen sehr vielversprechend aus und stehen als nächstes auf meiner Testliste
Ich denke, diese beiden Papiere sollten ein guter Anfang sein
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfHallo!
Wie implementieren Sie die Ideen in diesen Papieren? Ich meine, gibt es einen Matlab- oder C++-Code?
biddick
Ich schreibe meine eigenen Versionen aller Algorithmen, die ich verwende, weil ich einen Server verwende, der auf der CUDA-Technologie von Nvidia basiert (er führt Berechnungen mit einer 1000-fach höheren Geschwindigkeit durch als der neueste Intel Quad-Prozessor
).
Meistens verwende ich jedoch die Sprache C.
Wenn Sie eine gute Quelle für Informationen über HONNs suchen, besorgen Sie sich das Buch "Artificial Higher Order Neural Networks for Economics and Business". Es ist eine neue Veröffentlichung und enthält sehr gute Informationen. Der Preis ist ein Killer (180$), aber Sie können es als pdf finden
.
Einige andere Bücher, die ich empfehle:
- "A field guide to genetic programming" - Sie können es kostenlos herunterladen unter
- "Introduction to genetic algorithms" - published by Springer in 2008.
- "Biologically Inspired Algorithms for Financial Modeling" - from Springer, published in 2006. Very good publication.
- "Network Models and Optimization Multiobjective Genetic Algorithm Approach" - from Springer, published at 2008. Also a very good publication.
- "Gen Expression Programming" - by Candida Ferreira.
All of them can be found in pdf. I usually don't encourage to download copyrighted materials but most of the recent books about ENN cost way over 200$.
Those are just few books that I think are really worth reading. I have over a hundred other so if you'll be interested in something more I'll recommend you another books.
About PIPE you can read here:
[CODE]http://edocs.tu-berlin.de/diss/2003/salustowicz_rafal.pdfEnde des Jahres werde ich meine Doktorarbeit über "Evolutionary Neural Networks for financial time series forecasting" abschließen und sie wahrscheinlich ins Englische übersetzen, so dass ich Teile davon hochladen könnte.
Kazam,
Haben Sie ein gutes Ergebnis in Ihrem Handel mit diesem Zeug?