Was soll in den Eingang des neuronalen Netzes eingespeist werden? Ihre Ideen... - Seite 6
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
Wozu soll ich dann eine ausführliche Antwort vorbereiten?
- Was soll in den Eingang des neuronalen Netzes eingespeist werden?
- Ihre Ideen...
K ohonen-Netzwerke werden üblicherweise in der Bilderkennung eingesetzt..." und gibt sofort die Kurschronologie ein. Halten Sie das nicht für einen Hinweis, denn Trader "fressen" die Chronologie nicht, sie schauen sich den Chart an, können etwas Gemeinsames markieren, sehen ein Cluster von Preisen, markieren dort ein Level und bewerten Breakdowns/Rebounds, Zahlen. Wenn manein neuronales Netzwerk trainiert, um eine Katze in Bildern zu erkennen, wird ein Satz von vielen Bildern für das neuronale Netzwerk zum Training vorbereitet.
So kann das neuronale Netz ohne große Probleme eine Katze auf einem Bild erkennen, die gerne um vier Uhr morgens in der Wohnung herumläuft. Und im Netz findet man immer häufiger Artikel darüber, wie man einem neuronalen Netz beibringt, Zahlen und Zeichen in einem Bild zu erkennen. Warum sollte man das nicht auch mit einem Kurschart machen? Machen Sie Screenshots von einem Preisdiagramm, bevor es steigt, und umgekehrt. Da das Bild nur zwei Farben hat (schwarz und weiß) und es nur wenige Details gibt, fallen die Bilder kaum ins Gewicht und können auch nicht verarbeitet werden. Und füttern Sie sie alle mit dem neuronalen Netz, damit es schließlich die Arbeit des Händlers simuliert, ich habe die Preise nicht multipliziert.
So kann das neuronale Netz ohne große Probleme eine Katze auf einem Bild erkennen, die gerne um vier Uhr morgens in der Wohnung herumläuft. Und im Netz findet man immer häufiger Artikel darüber, wie man einem neuronalen Netz beibringt, Zahlen und Zeichen in einem Bild zu erkennen. Warum sollte man das nicht auch mit einem Kurschart machen? Machen Sie Screenshots von einem Preisdiagramm, bevor es steigt, und umgekehrt. Da das Bild nur zwei Farben hat (schwarz und weiß) und es nur wenige Details gibt, fallen die Bilder kaum ins Gewicht und können auch nicht verarbeitet werden. Und füttern sie alle an das neuronale Netz, so dass es schließlich simuliert / emuliert die Arbeit eines Händlers, habe ich nicht multiplizieren Preise.
Künstliche Komplikation: Aus einer eindimensionalen Reihe wird eine zweidimensionale Reihe. Die Anzahl der Merkmale wird um Größenordnungen steigen, die Trainingszeit ebenfalls.
Und das Ergebnis wird dasselbe sein.
Danke für den Ratschlag, aber mir scheint, dass wir vielleicht nicht Zeitreihen, sondern Muster betrachten sollten, bei denen ein Teil der Zeitreihe keine Rolle spielt, und das neuronale Netz das "Gesamtbild" betrachtet, wie es ein Händler tut. Die Aufgabe selbst ist eine andere, d.h.: vor einem Trend (Umkehrung) sollte dieser Teil des Charts gescannt werden, und dem neuronalen Netz nicht sagen", welche Preise diese Candlesticks haben, die Differenz der Candlestick-Preise, die Normalisierung der Candlestick-Preise, die Normalisierung der Indikatordaten nicht durchführen und es nicht damit füttern - all das sollte verworfen und dem tatsächlichen Wert während des Trainings nur aufwärts" oder abwärts", 1" oder 0", bull" oder bear" zugeführt werden. Und wenn das neuronale Netz diese Bullen bei neuen Candlesticks "sieht" (machen Sie einen Bildschirm des Chartausschnitts für das neuronale Netz, oder automatisieren Sie diesen Prozess irgendwie), wird es sagen: "Na ja, das ist kein Bulle, das ist irgendein Blödsinn, den ich nicht verstehe", und auf einem anderen Chart: "Da ist etwas, das wie ein Bulle aussieht, wahrscheinlich ist es ein Bulle", auf dem dritten Chart: "Da ist definitiv ein Bulle, der Kurs ist dabei, sich zu drehen". In Analogie zur Bilderkennung (ich glaube, ich habe irgendwo einen Artikel über den Hacker gesehen). Auch dort wurde das neuronale Netz mit einer Million Bilder von Katzen gefüttert, und dann hat es: "hier ist eine Katze", "das ist wahrscheinlich eine Katze", "das ist keine Katze")).
Vielleicht ist es möglich, dieses berüchtigte 50/50 zu umgehen. Ich habe hier einen Artikel von einem Brasilianer über die umgekehrte Fehlerfortpflanzung gefunden. Es gibt keinen EA als solchen, nur ein Skript, aber es kann einen nächsten Wert vorhersagen. Ich werde diesen Ansatz ausprobieren, wenn ich ihn an einen EA anpasse.
Geben Sie Zeiträume in das neuronale Netz ein.
Vergleiche Jahre.
Dann Jahreszeiten.
Tage
Stundenkerzen (unter Berücksichtigung der Sommer-/Winterzeitumstellung).
Und dann werden Sie bei einem Instrument ein Muster erkennen.
Das war's, Sie sind reich. Wenn Sie eine solche Analyse machen, teilen Sie sie bitte später mit, ich kann sie selbst nicht in die Hände bekommen.
// Ein Mathematiker wurde einst durch das Studium solcher Muster an der Börse zum Millionär.
P.S. Sie können auch die Perioden der Planeten, des Mondes und den Standort der Börse im Verhältnis zu ihrer Rotation eingeben. Theoretisch können Sie auch die Amplitude der Währung ermitteln (europäische Börse - Euro, amerikanische Börse - Dollar usw.). Indem man die Amplituden vergleicht und sie kombiniert, sieht man alle Währungspaare voraus. Für diejenigen, die nicht verstehen, ist dies Humor.