Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 347
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
es decir, necesitamos =RNN(a0,a1,a2,a3);
No entiendo si RNN es RNN, o ReshetovNN (RNN), que no es RNN.
Ahora se trata de uno, ahora se trata del otro. Ya no entiendo en qué contexto.
No entiendo si es RNN que es RNN, o ReshetovNN (RNN), que no es RNN.
Se trata de uno o de otro. Ya no entiendo en qué contexto.
A juzgar por el código no hay memoria en el sentido literal. Las entradas sólo reciben datos del indicador para las barras más antiguas, por ejemplo las barras 0,1,2,3 o 0,2,4,8 o 0,10,20,30 - como usted elija. Así que la memoria no está en la propia NS, sino en una fuente externa
Y esto ya no es una RNN. La RNN es sólo con retroalimentación - con recursividad. Hay que cambiar el nombre de alguien)).
Y, estrictamente hablando, no es una red, es una sola neurona.
Y esto ya no es RNN. La RNN es sólo con retroalimentación - con recursividad. Hay que cambiar el nombre de alguien)).
Y, estrictamente hablando, no es una red, sino una sola neurona.
Añade otra del mismo tipo, y luego alimenta las salidas de estas 2 a la 3ª - ahí lo tienes) Sólo los pesos no pueden ser optimizados, si la 1ª neurona tiene 100 entradas, la segunda tiene 100 entradas, y la tercera tiene 2.
Aquí, en lugar de calcular a partir de las 202 entradas de , deberíamos calcular a partir de los comandos de entrenamiento... No calcule la optimización del equilibrio en el optimizador, sino que utilice, por ejemplo, 1000 puntos de entrenamiento y calcule los coeficientes basándose en ellos.
Añade otra, y luego alimenta las salidas de estas 2 a la 3ª - esa es la rejilla) Sólo los pesos serán irreales si la 1ª neurona tiene 100 entradas, la segunda tiene 100 entradas, y la tercera tiene 2.
Porque hay un error en RNN3 -
se piden datos para 5 puntos y se calcula la probabilidad para 4 puntos y no se empieza con la barra actual a0, sino con el desplazamiento en el periodo, es decir, con a1. La probabilidad se calcula no para el momento actual, sino para el punto a1 - de ahí que los resultados sean malos para a0))
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
es decir, =RNN(a0,a1,a2,a3);
Pues bien, para calcular para 5 puntos, también deberías aumentar la log-matrix a 25 reglas, es decir,52. Y así sucesivamente, si se necesitan más puntos/insumos. Si hay 10 entradas, significa 100 variables de entrada ))))). Me pregunto si MT5 es capaz de optimizarlo.
No, también es su original, no lo cambié.
Para 10 entradas ya sería problemático contar incluso a través de la nube) Pero intentaré hacer 3 sistemas expertos de este tipo, alimentados a la entrada 4 ) Si los precios de apertura no se comprueban durante un periodo de tiempo muy largo entonces bien
Reshetov tiene una solución interesante. Es probable que se haga algo parecido. Sólo que por el contexto a menudo no se entiende de qué RNN estamos hablando.
No es RNN, es un sistema experto, como él lo llama... por qué se llama RNN no lo sé, quizás por el apellido :)
No, este también es su original, no lo cambié
Para 10 entradas ya sería un problema contar incluso a través de la nube) Pero intentaré hacer 3 sistemas expertos de este tipo, presentados para la entrada del 4º) Si los precios de apertura no se prueban durante un periodo muy largo, entonces bien
¿Y si lo dividimos en cuadros con un ligero solapamiento? Obtenemos 2 o 3 EA parcialmente superpuestos y los fusionamos.
como opción, sí
Me parece poco realista calcular algo rentable con sólo 3 o 5 entradas utilizando dicha matriz. Estoy de acuerdo en que cubre todas las variaciones posibles.
Pero si por ejemplo hacemos una red con 5 entradas, serán 32 coeficientes para los cálculos. El algoritmo genético suele converger en 10000 pases, es decir, las entradas convergerán en promedio como -1,0-1.
Con 3 entradas quizás se pueda calcular un patrón, pero 3 entradas no es suficiente en mi opinión.
Mientras que las redes neuronales pueden construirse en R o incluso desde ALGLIB y calcularse rápidamente. Su estructura interna no será tan completa, pero las dependencias más fuertes se encontrarán durante el entrenamiento.