La etiqueta del mercado o los buenos modales en un campo de minas - página 52

 
paralocus писал(а) >>

Y la longitud del vector de error es algo nuevo... no pasamos -:)

¿Cómo se busca la longitud del lado de un triángulo? ¡Así es! - Se toma la suma de los cuadrados bajo la raíz.

Lo mismo, sólo que lo normalizas por la longitud del vector de datos. Así que esto no es nada nuevo. Es todo científico.

 
¿Qué opinas de la doble capa?
 
Ahora tengo uno. No creo que importe todavía, pero la velocidad es mejor.
 
Creo que todavía no estoy a la altura. Estaré atrapando bichos en algún lugar. Tengo otra petición: ¿podríais sugerir otro método de indexación (por sinapsis u otra cosa), porque la indexación directa es buena para una capa, pero en dos capas es muy complicada, probablemente por eso es lenta (y probablemente incluso con fallos)
 

Este es un ejemplo de uno de los ciclos de "compresión" en todos los pesos:

 

También tengo todos los pesos en el mismo array y la indexación es más o menos la misma


 
grasn >> :

¿Está prediciendo el "color" de la futura barra +1 o está estimando el movimiento con mayor precisión, utilizando la historia de la barra actual?

Entendido, gracias. Dígame, ¿cómo estima el resultado óptimo de su NS, es decir, qué porcentaje de barras del volumen total del experimento tendrá éxito? Bueno, por ejemplo, el 99% de las 1000 barras se predijeron correctamente. ¿Cuál es su estimación?

 

Así que... mientras piensas en la pregunta (y dada la diferencia horaria con Novosibirsk, probablemente estés durmiendo), he decidido, por curiosidad, intentar predecir el color de la barra mediante el método AR. Traté de predecir "lob" y luego traté de predecir el color de la barra. He intentado predecir "directamente" la dirección ("+" o "-") de x[n]-x[n-1] (H+L)/2 sin identificar el modelo. Igualmente, como esperaba, es una basura, porque no se puede hacer a la vez. Pero me acordé de una vieja idea de procesamiento de series y obtuve algún resultado experimental (en 15 min de EURUSD 5 000 muestras):


  • 0 - error en la dirección
  • 1 - la dirección es correcta



Lo más decepcionante es que no hay ningún error... Pero tienes razón Serega, conociendo la "dirección" en una barra y la "respiración de la barra" al cuadrado medio (por un poco de misticismo) podemos construir una buena estrategia. ¿Cuáles son sus resultados? Debes haber calculado cuánto se permite mentir al sistema, ¿verdad?

 
grasn писал(а) >>

Entendido, gracias. Dígame, ¿cómo estima el resultado óptimo de su NS, es decir, qué porcentaje de barras del volumen total del experimento tendrá éxito? Bueno, por ejemplo, el 99% de las 1.000 barras se predijeron correctamente. Cuál es su estimación o cuál es el resultado existente.

Si sólo queremos predecir la dirección del movimiento esperado, debemos estimar el porcentaje de predicciones correctas utilizando la fórmula: p=n(+)/N, donde N es el número total de experimentos, n(+ ) es el número de signos adivinados correctamente.

Si se trata de predecir el movimiento esperado teniendo en cuenta su amplitud, podemos estimar correctamente la fiabilidad de la previsión construyendo una nube de previsión mediante el algoritmo descrito en este tema anteriormente, y trazar una línea recta a través de ella utilizando el método de los mínimos cuadrados. La tangente de su pendiente caracteriza la precisión de la predicción del algoritmo seleccionado, mientras que la dispersión de los puntos experimentales muestra los riesgos.

He aquí un ejemplo de este tipo de trazado para la muestra de entrenamiento (en rojo) y para una muestra de prueba (que no participó en el entrenamiento):

Tienes razón, Seryoga. Conociendo la "dirección" en un bar, significa cuadrar la "respiración del bar" (para algunos misticismo) podemos construir una buena estrategia. ¿Cuáles son sus resultados? Debes haber calculado cuánto se permite mentir al sistema, ¿verdad?

Lo hice. De eso trata la primera parte de este hilo. Léalo. Según los resultados de esta estimación, si el sistema da una ventaja estadísticamente fiable (>50% de entradas correctas), entonces define inequívocamente los parámetros óptimos para la gestión de la movilidad, permitiendo llevar el mercado al máximo.

P.D. ¡Es increíble el tiempo que has tardado en entenderlo por fin! ¿Y cuántos apodos insultantes he escuchado de ti en el mismo tiempo? Y cuántos más tendré que escuchar...

 

a Neutrón



Если говорить о прогнозе ТОЛЬКО направления ожидаемого движения, то оценивается процент правильно угаданных движений по формуле: p=n(+)/N, где N - полное число экспериментов, n(+) - число правильно угаданных знаков.

Si se trata de predecir el movimiento esperado teniendo en cuenta su amplitud, debemos estimar correctamente la fiabilidad del pronóstico utilizando el algoritmo descrito en este tema y trazar una línea recta a través de él utilizando el método de los mínimos cuadrados. La tangente de su pendiente caracteriza la precisión de la predicción del algoritmo seleccionado, mientras que la dispersión de los puntos experimentales muestra los riesgos.

He aquí un ejemplo de ese dibujo para la muestra de entrenamiento (la roja) y para la de prueba (que no participó en el entrenamiento):

Estimado. La primera parte de este hilo está dedicada a ello. Lee. Según los resultados de esta estimación, si el sistema tiene una ventaja estadísticamente significativa (>50% de entradas correctas), entonces define inequívocamente los parámetros óptimos para la gestión de la movilidad, permitiendo exprimir el mercado al máximo.

¿Puede decirme claramente cuál es su tasa de adivinación en su sistema super duper NS. Además, dijiste que sólo predecías el color, ¿qué tiene que ver eso con la amplitud? El tema no iba de eso. No hace falta que me obligues a leer todo, sobre todo porque tus números pueden haber cambiado ya.

P.D. ¡Es increíble el tiempo que has tardado en entenderlo por fin! ¿Y cuántos apodos insultantes he escuchado de ti en el mismo tiempo? Y cuántos más tendré...

Seryoga, tienes la psique dañada y el ego inflado. Date prisa y no escribas esas tonterías. Además, tienes poca memoria y has olvidado cómo llamaste chiflados a personas normales y básicamente buenas. Aye-aye, doHur.


PD: Es increíble lo que tardarás en entender por fin que los modelos AR de pyremy no te darán peores resultados en comparación con tu NS.