Red neuronal - página 9

 
Vanek_MIL писал(а) >> Y si uno compara (bajo las condiciones dadas anteriormente, por supuesto) la señal original y la derivada, ¿es la derivada la elegida?

Todo depende de cuál sea la señal original, cuál sea su derivada y qué queramos obtener como resultado. Pero, por supuesto, cuantas menos transformaciones mejor, porque cada transformación introduce distorsiones adicionales en la señal original, lo que por supuesto puede tener un impacto negativo en el resultado final.

Vanek_MIL escribió(a) >> Y si se amplía la situación al cruce de algún umbral fijando el offset relativo a cero, ¿deberían amplificarse las señales del "umbral" de esta manera...?
¿Qué quiere decir con "amplificar las señales del umbral"?
 

LeoV писал(а) >>

¿Qué quiere decir con "amplificar las señales del umbral"?

Me refería a una señal derivada que alcanza un pico cuando la señal original cruza algún umbral, es decir, una generalización del ejemplo anterior.

LeoV >>:

Todo depende de cuál sea la señal inicial, cuál sea su derivada y qué queramos obtener

como resultado.

Por lo tanto, todo se reduce a la tarea en cuestión.

Permítanme aportar mi forma de pensar: cómo y por qué voy a utilizar las redes.


  • Cuando se entrena una red utilizando un indicador que produce señales preparadas, espero que la red encuentre alguna combinación de entradas (patrón) que preceda a la aparición de la señal y prediga la señal cuando el patrón se repita.

¿Cómo va a "saber" que es el que le precede? Bueno, probablemente porque dará más beneficios en una estrategia basada en estas señales. Aunque aquí no es inequívoco, por supuesto, sólo es una suposición.

El patrón debe (? puede) incluir el componente estático (valores) y el dinámico (momentos, etc.) para completar el cuadro.


Ya hemos hablado del aprendizaje anterior con el profesor. El indicador será el maestro, que da buenas señales (y después de la optimización - aún mejor).

Pero entonces por qué no utilizar un profesor "ideal" que dé señales en base al mismo zigzag. Aunque aquí la pregunta es: ¿se puede permitir que el profesor mire al futuro sin permitir que la red lo mire?

  • Es posible utilizar el entrenamiento sin que el profesor confíe en que la red encontrará un estado, en el que las señales emitidas por ella maximizan el beneficio. Pero es difícil predecir nada aquí - ¿sólo elegir (?) el tipo, la configuración de la red y el conjunto de entradas?
  • Al trabajar en la selección de entradas se seleccionan/construyen los indicadores que revelan de forma más o menos fiable algún punto (acercamiento al nivel de consolidación, por ejemplo, o menor correlación entre los pares), que por sí solos no son suficientes para la formación de la señal. ¿Es la red capaz de procesar todo este conjunto de datos y sacar una conclusión? En otras palabras, ¿qué cualidades deben tener estas señales para que la red funcione eficazmente?


Saludos a los reunidos.

 
njel >> :

La idea del TC debe estar presente.

Para completar el cuadro: la idea es utilizar la red para recibir señales de entrada (o su confirmación), y luego acompañar la operación y salir "de forma independiente", ya sea mediante un stop-loss o recibiendo una señal inversa.

 

Se habla de aprender con y sin profesor

Y surgió una pregunta - a los usuarios Neuroshell (tal vez en otros programas es similar - No sé sólo) - en relación con el addon Indicadores Neural.

Voy a hacer algunas sugerencias (si se equivocan - corregir).

Si tomamos las redes neuronales habituales basadas en Turboprop (ya sea Predict o ATR2), o las probabilísticas, el entrenamiento se realiza con el profesor. Como maestro tomamos algún indicador - o salidas neuronales estándar como Optimal%Change, o cambio de precio, o Bai/Sell flag, o algo basado en el mismo zigzag (si es lo que quieres decir) etc. Por lo tanto, se supone que las señales del profesor deben estar coordinadas de alguna manera con los datos de entrada. De lo contrario, pueden darse situaciones como que la entrada aumente gradualmente y luego disminuya, pero la salida se mantenga constante. O la entrada es constante, la salida aumenta rápidamente al principio y luego disminuye. Hay muchas variantes y todo es mucho peor cuando hay muchas entradas. Y este tipo de cosas pueden llevar al estancamiento de la red, porque las mismas entradas conducen a diferentes salidas, o viceversa.

Así que el resultado podría ser que elegir al profesor adecuado es muy difícil, si nos equivocamos corremos el riesgo de arruinar la red incluso con buenas aportaciones.

Una posible solución es utilizar las redes del addon Indicadores neuronales: se entrenan sin profesor y se ajustan a las funciones de la estrategia objetivo

Pregunta: ¿tiene este complemento una ventaja clara sobre otras redes neuronales?

 

No entiendo por qué necesitamos tomar cotizaciones derivadas cuando podemos utilizar una red neuronal para predecir la posible dirección del movimiento introduciendo una serie de valores previos de ALTO CERRADO BAJO

como 400 barras de profundidad ;) ? En los plazos H1 y menores es necesario tener en cuenta el precio OPEN. Esto hace que 400 X 4 = 1600 valores de entrada de HCLO para M1: 60 barras por delante serán suficientes para predecir la dirección). Sólo falta encontrar un programa analizador adecuado y un superordenador.

 
Piboli писал(а) >>

No entiendo por qué necesitamos tomar cotizaciones derivadas cuando podemos utilizar una red neuronal para predecir la posible dirección del movimiento introduciendo una serie de valores previos de ALTO CERRADO BAJO

como 400 barras de profundidad ;) ? En los plazos H1 y menores es necesario tener en cuenta el precio OPEN. Esto hace que 400 X 4 = 1600 valores de entrada de HCLO para M1: 60 barras por delante serán suficientes para predecir la dirección). Lo único que queda es encontrar un programa de análisis adecuado y un superordenador.

Lo más importante es encontrar el programa analizador adecuado ))))

>> Disculpe, por supuesto, pero ¿ha tenido una buena experiencia con este enfoque?

 
GrooovE >> :

Lo más importante es encontrar el programa analizador adecuado )))

Disculpe, por supuesto, pero, ¿ha habido experiencias positivas en ese enfoque?

Bien en H4 para 4-5 bares por delante perc para 90 cientos de forma fiable sí para 2-3 semanas sin reentrenamiento...

No encuentro un programa normal, además de Forex tengo que estudiar www.wasm.ru ;)

Tengo que estudiar Forex y no sé cómo hacerlo.


 
Vanek_MIL писал(а) >>

Para ser honesto - no lo entiendo...)) En cuanto al tema del profesor perfecto, no es del todo cierto que el perfecto sea necesario ......

GrooovE escribió(a) >> Pregunta - ¿tiene este addon una clara ventaja sobre las otras redes de neuroshell?

Una ventaja: no hay profesores.....

Piboli escribió >>

No entiendo, por qué tomar derivadas de las cotizaciones, cuando se puede utilizar la red neuronal para predecir la posible dirección del movimiento, dando como entrada una serie de valores anteriores ALTO CERRADO BAJO

como 400 barras de profundidad ;) ? En los plazos H1 y menores es necesario tener en cuenta el precio OPEN. Esto hace que 400 X 4 = 1600 valores de entrada de HCLO para M1: 60 barras por delante serán suficientes para predecir la dirección). Sólo falta encontrar un programa de análisis adecuado y un superordenador.

El problema es uno, cuando el precio va más allá del rango que estaba en el historial de 400 barras, la red neuronal no sabrá qué hacer y dará una señal en la dirección de este rango sin importar que el precio se mueva fuera de él......

 
LeoV >> :

Sinceramente, no lo entiendo...

Como se dice, una pregunta bien formulada contiene la mayor parte de la respuesta. Por lo tanto, incluso de esa respuesta se pueden extraer ciertas conclusiones...)


Perdóneme por mi enfado y permítame introducir otra pregunta de razonamiento:


¿Puede utilizarse una red neuronal para determinar la fase actual del mercado?

Permítanme aclarar lo que se quiere decir.

Por fase de mercado en este caso nos referimos a la presencia de una tendencia o a su ausencia (probablemente sea un plano).

Bien, dejemos de lado al profesor. Tomemos la red sin entrenamiento.

Por lo tanto, las entradas deben seleccionarse de tal manera que los clústeres (perdonen mi incompetencia), en el mejor de los casos, dos de ellos aparezcan en el espacio de los parámetros de entrada:

Uno para una tendencia, el otro para un piso... (¿o tal vez sólo hay un grupo - tendencia, y todo lo demás - no tendencia?).


Si ese es el caso:

¿Cómo, de qué forma la señal de salida muestra la pertenencia a un clúster determinado?

¿Es realista visualizar estas agrupaciones para navegar ya en la fase de selección de entradas?

Cuando se diseña una red de este tipo, se puede controlar metódicamente el proceso o hay que confiar en el azar: ¿funcionará o no funcionará (por supuesto, es una pregunta ingenua))?


Respetuosamente.

// fue a aprender las matemáticas

 

Sobre el tema del backprop, me gustaría añadir que utilizar el error estándar del algoritmo es un error.