Encontrar un conjunto de indicadores para alimentar las entradas de la red neuronal. Discusión. Una herramienta para evaluar los resultados. - página 10

 
marketeer писал(а) >>
... La adaptación implica ajustarse al conjunto de pruebas, y aquí el sistema terminado se acaba de probar contra él...
Ajustar a un conjunto de pruebas o comparar con un conjunto de pruebas: no veo la diferencia. IMHO
 
rip >> :

Funciona muy bien en los atractores :) No lo he probado en fotos. Creo que la cuestión es la estructura de la fila. No lo he procesado previamente.

Si lo encuentro, te lo enviaré. Es delphi, sin embargo...

 
TheXpert >> :

Se ha hecho, pero en un área de aplicación completamente diferente. Por cierto, no he conseguido que funcione el PCA no lineal. Y el lineal es demasiado débil, creo.


En el espacio ampliado del teorema de Mercer, intente aplicar sus datos y resolver el mismo problema, que es el mismo que el tema de la asociación en las redes neuronales que se trata aquí.

 
joo >> :
Ajustarse a un conjunto de pruebas, o compararse con un conjunto de pruebas, no veo la diferencia. IMHO

Hay una diferencia, y muy grande (desde el punto de vista algorítmico y de los resultados). Pero quedémonos con nuestras opiniones. Si alguien está interesado, que se ponga en contacto conmigo en persona.

 
TheXpert >> :

Si lo encuentro, te lo enviaré. Pero es Delphi...

Se lo agradecería. Creo que la pregunta era sobre el preprocesamiento. No lo hice, ya que sólo estaba comprobando el funcionamiento de la red.

 
poner Deductor Academic (http://www.basegroup.ru/download/deductor/ ), por supuesto con fines académicos . Realiza análisis de correlación y de factores, dibuja mapas de Kohonen. Puede hacer muchas otras cosas... averiguar cómo y qué.
 
iliarr >> :

Saludos a todos los participantes y visitantes del foro.


Quiero ofrecer a todos los interesados que discutan y busquen un conjunto de indicadores más adecuados para alimentar las entradas de las redes neuronales.

Puedo utilizar la rentabilidad de la red neuronal en mi programa como una herramienta de estimación, también puedo diseñar MQL4 Expert Advisor con la red neuronal entrenada. Dentro de unos límites razonables, por supuesto.


Tengo un perseptrón auto-escrito (en java) con un número arbitrario de capas y neuronas en cada capa que entreno con un algoritmo genético de la biblioteca JGAP (http://jgap.sourceforge.net/).

El número de neuronas en la primera capa es igual al número de entradas, en la segunda capa es aleatorio, en la capa 3 - 1 neurona. La red neuronal produce señales de trading (salida de la red neuronal >0,5 - compra, salida de la red neuronal<-0,5 - venta). Las señales son procesadas por un probador de trading autoescrito que, basándose en la señal de la red neuronal, invierte la posición (o entra en el mercado, si no se abre ninguna posición). La función objetivo del algoritmo genético es el beneficio resultante. Este enfoque, en mi opinión, nos permite minimizar todos los errores posibles y acercar la formación lo más posible al comercio real. Exporto la red entrenada a MQL4 Expert Advisor y la pruebo en el probador de estrategias de MT4. Formo las entradas para la red neuronal en el indicador de MT4 y las subo a un archivo. El indicador y el Asesor Experto son formados por el programa y se escriben en los archivos (menos confusión y menos errores).

Para mí, las redes de 4 capas no dan más beneficios (normalmente menos) que las de 3 capas, pero tardan más en entrenarse.
He entrenado una red 8-10-1 durante 4 días en una Core2 Quadro 2.3. 10 hilos paralelos con diferentes poblaciones iniciales compitiendo para ver "quién tiene más beneficios". Pasaron 4 días unas 4000 generaciones con 200 cromosomas en una población. El máximo beneficio se obtuvo en las primeras 2000 generaciones, más allá de eso, el beneficio no aumentó. El mayor aumento de beneficios se produjo en las primeras 100 generaciones.

He comprobado los resultados de esta red en el probador de estrategias de MT4. He descubierto que la red casi nunca alcanza el umbral de +-0,5 y la señal de comercio no se activa. La razón no está clara, es decir, he comprobado la corrección de la exportación a MQL4 (con los mismos valores de las entradas en Java y MQL4 la red da los mismos valores, tal vez todo el flujo entrante debería haber sido presentado, no algunos valores al azar). He bajado el umbral a 0,4 y parece que funciona... Entonces descubrí que el Asesor Experto no puede invertir una posición de una sola vez... Mi Asesor Experto cerrará la barra y el precio tendrá tiempo para moverse antes de la siguiente barra. En el período de aprendizaje (estoy aprendiendo en 1-08-09 a 1-10-09) el beneficio en MT4 fue menor que en mi probador, en el período de prueba en MT4 (1-10-09 a 1-11-09), la red fue rentable. He mirado qué puntos de entradas no rentables se producen y me da la impresión de que los datos que entran en la red neuronal no llevan suficiente información...

I red neuronal de entrada: (k=100)

Entiendo cómo funcionan los indicadores, pero no los entiendo ni el mercado lo suficiente como para elegir un número mínimo de indicadores por mí mismo...

He buscado en el foro y he encontrado (el autor del post del que he tomado la idea, por desgracia, no lo recuerdo):

estudiado en 10 hilos, 200 generaciones, tamaño de la población 200 para el período 1-08-09 a 1-10-09 (mi probador java da los resultados)
red 9-10-1 : beneficio 10521
9-20-1 neto : beneficio 10.434
Red 9-30-1 : beneficio 10361
Red 9-50-1 : beneficio 10059
el resultado es bueno, pero parecía ser mejor con la versión anterior... tendré que ponerlo con las entradas anteriores (no guardé los resultados del último entrenamiento)

Se necesitan multiplicadores adicionales para ajustar los valores en el rango de -1 a +1


Después de leer lo que he escrito, me puse a pensar en un posible error en la exportación de la red neuronal entrenada al Asesor Experto - debe ser probado de nuevo.

P.D. Ahora estoy escribiendo una red neuronal recurrente de estructura arbitraria (según tengo entendido, la red neuronal recurrente tiene en cuenta no sólo el valor, sino también el ángulo de inclinación).


Entre tan brillantes teóricos de las redes neuronales, yo probablemente parecería la oveja negra. Pero alguien tiene que hacer hamburguesas y alguien tiene que comerlas. Así que me arriesgaré a ofrecer algunos consejos interesantes. Podría utilizar dos indicadores Force Index.mq4( periodo 3.53), DeMarker.mq4( periodo 3.53) para entrenar la red neural y conectar los cambios en estos indicadores con el flujo de tiempo normal - el tiempo será el tercer indicador. Los indicadores son sencillos y predicen los cambios en el mercado con una fiabilidad del 100%. En Force Index introduzca el nivel 0.0, y en DeMarker introduzca los niveles 0.1 y 0.9. Está claro que en el código de estos indicadores debemos cambiar la dimensión de los periodos de int a double.

 
Avelox >> :

Entre tan brillantes teóricos de las redes neuronales, yo probablemente parecería la oveja negra. Pero alguien tiene que hacer hamburguesas y alguien tiene que comerlas. Así que me arriesgaré a ofrecer algunos consejos interesantes. Podría utilizar dos indicadores Force Index.mq4( periodo 3.53), DeMarker.mq4( periodo 3.53) para entrenar la red neural y conectar los cambios en estos indicadores con el flujo de tiempo normal - el tiempo será el tercer indicador. Los indicadores son sencillos y predicen los cambios en el mercado con una fiabilidad del 100%. En Force Index introduzca el nivel 0.0, y en DeMarker introduzca los niveles 0.1 y 0.9. Está claro, que en el código de estos indicadores debemos cambiar la dimensión de los periodos de int a double.

ha pasado tanto tiempo... Escribí mi algoritmo genético, hice una red recurrente de propagación hacia adelante con retroalimentación de cualquier capa posterior a las anteriores... No he hecho la exportación de las nuevas neurísticas a mql4... No he llegado a hacerlo... Si lo hago, tendré en cuenta tus indicadores. :)