¡¡¡Es imposible ganar dinero con Forox!!! - página 32

 
No quería meterme en la discusión, pero te puedo decir que es la única forma de entrenar las neuronas. El sobreentrenamiento se trata con un par de trucos básicos sobre esos datos. Así que joo es prometedor.
 
Avals >> :

El preprocesamiento, es decir, lo que se introduce en el sistema, es probablemente importante aquí. IMHA, esta es una piedra angular de los sistemas adaptativos. Estos valores deberían caracterizar por sí mismos las fases estables del mercado. Y los sintéticos deben generarse a partir de estas entradas. A grandes rasgos, hay que generarlas y modificar su distribución (cambiando los valores de los parámetros de entrada del sistema adaptativo)

No es necesario pensar en lo que se alimenta a la entrada ATS. Primero debe tener la fuente original de los datos de entrada, el mismo OHLC pero sintético.

 

Al fin y al cabo, la pregunta iba dirigida a los que entienden de estadística, ya que yo no conozco el tema lo suficiente.

Cuando lo implemente en código funcional, lo pondré en la base de código. Quien esté interesado, lo utilizará.


Si tienes algo que decir sobre el tema que sugerí, Ilya, estaré encantado de escucharlo.

 
Oh, lo hay, ¡y mucho! ¿Cuál es la mejor manera de abordar el problema de la adaptabilidad? Se trata de construir una serie estadísticamente similar basada en los parámetros estadísticos de la muestra general. El resultado sería un modelo de precios con características similares a la muestra general, pero con un nuevo movimiento, y con tantos datos como sean necesarios. Y la novedad de su movimiento se corresponderá con las propiedades de la muestra general. Una rejilla o un Asesor Experto adaptable no podrán adaptarse, porque los datos cambian constantemente. Pero esos datos contienen leyes estatutarias a las que se dirigirá la neurona o el Asesor Experto adaptativo. Y son las leyes de las estadísticas las que van a generalizar (tratar de generalizar, hay que seguir pensando en la neurona). Este es el final de la primera parte. :)
 
IlyaA >> :
Oh, lo hay, y mucho. ¿Cuál es la mejor manera de abordar el problema de la adaptabilidad? Se trata de construir una serie estadísticamente similar basada en los parámetros estadísticos de la muestra general. Así obtenemos un modelo de precios con características similares a las de la muestra general, pero con nuevos datos y con cualquier número de ellos. Y la novedad de su movimiento se corresponderá con las propiedades de la muestra general. Una rejilla o un Asesor Experto adaptable no podrán adaptarse, porque los datos cambian constantemente. Pero esos datos contienen leyes estatutarias a las que se dirigirá la neurona o el Asesor Experto adaptativo. Y son las leyes de las estadísticas las que van a generalizar (tratar de generalizar, hay que seguir pensando en la neurona). Este es el final de la primera parte. :)

La pregunta no era sobre el aprendizaje. La pregunta se refería a la creación de una RV sintética con unos parámetros de estado dados.

 
joo >> :

La pregunta no era sobre la formación. La pregunta se refería a la creación de un PA sintético con los parámetros estadísticos especificados.


El algoritmo es aproximadamente el siguiente:

1. decidir un grupo de parámetros para la población general. Unos 5-10 por lo general. Los sociólogos tienen entre 100 y 150.

2. Construir una densidad de probabilidad para cada característica o combinación de características. 3.

Empezar a modelar datos con distribuciones especificadas. Se comprueba la coherencia de la combinación con todos los parámetros y se realizan correcciones en el algoritmo de generación.

4. Los datos se utilizan para el entrenamiento de los Asesores Expertos.

 
IlyaA >> :


El algoritmo es aproximadamente el siguiente:

1. decidir un grupo de parámetros para la población general. Unos 5-10 por lo general. Los sociólogos tienen entre 100 y 150.

2. Construir una densidad de probabilidad para cada característica o combinación de características. 3.

Empezar a modelar los datos con las distribuciones especificadas. Se comprueba la coherencia de la combinación con todos los parámetros y se realizan correcciones en el algoritmo de generación.

4. Los datos se utilizan para el entrenamiento de los Asesores Expertos.

¡Eso es genial! Y ahora para el 1,2,3 excepto para el 4, por favor, elabore.

 
IlyaA писал(а) >> El sobreentrenamiento se cura con un par de trucos elementales en esos datos.

¿Qué tipo de trucos? si no es un secreto....))

 

Yo utilizaría (señal real + ruido artificial) para investigar la estabilidad del TC.

Y no le veo ningún sentido práctico a un oscilador puramente artificial. Sí, entiendo la idea de la depuración del algoritmo de TC en el simulado por un especialista condiciones necesarias, pero no estoy seguro de que será adecuado. Entonces siempre se puede encontrar el área necesaria en las cotizaciones reales y no una.

 
LeoV >> :

¿Qué tipo de trucos? si no es un secreto....))


Bueno, en realidad es muy sencillo. Te diré los métodos, pero seguro que tú también los conoces.

1. Una parada temprana.

2. Comprobación cruzada.

3. Reducción de pesos

4. eliminar los pesos.

5. Aproximación de suavizado.