Neuroprevisión de series financieras (basada en un artículo) - página 10
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
No me importan los artículos ni sus autores de poca monta. Sobre todo si la investigación se ha realizado con datos estables o fijos.
Me baso en los resultados de las pruebas de futuro, no en lo que se ha inventado un idiota en un artículo.
Todo el mundo tiene derecho a su punto de vista personal sin escupir sobre el de los demás.
Todo el mundo tiene derecho a sostener que el sol gira alrededor de la tierra, pero no tiene derecho a considerar a los que disienten como malachólicos o idiotas.
Hay que tenerlo en cuenta.
por lo que la mayoría se inclina por redes con 2-3 capas ocultas.
Todos los investigadores de redes neuronales están en desacuerdo con esa afirmación.
Casi todos los artículos sobre ns afirman que cuanto mejor sea la red, más neuronas tendrá, pero al mismo tiempo, no debe tener demasiadas.
por lo que la mayoría tiende a redes con 2-3 capas ocultas.
No me lo creo. Casi todos los problemas que resuelven las redes neuronales lo hacen en una sola capa oculta.
No, es cierto, ver arriba. Una red con una sola capa oculta también resolverá, pero a veces es más fácil añadir una capa que juguetear con el tamaño de una sola.
O viceversa. Comience con una malla generalizada y, si tiene éxito, simplifique el modelo.
esto es algo en lo que hay que pensar.
No, es cierto, ver arriba. Una red con una sola capa oculta también resolverá, pero es más fácil añadir una capa que juguetear con el tamaño de una sola.
Vale, ya veo. Yo lo comprobaría. En datos artificiales y estacionarios mis pruebas mostraron que es una situación realista cuando no hay suficientes neuronas en la capa oculta, podemos aumentar el número para obtener un mejor resultado en la muestra de prueba (validación, como dicen en la realidad rusa). Pero también existe una situación real en la que aumentar el número de neuronas no produce un mejor resultado. Y nunca me molesté con las capas.
En cualquier caso, prefiero reducir el tamaño del modelo, siguiendo el principio de la navaja de Occam.
Tampoco me importan los derechos humanos. Sólo puedo opinar sobre los resultados de las pruebas de avance, aunque sean antidemocráticas, anticonstitucionales, opresivas e incoherentes con las publicaciones de imbéciles engalanados con títulos y premios del inventor de la dinamita.
La razón es sencilla: los resultados de las pruebas a posteriori se acercan más a la verdad. Todo lo demás está más cerca de la desinformación.
Trolling
No tolero las groserías.
Resulta que si se optimiza por la reducción mínima en la moneda de depósito y luego se elige esta reducción mínima de los resultados de la optimización, ambos forwards tienen éxito. Si la reducción mínima es la misma para varios resultados de optimización, debe elegir el que tenga el máximo equilibrio.
Estoy de acuerdo, es posible. Pero qué pasa si no optimizamos sobre el error mínimo, sino, digamos, sobre la maximización de algún atributo o conjunto de atributos particulares en los datos de entrada. Digamos que hay una condición de cruce de MA.
Se debe hacer una función de optimización que contenga el mayor número posible de atributos útiles de los datos de entrada, así como el equilibrio. Así que haremos que la red vaya en la dirección de buscar el máximo número de señales que lleven al aumento del saldo. Por un lado, esta función debería tener un equilibrio como objetivo + n (número de cruces correctos de la MA que conducen al beneficio) que debería intentar ser lo más grande posible......
Aunque no obtengamos el máximo equilibrio para el periodo de optimización, obtendremos el máximo número de signos en la entrada, que han llevado a un equilibrio pequeño, pero que sigue aumentando. Y luego este método debe ser probado en forwards.... cómo funcionará no....
Es decir, la optimización por dos parámetros. Aumentar el equilibrio, y aumentar el número de cruces de MA.
Alguna sugerencia al respecto, o crítica????
Estoy de acuerdo, es posible, pero si optimizamos no para el mínimo error, sino para la maximización de alguna característica o conjuntos de características particulares en los datos de entrada. Digamos que hay una condición de cruce de MA.
Se debe hacer una función de optimización que contenga el mayor número posible de atributos útiles de los datos de entrada, así como el equilibrio. Así que haremos que la red vaya en la dirección de buscar el máximo número de señales que lleven al aumento del saldo. Por un lado, esta función debería tener un equilibrio como objetivo + n (número de cruces correctos de la MA que conducen al beneficio) que debería intentar ser lo más grande posible......
Aunque no obtengamos el máximo equilibrio para el periodo de optimización, obtendremos el máximo número de signos en la entrada, que han llevado a un equilibrio pequeño, pero que sigue aumentando. Y luego este método debe ser probado en forwards.... cómo funcionará no....
Es decir, la optimización por dos parámetros. Aumentar el equilibrio, y aumentar el número de cruces de MA.
Alguna sugerencia al respecto, o crítica????
Ha!!!!! aquí lo tenemos. Si no podemos entrenar la red con este enfoque (porque no hay suficiente información útil en MA), será una señal de inutilidad de entrar. Pero me parece que hay algo aquí...... Tengo que comprobarlo. Por cierto, aconsejar aquí tal cosa.
Si tengo un parámetro que se calcula en un indicador. Si quiero hacer la optimización de todos los ajustes del indicador y la variable a llega a 0 en la parcela seleccionada.
Me refiero en MT4 a cómo optimizar el parámetro, que se calcula y no se establece????
No... No se trata de MA, se trata de maximizar las señales, es decir, una parte del optimizador tratará de que estas intersecciones sean las máximas posibles, y la otra parte tratará de equilibrar lo máximo posible.....
Es decir, necesitamos algún tipo de función de optimización para llegar a .....