Asesor para un artículo. Pruebas para todos los interesados. - página 5
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 tienes que resolverlo. Basta con encontrar una muestra de entrenamiento de longitud suficiente para un caso concreto, y es muy fácil de hacer.
En mi opinión, esto es mucho más fácil de resolver. Me senté y experimenté con varias ventanas de optimización y encontré este método:
Realizamos la primera optimización. Buscamos un delantero exitoso o no muy exitoso con una reducción decente. Mueva el cursor en un gráfico hasta la parte inferior de esta misma bajada y vea la fecha en un tooltip. Desplaza el final de la ventana de optimización a esta misma fecha. Ejecutamos una optimización más y buscamos un avance exitoso y vemos que ha ocurrido un milagro: el ajuste ha igualado nuestra reducción anterior y la ha convertido en una zona rentable, y entonces el avance es exitoso, como lo era antes de este truco.
Teóricamente este método es ciertamente mejor, porque en este caso nuestra ST ha aprendido a eliminar la detracción, cosa que no pudo hacer antes, porque no tenía poderes telepáticos y le dijimos cuál era su error. Y en la práctica, se sigue escribiendo con una horquilla, es decir, debemos comprobar adicionalmente si este método es adecuado, porque el área de la ventana para las pruebas de avance ha disminuido.
El material para el artículo ya está completamente montado, lo único que queda es poner todo esto en orden, añadir algunas imágenes y ya puedes enviarlo para su publicación.
En resumen, el artículo trata de una red neuronal con sistema experto incorporado (¿qué pueden soñar los escritores de papel por una tarifa?) y da respuesta a las siguientes preguntas
1. ¿Por qué una red neuronal necesita interpolación? Realmente, ¿por qué lo necesitaba de repente?
2. ¿Puede interpolar una neurona que ha sido entrenada para la aproximación correcta sobre datos estacionarios y consistentes? Se trata de un ejemplo de regresión logística, que a su vez es una neurona. Los propagandistas de la regresión logística seguirán insatisfechos. Los médicos de la peste también desaprobarán este garabato, porque hoy en día está de moda calcular los diagnósticos por ordenador utilizando la regresión logística.
3. Cómo crear un sistema experto para la interpolación correcta: ¿condiciones necesarias y suficientes? Un sistema experto es esencialmente una capa de red neuronal, pero no una caja negra, porque tiene una base de conocimientos de reglas fácilmente interpretables, como otros sistemas expertos. Si alguien tiene algo que ocultar, es mejor no leer tal cosa, sino utilizar cajas negras.
4. ¿Es posible volver a entrenar una red neuronal con un sistema experto a bordo? ¿Quién lo prohíbe?
5. ¿Cómo entrenar automáticamente el sistema experto en el conjunto de ejemplos de entrenamiento para no tener que crear y corregir manualmente su base de conocimientos? Por supuesto, los ejemplos de entrenamiento son señales de trading, es decir, utilizamos las lecturas de los indicadores técnicos u osciladores para entrenar al sistema a operar, pero no para reconocer los iris de algún nerd Fisher. Pero aún así es más conveniente y fiable rascar la base de conocimientos con las manos, especialmente con curvas y creciendo desde algunos lugares, que confiar este caso a estúpidos algoritmos.
6. ¿Cómo eliminar el subentrenamiento de una red neuronal con un sistema experto? Esta es una pregunta ciertamente extraña, porque todo el mundo está acostumbrado a luchar con la reconversión y los ajustes. Pero es evidente que el autor se empeña en luchar contra algo malo.
7. ¿Ventajas y desventajas de las redes neuronales comunes en comparación con una red neuronal con un sistema experto a bordo? El autor se pasó de la raya en cuanto a las desventajas, ya que hoy en día es probable que presuma de algo así como: know-how, solución patentada, apenas se pueden encontrar análogos, recomendaciones de los mejores criadores de perros y dentistas, no puede haber desventajas, sólo ventajas, pídalo y cómprelo ahora mismo, mientras se agotan las existencias, etc.
También se adjuntan a este artículo los códigos fuente de las redes neuronales con sistema experto escritas en mql4 y mql5 sin utilizar librerías externas y dll, y en el propio artículo se explican las principales características de los algoritmos a lo largo del mismo. Y no tiene ningún sentido, ya que todos los grafiteros saben con certeza que los códigos fuente deben ocultarse cuidadosamente de las miradas indiscretas, los testigos deben ser eliminados y todos los rastros deben ser cubiertos.
Así son los pasteles.
El problema de la adaptación es que algunas personas sólo analizan los resultados individuales de la optimización(ejecuciones). Pero hay que considerarlas como un todo, el resultado global de las zonas óptimas. En este caso no es necesario el avance.
Por ejemplo, tenemos un sistema en una sola máquina con un óptimo - el período de la máquina. Optimizado y obtenido un montón de conjuntos de valor de los enteros, ordenados por PF por ejemplo. Por supuesto, la probabilidad de que las ejecuciones individuales sean aleatorias es alta y tenemos que comprobarlas con, por ejemplo, el avance. Pero si consideramos no las carreras individuales, sino la zona óptima y el resultado en ella, entonces es casi imposible encajar un resultado positivo en la zona óptima en diferentes partes de la fila. Por supuesto, esto depende de la anchura de la zona óptima y de la sensibilidad de los resultados de la ejecución a un cambio mínimo en el óptimo. Es decir, mantener la zona óptima es un signo de robustez y antiajuste. Y el avance es bueno sólo cuando se usa una vez. Si se utiliza repetidamente para el mismo sistema, se convierte en parte de la muestra de entrenamiento.
P.D.
La hora a la que un determinado sistema estaba funcionando también es un parámetro del sistema. Por ejemplo, uno trabajó de 2005 a 2011. Este es su rango de valor óptimo: el tiempo de vida. Optimizando la historia, casi buscamos encontrar sistemas con el máximo de este rango. Pero el sistema no debe funcionar siempre. Por eso, a la hora de fijar un periodo de pruebas hay que tener en cuenta que hay que elegirlo arbitrariamente y exigir que el sistema funcione en todo ese rango, es sólo una frase vacía. Si decides buscar durante 10 años, lo haces). Imha, suficiente un período tal, que da el nivel deseado de confianza en los resultados. Depende del número de operaciones y de la distribución de las operaciones rentables/perdidas.
Avals:
Pero si no se consideran las carreras individuales, sino la zona óptima y el resultado sobre ella, entonces mantener un resultado positivo sobre la zona óptima en diferentes partes de la fila es casi imposible de ajustar.
Sí, en mi opinión, es lo mismo, pero en una línea diferente. ¿La zona óptima es una especie de filtro de suavización de los resultados?
es como un valor medio del índice objetivo (factor de beneficio, por ejemplo) en una determinada gama de ópticas.
Es importante que el abanico de opciones con un valor objetivo medio suficiente sea lo suficientemente amplio como para que se mantenga en todas las partes de la prueba. Las carreras individuales pueden entrar temporalmente en la zona de pérdidas, pero en promedio el rango debería seguir siendo rentable. El sistema es robusto si esto es cierto para cada opción.
Por lo tanto, la idea no es estimar la solidez de una ejecución individual, sino de la opción en su conjunto
Por ejemplo, decidir que el coeficiente intelectual de una persona depende de la altura. Optimízalo en 1000 celdas y obtén una media de CI máxima de 162 cm de altura. Luego empezaron a hacer pruebas de avance en otras personas y no resultó tan bueno)) Pero si resulta, que de manera constante en cada muestra las personas con altura por ejemplo de 160-170cm tienen mayor promedio de coeficiente intelectual, entonces las posibilidades de que sea el azar mucho menos que en un solo valor (porque más personas llegan a la muestra). Y esto significa, que en sí mismo la dependencia del CI de la altura tiene un lugar.
Nueva versión en el archivo adjunto, esta vez con gestión del dinero (porcentaje no agresivo del depósito):
Nueva versión en el archivo adjunto, esta vez con gestión del dinero (porcentaje no agresivo del depósito):
El problema de la adaptación es que algunas personas sólo analizan los resultados individuales de la optimización (ejecuciones). Pero hay que considerarlas como un todo, el resultado global de las zonas óptimas. Y entonces el delantero no es necesario.