red neuronal y entradas - página 14
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
¿Cómo elegir y servir qué?
elija uno más grande y sirva la llave del piso... en un plato... en un plato...
;)
elegir uno más grande y servir la llave al piso... en un plato... en un plato...
;)
Gracias... Lo sabía.... :-)
¡¡Respeto!!
No es broma... de corazón.
Gracias... Lo sabía.... :-)
¡¡Respeto!!
No es broma: de corazón.
Gracias.
De hecho, las parrillas no son muy exigentes en cuanto a la nutrición, la dieta debe corresponder más o menos a la tarea que se realiza. Es decir, como estamos buscando patrones desconocidos, necesitamos una serie en la que haya muchos, además, muchos correlacionados con el resultado (en nuestro caso - la predicción).
De ahí el segundo momento: qué predecir exactamente. Es decir, qué alimentar a la salida y qué enseñar a la red. La pregunta no es sobre eso en el subgénero, pero debería serlo, porque de lo contrario la malla puede aprender con éxito y establecer récords de previsión en el OutOfSample y, además, seguir siendo impotente porque en su infancia fue sometido a un trato abusivo.
Es sólo algo en lo que pensar, no te ayudaré con los detalles, porque yo también soy demasiado joven...
;)
¿Qué te parece esto?
Alimentamos el vector de descripción de la barra actual a la neurona de entrada. Por ejemplo, los incrementos del precio de apertura, los incrementos del precio de apertura de otros símbolos, los volúmenes, la hora actual, los tipos de interés de los símbolos, el calendario de noticias, los ciclos lunares y solares, etc. Resulta que por muchas neuronas que haya en la capa de entrada, ésta es la historia que debemos considerar.
Luego viene la propia red. La rejilla es una matriz bidimensional de neuronas (no necesariamente por la conveniencia de describir la idea). Para reducir el número de cálculos en las neuronas limitamos el número de sinapsis, digamos, por ejemplo, 5-10, pero cada sinapsis puede conectarse a cualquier axón dentro de su rango limitado por un cierto círculo, (se puede poner un procesador más potente y hacerlo a cualquier axón, a cualquier neurona). Como resultado, deberíamos obtener una red de quién sabe qué configuración, con un gran número de retroalimentación, que considerará el bazar en conjunto. Luego, según nuestra imaginación, encendemos la función de resaca, clavando periódicamente un par de neuronas. La función de nacimiento, crea periódicamente un par de tres neuronas. Como resultado, vemos que la red se ajusta a sí misma, a su arquitectura interna y al número de neuronas, aunque no tenemos idea de cómo hacer que el número mínimo de neuronas sea suficiente.
Señal de salida. Lo primero que llega al espacio ventral, construye ts con entradas y salidas perfectas, por ejemplo, canal en polinomio de n grados. Rebota en los límites del canal y entrena la red mediante estas señales.
O una función objetivo de equidad perfecta, una línea recta hasta la esquina superior derecha del monitor, y luego dejar que la red busque las entradas y salidas correctas por sí misma.
Cualquier TS, con o sin redes neuronales, utiliza patrones que se buscan en datos pasados. Así que, en esencia, no hay garantía de ganar con estos patrones encontrados en el futuro. ¿O tiene algún método para determinar que puede ganar dinero con los patrones encontrados en datos pasados en el futuro?
No soy el único. Si escribes en detalle, sería mucho texto, si te interesa puedes leerlo en Spider, en el hilo de Neo sobre patrones, por ejemplo, o en los hilos de Felix White. Avals aparece en este foro, lee sus mensajes.
Hay algunas regularidades universales (o más bien leyes) que existen no sólo en el mercado, sino en todas partes. Por ejemplo, la inercia es suficiente para no quedarse sin pan ni mantequilla. Funcionó en el pasado y funcionará en el futuro. Y si dejará de funcionar, lo último que nos interesará será la ruptura de MTS y la pérdida del depósito:). (Piensa en lo que ocurrirá si las leyes de la física cambian aunque sea ligeramente.
Y adivinar si funcionará / no funcionará - no es nuestro método, va a los gitanos.
No soy el único. Si escribes en detalle, sería mucho texto, si te interesa puedes leerlo en Spider, en el hilo de Neo sobre patrones, por ejemplo, o en los hilos de Felix White. Avals aparece en este foro, lee sus mensajes.
Hay algunas regularidades universales (o más bien leyes) que existen no sólo en el mercado, sino en todas partes. Por ejemplo, la inercia es suficiente para no quedarse sin pan ni mantequilla. Funcionó en el pasado y funcionará en el futuro. Y si dejará de funcionar, lo último que nos interesará será la ruptura de MTS y la pérdida del depósito:). (Piensa en lo que ocurrirá si las leyes de la física cambian aunque sea ligeramente.
Y adivinar funcionará / no funcionará - no es nuestro método, es el de los gitanos.
¡Ajá!
También la gravedad - el precio, como, sube y luego baja
¡Sí, sí, sí!
Y la gravedad - el precio, como, sube y luego baja.
Es difícil adivinar si un futbolista va a golpear el balón o no, pero cuando el balón ya está en el aire, no hace falta adivinar, está claro que caerá al suelo. (Sin embargo, puede que se quede atascado en un árbol; para estos casos existe un tope de seguridad en el mercado).
Lo más importante es no adelantarse a las predicciones: adivinar antes de acertar es un caso perdido. Puede que te des un golpe, pero luego cambies de opinión.
En general, creo que el sistema debería construirse de tal manera que se comercie con algunos de los mismos patrones.
Esto se aplica plenamente a la ST, tanto con los nervios como sin ellos. Dicho sistema, en su esencia, operará en OOS con una actividad que decae con el tiempo,
es decir, gradualmente, el número de transacciones que llegan a la unidad de tiempo a lo largo del tiempo tenderá a 0 (la eficiencia se mantiene en un nivel constante, sólo disminuye la rentabilidad, sólo hay que volver a entrenar con el tiempo para refrescar la base de patrones reales), porque los patrones "aprendidos" ocurren cada vez con menos frecuencia....
Por lo tanto, no debería haber ningún indicio de interpolación/aproximación de los datos manejados por TC.
PS MetaDriver fue testigo del concepto de tal mi TS hace unos 2 años.... pero poco a poco me empantané en mis interminables experimentos, que perdí el camino correcto sin darme cuenta... por supuesto que existe la posibilidad de escarbar en fuentes de archivos antiguos, pero será tan difícil hacerlo, que será más fácil escribir todo de nuevo...(
Gracias.
De hecho, las parrillas no son muy exigentes en cuanto a la nutrición, la dieta debe corresponder más o menos a la tarea que se realiza. Es decir, como buscamos patrones desconocidos, necesitamos series en las que haya muchos de ellos, además, muchos correlacionados con el resultado (en nuestro caso - la predicción).
De ahí el segundo momento: qué predecir exactamente. Es decir, qué alimentar a la salida y qué enseñar a la red. La pregunta no es sobre eso en el subgénero, pero debería serlo, porque de lo contrario la malla puede aprender con éxito y establecer récords de previsión en el OutOfSample y, además, seguir siendo impotente porque en su infancia fue sometido a un trato abusivo.
Es sólo algo en lo que pensar, no te ayudaré con los detalles, porque yo también soy demasiado joven...
;)
:-)
Gracias.
Lo tengo. Señor. En él.