Búsqueda de un patrón arbitrario mediante una red neuronal - página 8
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
Sí, conozco las matemáticas dentro del programa escolar. Una vez pregunté a un profesor en clase de geometría analítica (la que trata de las funciones y los ejes de coordenadas) : "Si una función dibuja una curva en una gráfica, ¿se puede dibujar una función a partir de una curva en una gráfica? " y obtuvo una respuesta inequívoca: "No. Es imposible". A partir de esto, llegué a la conclusión de que los patrones se pueden describir matemáticamente pero no se pueden identificar porque no se puede obtener la fórmula que los generó a partir de los valores.
Tal vez haya otras herramientas matemáticas. Dime si los conoces.Para ser precisos e inequívocos, no. Pero en general hay medios para obtener una función a partir de datos arbitrarios. Se llama "aproximación". Además de que, en general, se puede ajustar cualquier función en medio de los datos, existen funciones especiales que permiten replicar casi por completo los datos originales: polinomios, series...
Por cierto, los métodos de cálculo de cualquier función mediante las series de Taylor y McLaren existen desde hace mucho tiempo.
Sí, conozco las matemáticas dentro del programa escolar. Una vez pregunté a un profesor en clase de geometría analítica (la que trata de las funciones y los ejes de coordenadas) : "Si una función dibuja una curva en una gráfica, ¿se puede dibujar una función a partir de una curva en una gráfica?" y obtuvo una respuesta inequívoca: "No. Es imposible". A partir de esto, llegué a la conclusión de que los patrones se pueden describir matemáticamente pero no se pueden identificar porque no se puede obtener la fórmula que los generó a partir de los valores.
Quizá haya otras herramientas matemáticas. Dime si conoces alguno.Para ser precisos e inequívocos, no. Pero en general hay medios para obtener una función a partir de datos arbitrarios. Se llama "aproximación". Además de que, en general, se puede ajustar cualquier función en medio de los datos, hay funciones especiales que permiten replicar casi por completo los datos originales: polinomios, series...
Por cierto, los métodos de cálculo de cualquier función mediante las series de Taylor y McLaren existen desde hace mucho tiempo.
Por cierto, es un problema de MO también, tendré que intentar esbozar algo así alguna vez, es un problema interesante.
2Peter Konow: Yo te aconsejaría que te hicieras con la MO al menos hasta cierto punto para no causar tanta gracia. Cualquiera que sepa leer y hacer cuentas puede entender los fundamentos de la MO, sólo hay que ponerle empeño.
Кеша Рутов:
...
2 Retag Konow: Te aconsejaría que al menos llegaras al fondo de la MO para no divertir demasiado a la gente, lo básico de la MO lo puede entender cualquiera que sepa leer y contar, sólo hay que poner algo de esfuerzo.
Bueno, así es como lo hago yo. Hay muchas risas, cruces y palmadas en la frente, pero no hay respuestas... Poner cara de listo y reírse no es una respuesta.
En un campo que entiendo, siempre lo explico, y sólo entonces lo mando a leer.
1. ¿Qué datos son más adecuados para el reconocimiento de patrones - OCHL o imágenes? ¿Hay o no hay diferencia?
2. ¿Por qué no se utiliza el NS para el reconocimiento de patrones en algotrading desde hace tiempo? ¿Dónde están las funciones como "bool Head_n_showlders()" trabajando en el NS y fijando el patrón encontrado?
¿Lo sabes?
Bueno, así es como me lo imagino. Hay muchas risas, cruces y palmadas en la frente, pero no hay respuestas... Poner cara de listo y reírse no es una respuesta.
En un campo que entiendo, siempre lo explico, y sólo entonces lo mando a leer.
1. ¿Qué datos son más adecuados para el reconocimiento de patrones - OCHL o imágenes? ¿Hay o no hay diferencia?
2. ¿Por qué no se utiliza el NS para el reconocimiento de patrones en algotrading desde hace tiempo? ¿Dónde están las funciones como "bool Head_n_showlders()" trabajando en el NS y fijando el patrón encontrado?
¿Lo sabes?
1. Depende del tipo de patrones que quieras encontrar. Preferiblemente, el formato de los datos alimentados para el análisis debe ser lo más parecido posible al conjunto de patrones previsto.
Por ejemplo, para describir una pauta "cabeza-hombros", es mejor utilizar un indicador de zigzag, o más bien varios indicadores, sólo que con parámetros diferentes:
Puede ver que la descripción del patrón es muy similar a la del indicador Zigzag. Pero los patrones pueden ser de naturaleza completamente diferente, por ejemplo, a través de diferentes indicadores, su combinación, sus valores transformados, etc.
2. Como se ha escrito anteriormente, hay métodos más apropiados para buscar patrones.
Cuanto más alejados estén los patrones de los propios datos, más difícil será encontrarlos.
Bueno, así es como me lo imagino. Hay muchas risas, cruces y palmadas en la frente, pero no hay respuestas... Poner cara de listo y reírse no es una respuesta.
En un campo que entiendo, siempre lo explico, y sólo entonces lo mando a leer.
1. ¿Qué datos son más adecuados para el reconocimiento de patrones - OCHL o imágenes? ¿Hay o no hay diferencia?
2. ¿Por qué no se utiliza el NS para el reconocimiento de patrones en algotrading desde hace tiempo? ¿Dónde están las funciones como "bool Head_n_showlders()" trabajando en el NS y fijando el patrón encontrado?
¿Lo sabes?
1 Ciertamente OCHL, pero preprocesado por ejemplo con wavelets, en el peor de los casos un montón de indicadores como Momentum o Estocástico con periodo geométrico creciente.
2) los patrones de precios son más fáciles de buscar "directamente" con una convolución deslizante (multiplicar y sumar) con una referencia, NA no es muy necesario aquí. Necesitamos NS y MO cuando no está del todo claro cómo hacer una salida de la entrada, y el propio MO crea algo, una especie de modelo, pero desgraciadamente dentro de unos límites bastante estrechos.
PD Y en general los "hombros-cabeza" y demás en un gráfico no es nada, es fácil encontrarlos, pero no predicen nada.
1 Ciertamente OCHL, pero pre-procesado por ejemplo por wavelets, al menos un montón de indicadores como Momentum o Estocástico con período geométrico creciente.
2) los patrones de precios son más fáciles de buscar "directamente" con una convolución deslizante (multiplicar y sumar) con una referencia, NA no es muy necesario aquí. Necesitamos NS y MO cuando no está muy claro cómo hacer una salida de la entrada, y el propio MO crea algo, una especie de modelo, pero desgraciadamente dentro de unos límites bastante estrechos.
PD y en general los patrones "cabeza-hombros" en un gráfico no son nada, son fáciles de encontrar, pero no predicen nada.
1. Depende del tipo de patrones que quieras encontrar. Es preferible que el formato de los datos que se desea analizar sea lo más parecido posible al conjunto de patrones previsto.
Por ejemplo, para describir una pauta "cabeza-hombros", es mejor utilizar un indicador de zigzag, o más bien varios indicadores, sólo que con parámetros diferentes:
Puede ver que la descripción del patrón es muy similar a la del indicador Zigzag. Pero los patrones pueden ser de naturaleza completamente diferente, por ejemplo, a través de diferentes indicadores, su combinación, sus valores transformados, etc.
2. Como se ha escrito anteriormente, hay métodos más apropiados para buscar patrones.
Cuanto más alejados estén los patrones de los propios datos, más difícil será encontrarlos.
Ya veo. Gracias. Lo investigaré.
De hecho. Lo primero que debes preguntarte es cómo puedo utilizar la respuesta que obtengo de NS. Es necesario transformarlo para tomar una decisión, etc. Y sólo entonces te darás cuenta de que lo importante no es el patrón en sí, sino la reacción del mercado a su aparición. Y es esta reacción la que debe ser negociada. De lo contrario, se obtiene un lío, no un TS.
Cuando tengas algo de fundamento en tus declaraciones, lo buscaré entonces. Si no eres capaz de entender algo, no significa que sea una herejía.
Y a dónde has ido - muy bien visto - qué conclusiones tan descabelladas.
Una red neuronal puede ser entrenada para clasificar y catalogar imágenes, pero en base a qué criterio de probabilidad de correlación de tal o cual imagen a una determinada categoría del catálogo se producirá, ese es el error probable de cualquier red neuronal.
Las imágenes ya memorizadas con el tiempo llegarán a rechazar por el empeoramiento de los resultados de la reacción sobre ellas, por lo que el éxito de cualquier red neuronal consistirá en un contenido momentáneo de ese mismo catálogo de imágenes en su memoria, que son eficaces en ese mismo segundo. Su base ampliada sería un punto negativo más que positivo.