¿Qué alimentar a la entrada de la red neuronal? Tus ideas... - página 6
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
Entonces, ¿qué sentido tiene que prepare una respuesta detallada?
- ¿Qué alimentar a la entrada de la red neuronal?
- Tus ideas...
L as redes Kohonen se suelen utilizar en el reconocimiento de imágenes..." e inmediatamente introduce la cronología de precios. No te parece una indirecta, porque los traders no se "comen" la cronología, miran el gráfico, pueden marcar algo en común, ver algún cluster de precios, marcar un nivel ahí y evaluar rupturas/rebotes, figuras. Cuando seentrena una red neur onal para reconocer un gato en imágenes, se prepara un conjunto de muchas imágenes para que la red neuronal se entrene.
Como resultado, la red neuronal puede identificar en una imagen a un gato al que le gusta corretear por el piso a las cuatro de la mañana sin mayores problemas. Y en la red cada vez es más frecuente encontrar artículos sobre cómo enseñar a una red neuronal a identificar números y signos en una imagen. ¿Por qué no hacer lo mismo con un gráfico de precios? Haz capturas de pantalla de un gráfico de precios antes de que suba, y viceversa. Como la imagen sólo tiene dos colores (blanco y negro), y habrá pocos detalles, las imágenes pesarán poco, además de estar procesadas. Y aliméntalas todas a la red neuronal, para que finalmente simule/emule el trabajo del trader, no multipliqué los precios.
Como resultado, la red neuronal puede identificar en una imagen a un gato al que le gusta corretear por el piso a las cuatro de la mañana sin mayores problemas. Y en la red cada vez es más frecuente encontrar artículos sobre cómo enseñar a una red neuronal a identificar números y signos en una imagen. ¿Por qué no hacer lo mismo con un gráfico de precios? Haz capturas de pantalla de un gráfico de precios antes de que suba, y viceversa. Como la imagen sólo tiene dos colores (blanco y negro), y habrá pocos detalles, las imágenes pesarán poco, además de estar procesadas. Y alimentarlas todas a la red neuronal, para que finalmente simule/emule el trabajo de un trader, no multipliqué los precios.
Complicación artificial, de una serie unidimensional se hace una bidimensional. El número de características aumentará en órdenes de magnitud, el tiempo de entrenamiento también.
Y el resultado será el mismo.
Gracias por el consejo. Sólo me parece que quizá no deberíamos considerar series temporales, sino patrones, en los que parte de la serie temporal no desempeñará ningún papel, y la red neuronal mirará la "imagen en su conjunto", como hace un trader. La tarea en sí es diferente, es decir: antes de una tendencia (reversión) esta parte del gráfico debe ser escaneada, y "no decirle" a la red neuronal cuáles son los precios de estas velas, la diferencia de los precios de las velas, no realizar o alimentarla con la normalización de los precios de las velas, la normalización de los datos del indicador - todo esto debe ser descartado y alimentado con el valor real durante el entrenamiento sólo "arriba" o "abajo", "1" o "0", "alcista" o "bajista". Y, cuando la red neuronal "ve" estos toros, en nuevas velas (hacer una pantalla de la sección de gráficos para la red neuronal, o de alguna manera automatizar este proceso), dirá "bueno, esto no es un toro, hay alguna mierda, no entiendo", y en otro gráfico "hay algo que se parece a un toro, probablemente es un toro", en el tercer gráfico "definitivamente hay un toro, el precio está a punto de dar la vuelta". Por analogía con el reconocimiento de imágenes (creo que vi un artículo en algún sitio sobre el hacker). Allí, también, la red neuronal fue alimentado con un millón de imágenes de gatos, y luego: "aquí hay un gato", "esto es probablemente un gato", "esto no es un gato")).
Tal vez será posible evitar este notorio 50/50. He encontrado un artículo aquí por un brasileño sobre la propagación inversa de errores. No hay EA como tal, sólo un script, pero puede predecir un próximo valor. Voy a probar este enfoque cuando lo adapte a un EA.
Introducir periodos en la red neuronal.
Comparar años.
Luego las estaciones.
Días
Velas horarias (teniendo en cuenta el cambio horario de verano/invierno).
Y entonces verás un patrón en algún instrumento.
Eso es todo, eres rico. Si haces un análisis así, por favor compártelo luego, que yo no puedo meterle mano.
// una vez un matemático se hizo millonario en bolsa estudiando tales patrones.
P.D. También puedes introducir los periodos de los planetas, la luna y la ubicación de la bolsa respecto a su rotación. Teóricamente, captarás la amplitud de la divisa (bolsa europea - euro, bolsa americana - dólar, etc.). Comparando las amplitudes y combinándolas, verá todos los pares de divisas por delante. Para los que no lo entiendan, esto es humor.