Article : Prévision des prix avec des réseaux neuronaux - page 11
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je sais ce qu'il faut nourrir depuis très longtemps. Je voulais discuter, pour ainsi dire, des modèles possibles. L'effort commun donne généralement de meilleurs résultats. Je travaille moi-même sur un robot depuis un an maintenant. Il y a des résultats, mais pas très stables.
Eh bien, un an n'est pas suffisant :)
OK, essayons, mais ce sera un jeu à sens unique et pas le vôtre.
Atache est une série pseudo-aléatoire formée par x = 4 * (x-1) * (1 - (x-1)), avec x0=0,2
Cela vous rappelle-t-il quelque chose ? En première approximation, cette série ressemble à un flux de données sur le marché.
Prédire la valeur de t+1. Architecture de réseau, MLP 1-5-1, avec couplage synaptique supplémentaire des neurones d'entrée et de sortie.
Erreur quadratique (10e-3), atteint environ 60-70t époques, avec un échantillon d'entraînement de 1000 éléments. L'apprentissage se fait par la méthode antigradient.
Il est très facile de prouver en modélisant différentes architectures que nous avons une séquence indépendante de la topologie, l'erreur ne diminue pas.
est influencé de manière significative par la complexité du réseau, y compris le nombre supplémentaire de couches.Utilisons la méthode des exemples artificiels ou des chaleurs, le résultat - la vitesse d'apprentissage augmente de 2,5 fois, à savoir, une erreur acceptable est atteinte.
Dans la région de 30-40t. d'époques.
Voici le premier exemple, vous pouvez le faire tourner pour voir les résultats ...
Je sais depuis longtemps ce qu'il faut appliquer. Je voulais discuter des modèles possibles, pour ainsi dire. Cela fonctionne généralement mieux si nous travaillons ensemble. Je travaille moi-même sur un robot depuis un an maintenant. Il y a des résultats, mais pas très stables.
Et à propos des modèles, comme je l'ai déjà dit, tournez-vous vers la description des implémentations de Reshetov. Oui, et ne cherchez pas le Graal, il n'existe pas ;)
Je sais depuis longtemps ce qu'il faut nourrir et où. Je voulais discuter des modèles possibles, pour ainsi dire. En général, c'est mieux si on travaille ensemble. Je travaille moi-même sur un robot depuis un an maintenant. Il y a des résultats, mais pas très stables.
Je ne peux dire qu'une chose : lisez à nouveau attentivement la théorie (la théorie scientifique, pas la littérature populaire) et vous trouverez peut-être quelque chose que vous avez manqué ou que vous n'avez pas pris en compte. Si vous pensez que vous n'avez pas besoin de connaître la théorie lorsque vous utilisez des programmes comme NeuroShell Day Trader, alors il n'y a qu'une seule chose à faire - laisser les réseaux neuronaux tranquilles.
Je vais prendre congé maintenant.
Avec un réseau 1x5x1, je suis sûr que vous n'aurez jamais de résultats. Le réseau doit comporter au moins deux couches cachées. Pour les entrées du réseau neuronal, j'ai normalisé les lectures à 20 indicateurs. J'ai donc essayé différentes topologies. Je me suis arrêté à 20х140х140х4 Le réseau est peut-être lourd, mais il produit des signaux bien interprétés. Bien sûr, il peut être mis à l'échelle. À l'avenir, je prévois de sélectionner la topologie à l'aide d'un algorithme génétique. L'ensemble du processus de création et d'entraînement du réseau est réalisé à l'aide de JAVANNS, le réseau entraîné est transformé en code C et ce code est utilisé pour créer une fonction de réception en dll qui peut être utilisée dans MetaTrader. Il s'agit d'une description très approximative du processus. C'est pourquoi je le fais depuis un an. C'est une très grande quantité de travail. Je pense qu'il est stupide d'utiliser des outils tels que NeuroShell Day Trader, si vous pouvez créer votre propre réseau et le faire à votre façon. Mais ce n'est pas ce dont je voulais parler. Je suis intéressé par l'approche du problème de la création d'un échantillon de formation.
L'échantillon d'entraînement est ce que vous introduisez dans les entrées. Dans ce cas, vous alimentez 20 indicateurs. Ce qu'est un indicateur, c'est un traitement d'une série temporelle initiale, une série de prix {H,L,O,C}. Si vous considérez d'un point de vue mathématique les indicateurs utilisés dans l'AT, vous pouvez distinguer tel ou tel groupe de méthodes mathématiques - disons que la MA est le filtre de fréquence le plus simple, etc., mais qui a dit que les données préparées avec les méthodes classiques d'AT sont les meilleures pour un réseau neuronal ? Je dirais même au contraire, pratiquement inadaptée. Je n'ai pas donné l'exemple d'un réseau peu profond construit pour extrapoler un f-zi pseudo-aléatoire pour rien.
Si vous l'étudiez un peu plus, vous trouverez un certain nombre de propriétés très intéressantes, qui vous permettront d'envisager la préparation des échantillons d'entraînement de manière un peu différente. Un flux de citations peut également être considéré comme un f-ci pseudo-aléatoire, avec une loi complexe. Les réseaux neuronaux sont une méthode mathématique, mais la technologie relève davantage de l'art.
Oui, d'ailleurs, vous vous trompez si vous pensez que la taille du réseau affecte la capacité à résoudre le problème.
Encore une fois, ce que vous appelez art est peut-être prévisible. C'est ce que je dis. Le nombre de neurones d'entrée joue un rôle énorme. Plus il y a d'entrées, plus la probabilité de prédictions correctes est grande. C'est évident.
Je ne suis pas d'accord. L'exemple que je vous ai donné, un réseau 1-5-1, permet de prédire une séquence pseudo-aléatoire avec une grande précision.
Je vous recommande de relire un peu la théorie, car j'ai l'impression que vous ne comprenez pas vraiment le mécanisme.
Dites-moi, qu'est-ce que vous pensez qu'un réseau neuronal est ?
Eh bien, nous pouvons discuter de cela pendant longtemps, qui comprend quoi, ou ne comprend pas. La discussion a porté sur la préparation des données. Je comprends que personne ici ne veuille discuter de cette question. Pitié
Cher Monsieur, il est possible d'en discuter. Mais qu'y a-t-il à discuter si j'ai mentionné le thème de ce que sont les indicateurs en AT et comment ils sont adaptés au prétraitement des données pour les NS, vous n'avez pas voulu en discuter, ou plutôt je pense que vous avez manqué le thème :)
Si vous voulez lire une conférence sur la façon de préparer des données pour l'entraînement NS, je pense que vous ne devriez pas le faire dans ce forum, seules quelques personnes seront intéressées ici.