Réseau neuronal - page 5
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
En fait, vous avez tout écrit correctement. Nous sommes juste en désaccord sur les définitions.
Avec toutes ces recherches, beaucoup de gens oublient le plus important : le profit. C'est pourquoi il y a un "mais" qui n'est pas écrit dans les manuels. C'est que l'obtention d'une erreur minimale sur l'OOS ne garantit pas le profit. Pourquoi ? Parce que l'erreur minimale et le profit sont deux choses différentes. Ils peuvent n'être en aucun cas liés. Pourquoi ? Parce que le réseau n'a pas besoin de répéter le marché sur l'OOS et le réel - il suffit à certains moments de donner les bons signaux d'achat ou de vente - c'est-à-dire de dépasser un certain seuil de déclenchement. Entre ces moments (signaux), le réseau peut se comporter comme bon lui semble - l'essentiel est de ne pas dépasser ce seuil. C'est pourquoi, en cas d'erreur importante sur l'OOS, le bénéfice peut être important.
Au début, il y a un hors-échantillon - pour mettre en place le réseau. Et puis ce sera fini - le véritable avenir est devant nous, il faut le prévoir. Quel est le critère pour arrêter l'entraînement - une certaine erreur ou le nombre de cycles d'entraînement ? Ou quelque chose d'autre ?
Il y a d'abord le hors-échantillon - pour mettre en place la grille. Et puis il n'y a pas de hors-échantillon - le véritable avenir est devant nous et doit être prévu. Quel est le critère pour arrêter l'entraînement - une certaine erreur ou le nombre de cycles d'entraînement ? Ou quelque chose d'autre ?
Par exemple 100 époques sans mise à jour de l'erreur minimale sur l'échantillon de contrôle.
Et bien sûr, la question de l'avenir est définitivement ouverte, car même l'OOS est un avenir connu où nous pouvons contrôler le profit, alors que nous négocions dans un avenir qui nous est inconnu et où l'essentiel n'est pas d'obtenir l'erreur minimale, mais d'obtenir le profit maximal. Quel type d'erreur ce sera - cela n'a pas d'importance.
Vous pensez probablement ainsi parce que vous n'avez jamais eu de résultats vraiment stables. L'erreur et le profit sont liés. En principe, pour chaque tâche, vous pouvez définir l'erreur que vous devez atteindre pour obtenir une performance TC acceptable...
Que signifie pour vous "résultats vraiment stables" ?
Ils peuvent être liés ou non - c'est la grande question. Mais il est certain que l'erreur minimale sur OOS ne signifie pas et ne conduit pas au profit maximal sur le compte réel. De même que le profit maximum sur le compte réel ne signifie pas l'erreur minimum sur celui-ci.
Vous avez mal compris l'essence de mon raisonnement. Je n'ai pas parlé de la relation entre un réseau "non formé" et les résultats du trading. Il est écrit partout que le réseau doit être entraîné jusqu'à ce que l'erreur dans l'échantillon testé cesse de diminuer. Je suis d'accord avec cela et je ne veux pas me disputer à ce sujet. L'essence de mon raisonnement était de montrer comment une structure de réseau parallèle conduit à des difficultés dans son optimisation et comment un modèle non linéaire basé sur une série de puissance est capable d'atteindre le même objectif qu'un réseau neuronal, mais avec un appareil mathématique beaucoup plus simple et un processus d'apprentissage rapide conduisant à un résultat unique.
Eh, combien d'opinions ont été exprimées ici ;-). Je vais ajouter mes 5 kopeck.
Vous m'avez aussi mal compris. Je ne voulais pas dire que le réseau est "non formé". Je voulais dire qu'il ne faut pas attendre de miracles du net. Ce n'est pas une panacée et si cela peut donner un pourcentage de victoire, il est très faible, et c'est pourquoi nous avons besoin de comités. La configuration du réseau pour le comité et la structure des données d'entrée/sortie peuvent faire l'objet de longues recherches. A mon avis, vous avez été trop rapide à écarter les grilles, sans même essayer 10% de ce qui aurait été utile (à en juger par le temps que vous avez commencé à travailler directement sur votre projet). En vertu de votre formation mathématique, vous avez des options pour essayer de remplacer la grille ;-). Vous êtes le bienvenu pour essayer. Mais il me semble qu'en critiquant la grille, vous concentrez votre attention sur les mauvais points. En particulier, quelle différence cela fait-il de savoir quelle synapse apprend à quel facteur d'entrée dans une instance de maillage particulière ? Avez-vous besoin de le savoir ? Ce n'est pas le cas. Cette incertitude intrinsèque de la grille de distribution du signal à travers les neurones est censée être "à la conception". Mais si vous formez une douzaine de mailles et les rendez fines, vous verrez que le modèle de connexions - la série très non linéaire que vous avez mentionnée - s'est formé de lui-même, et est proche ou égal à un seul et même modèle. Si vous réalisez une analogie manuelle, en tant que mathématicien, vous savez quelles méthodes utiliser et à quel point elles sont laborieuses, afin de révéler les dépendances révélées par le réseau dans le flux de données et ce n'est qu'après avoir révélé ces dépendances que vous pouvez créer votre série de puissance.
Ce que je voudrais dire à propos des comités, c'est qu'ils ne sont pas choisis sur le simple principe de N réseaux, mais seulement, disons, les 10 meilleurs réseaux sur la centaine reçue. Si nous continuons avec l'exemple des réunions de personnes, seuls ceux qui sont plus ou moins capables de s'écouter les uns les autres seront entendus. De plus, vous avez apparemment oublié que nous avons plus de deux issues. Ils sont en fait : succès, échec, perte, échec. Il faut donc calculer la probabilité (je simplifie intentionnellement) : no-loss(1)*no-loss(2)=0.4*0.4=0.02. C'est-à-dire que la meilleure configuration n'est pas celle qui a une probabilité de profit maximale, mais celle qui a une probabilité de perte minimale. Par analogie, nous examinons le ratio drawdown. Cela n'a aucun sens de prendre une configuration super rentable, si le drawdown de celle-ci est déjà de 50%, car cela garantit presque une perte.
Encore une fois.
joo писал(а) >>
Avec un professeur, il n'est possible d'entraîner une grille que sur une fonction que l'on connaît déjà, comme une onde sinusoïdale. Ici, nous pouvons, en toute bonne conscience, alimenter le filet vers le point suivant pour être formé comme enseignant.
du point formé en tant qu'enseignant. Cela ne fonctionnera pas sur le marché.
Parce que nous savons toujours à l'avance quel sera le point suivant sur l'onde sinusoïdale. Nous connaissons l'avenir de l'onde sinusoïdale !
Il est donc valable d'étudier sur des données historiques (sinusoïdales), c'est-à-dire d'étudier avec un professeur.
Mais nous ne connaissons pas l'avenir du marché, alors enseigner avec un professeur devient un processus inutile.
Que signifie pour vous "résultats vraiment stables" ?
Par exemple, un conseiller expert est optimisé sur 2 mois d'historique avec seulement 3 paramètres, 80% des résultats positifs sont rentables sur tout l'historique.
C'est la même chose avec les réseaux...
Ils peuvent être liés ou non - c'est la grande question. Mais il est certain que l'erreur minimale sur OOS ne signifie pas et ne conduit pas au profit maximal sur le compte réel. De même, le profit maximum sur le compte réel ne signifie pas une erreur minimum sur celui-ci.
En général, vous parlez de la stabilité des résultats, et non de l'erreur. Si le réseau reconnaît ou prédit quelque chose de manière stable et que cette prédiction est suffisante pour réaliser un bénéfice, nous aurons un bénéfice à la fois sur le forward et le réel.
Si l'erreur est suffisamment faible, alors elle mènera. Qu'est-ce que cela signifie "de manière satisfaisante" ? Pour chaque problème, cette condition est fixée séparément, je ne connais que la voie empirique.
Je vais le répéter.
En effet, nous savons toujours à l'avance quel sera le point suivant dans l'onde sinusoïdale. Nous connaissons l'avenir de l'onde sinusoïdale !
C'est pourquoi il est légitime de s'entraîner sur des données historiques (sinusoïdales), c'est-à-dire de s'entraîner avec un professeur.
Mais nous ne connaissons pas l'avenir du marché, c'est pourquoi l'apprentissage avec un professeur est un processus inutile.
Si nous connaissons l'onde sinusoïdale et pouvons donc la prédire avec des réseaux, créez ensuite une formule plus complexe, la notation analytique vous sera connue, nous pourrons donc la prédire aussi. Le marché est la même formule, mais encore plus compliquée et elle n'est pas connue de NOUS...