Réseau neuronal - page 9

Nouveau commentaire
 
Vanek_MIL писал(а) >> Et si l'on compare (dans les conditions données ci-dessus, bien sûr) le signal original et la dérivée, est-ce la dérivée qui est retenue ?

Tout dépend de la nature du signal original, de sa dérivation et du résultat que l'on souhaite obtenir. Mais bien sûr, moins il y a de transformations, mieux c'est, car chaque transformation introduit des distorsions supplémentaires dans le signal original, ce qui peut bien sûr avoir un impact négatif sur le résultat final.

Vanek_MIL a écrit(a) >> Et si l'on étend la situation au franchissement d'un certain seuil en fixant un décalage par rapport à zéro, les signaux "seuils" devraient-ils être amplifiés de cette manière... ?
Que voulez-vous dire par "amplifier les signaux de seuil" ?
 

LeoV писал(а) >>

Que voulez-vous dire par "amplifier les signaux de seuil" ?

Je faisais référence à un signal dérivé qui atteint un pic lorsque le signal original franchit un certain seuil - c'est-à-dire une généralisation de l'exemple ci-dessus.

LeoV >>:

Tout dépend de ce qu'est le signal initial, de sa dérivée et de ce que l'on veut obtenir comme résultat

.

Tout dépend donc de la tâche à accomplir.

Permettez-moi d'exposer mon raisonnement - comment et pourquoi je vais utiliser des filets.


  • Lorsque je forme un réseau à l'aide d'un indicateur qui produit des signaux prêts à l'emploi, je m'attends à ce que le réseau trouve une certaine combinaison d'entrées (un modèle) précédant l'apparition du signal et prédise le signal lorsque le modèle se répète.

Comment va-t-il "savoir" qu'il s'agit de celui qui le précède ? Eh bien, probablement parce que cela donnera plus de profit dans une stratégie basée sur ces signaux. Bien que cela ne soit pas sans ambiguïté ici bien sûr - juste une supposition.

Le modèle doit ( ? peut) inclure la composante statique (valeurs) et la composante dynamique (momentsum, etc.) pour compléter le tableau.


Nous avons déjà discuté de l'apprentissage ci-dessus avec le professeur. L'indicateur sera le professeur, qui donne de bons signaux (et après optimisation - encore mieux).

Mais alors pourquoi ne pas utiliser un professeur "idéal" donnant des signaux sur la base du même zigzag. Mais la question qui se pose ici est la suivante : peut-on permettre à l'enseignant de se projeter dans l'avenir sans permettre au réseau de se projeter dans l'avenir ?

  • Il est possible d'utiliser la formation sans l'enseignant en se basant sur le fait que le réseau trouvera un état dans lequel les signaux qu'il émet maximisent le profit. Mais il est difficile de prédire quoi que ce soit ici - il suffit de choisir ( ??) le type, la configuration du réseau et l'ensemble des entrées ?
  • Lorsque l'on travaille sur la sélection des entrées, on sélectionne/construit les indicateurs qui révèlent de manière plus ou moins fiable un certain point (l'approche du niveau de consolidation, par exemple, ou une corrélation plus faible entre les paires), qui ne sont pas suffisants pour la formation d'un signal. Le réseau est-il capable de traiter cet ensemble de données et d'en tirer une conclusion ? En d'autres termes, quelles qualités doivent avoir ces signaux pour que le réseau fonctionne efficacement ?


Salutations aux personnes réunies.

 
njel >> :

L'idée du CT doit être présente.

Pour compléter le tableau : l'idée est d'utiliser le réseau pour recevoir des signaux d'entrée (ou leur confirmation), puis d'accompagner la transaction et de sortir "indépendamment" - soit par un stop-loss, soit en recevant un signal inverse.

 

Il est question d'apprendre avec et sans professeur.

Et une question s'est posée - aux utilisateurs de Neuroshell (peut-être dans d'autres programmes est similaire - je ne sais pas juste) - concernant l'addon Neural Indicators.

Je vais faire quelques suggestions (si vous avez tort - corrigez).

Si nous prenons les réseaux neuronaux habituels basés sur les turbopropulseurs (soit Predict ou ATR2), ou les réseaux probabilistes - la formation est faite avec l'enseignant. En tant qu'enseignant, nous prenons un indicateur - ou des sorties neuronales standard comme le % de changement optimal, ou le changement de prix, ou le drapeau Bai/Sell, ou quelque chose basé sur le même zigzag (si c'est ce que vous voulez dire), etc. On suppose donc que les signaux de l'enseignant doivent être coordonnés d'une manière ou d'une autre avec les données d'entrée. Sinon, il peut y avoir des situations telles que l'entrée augmente progressivement, puis diminue, mais la sortie reste constante. Ou l'entrée est constante - la sortie augmente rapidement au début puis diminue. Il existe de nombreuses variantes et tout est bien pire lorsqu'il y a de nombreuses entrées. Et ce genre de choses est susceptible de conduire à la stagnation du réseau - parce que les mêmes entrées conduisent à des sorties différentes, ou vice versa.

Il en ressort donc que choisir le BON enseignant est très difficile, et que si nous nous trompons, nous risquons de ruiner le réseau, même avec de bonnes données.

Une solution possible est d'utiliser les réseaux de l'addon indicateurs neuronaux - ils sont formés sans professeur et sont ajustés aux fonctions de la stratégie cible.

Question : cet addon présente-t-il un avantage distinct par rapport aux autres réseaux neuronaux ?

 

Je ne comprends pas pourquoi nous avons besoin de prendre des cotations dérivées quand nous pouvons utiliser un réseau neuronal pour prédire la direction possible du mouvement en entrant une série de valeurs précédentes de HAUT FERME BAS.

comme 400 barres de profondeur ;) ? Sur les horizons H1 et moins, il est nécessaire de prendre en compte le prix OPEN. Cela fait 400 X 4 = 1600 valeurs d'entrée HCLO pour M1 : 60 barres d'avance seront suffisantes pour prédire la direction). Il ne reste plus qu'à trouver un programme d'analyse approprié et un superordinateur.

 
Piboli писал(а) >>

Je ne comprends pas pourquoi nous avons besoin de prendre des cotations dérivées quand nous pouvons utiliser un réseau neuronal pour prédire la direction possible du mouvement en entrant une série de valeurs précédentes de HAUT FERME BAS.

comme 400 barres de profondeur ;) ? Sur les horizons H1 et moins, il est nécessaire de prendre en compte le prix OPEN. Cela fait 400 X 4 = 1600 valeurs d'entrée HCLO pour M1 : 60 barres d'avance seront suffisantes pour prédire la direction). Il ne reste plus qu'à trouver un programme d'analyse adapté et un superordinateur.

Le plus important est de trouver le bon programme d'analyse )))).

>> Excusez-moi, bien sûr, mais avez-vous eu une bonne expérience avec cette approche ?

 
GrooovE >> :

Le plus important est de trouver le bon programme d'analyse ;)))

Excusez-moi, bien sûr, mais qu'en est-il - y a-t-il eu des expériences positives dans une telle approche ?

Bien sur H4 pour 4-5 barres en avant perc pour 90 cent de manière fiable oui pour 2-3 semaines sans recyclage....

Je n'arrive pas à trouver un programme normal, en plus du Forex je dois étudier www.wasm.ru ;)

Je dois étudier le Forex et je ne sais pas comment m'y prendre.


 
Vanek_MIL писал(а) >>

Pour être honnête - je ne comprends pas...)) Au sujet de l'enseignant parfait - il n'est pas du tout certain que l'enseignant parfait soit nécessaire.......

GrooovE a écrit(a) >> Question - est-ce que cet addon a un avantage distinct par rapport aux autres réseaux neuroshellés ?

Un avantage - pas de professeur.....

Piboli a écrit >>

Je ne comprends pas, pourquoi prendre les dérivés des cotations, quand on peut utiliser le neuronet pour prédire la direction possible du mouvement, en donnant comme entrée une série de valeurs précédentes HAUT FERME BAS.

comme 400 barres de profondeur ;) ? Sur les horizons H1 et moins, il est nécessaire de prendre en compte le prix OPEN. Cela fait 400 X 4 = 1600 valeurs d'entrée HCLO pour M1 : 60 barres d'avance seront suffisantes pour prédire la direction). Il ne reste plus qu'à trouver un programme d'analyse approprié et un superordinateur.

Le problème est le suivant : lorsque le prix dépasse la fourchette qui figurait sur l'historique de 400 barres, le réseau neuronal ne saura pas quoi faire et donnera un signal dans la direction de cette fourchette, quelle que soit l'évolution du prix en dehors de celle-ci.......

 
LeoV >> :

Honnêtement - je ne comprends pas...

Comme on dit, une question bien posée contient la plupart des réponses. Par conséquent, même à partir d'une telle réponse, certaines conclusions peuvent être tirées...)


Pardonnez mon agacement et permettez-moi d'introduire une autre question de raisonnement :


Un réseau neuronal peut-il être utilisé pour déterminer la phase actuelle du marché ?

Permettez-moi de clarifier ce que cela signifie.

Par phase de marché, nous entendons dans ce cas la présence d'une tendance ou son absence (il s'agit probablement d'un flat).

Ok, laissons le professeur de côté. Prenons le filet sans formation.

Les entrées doivent donc être sélectionnées de manière à ce que des grappes (pardonnez-moi pour mon incompétence), au mieux deux d'entre elles, apparaissent dans l'espace des paramètres d'entrée :

L'un pour une tendance, l'autre pour un plat... (ou peut-être qu'il n'y a qu'une seule grappe - la tendance, et tout le reste - pas la tendance ?).


Si c'est le cas :

Comment, sous quelle forme le signal de sortie montre-t-il l'appartenance à un cluster particulier ?

Est-il réaliste de visualiser ces grappes pour naviguer dès le stade de la sélection des entrées ?

Lors de la conception d'un tel réseau, on peut contrôler méthodiquement le processus ou on doit s'en remettre au hasard - est-ce que ça va marcher ou pas (bien sûr, c'est une question naïve))) ?


Respectueusement.

// est allé apprendre les maths

 

A propos du backprop, je voudrais ajouter que l'utilisation de l'erreur standard de l'algorithme est erronée.

1234567891011121314
Nouveau commentaire