Neuro-prévision des séries financières (basé sur un article) - page 6

Nouveau commentaire
 
nikelodeon:

En fait, c'est le surentraînement. Je suis surpris que vous ne le sachiez pas. La sagesse populaire veut qu'un réseau soit surentraîné lorsqu'il commence à fonctionner comme il le faisait hier. C'est-à-dire qu'il ne met pas en évidence les points clés de l'entrée, mais commence à produire le même signal qu'hier......

Absurdité, ou quel autre mot pour ce genre d'absurdité ?

Si le réseau a appris que 2*2=4, que doit-il répondre si on lui pose la question " 2*2= ?

2*2=4 était hier et sera demain. Il serait au moins étrange que le réseau commence à donner des réponses différentes aux mêmes questions.

 

En général, comme je le vois, beaucoup de ceux qui, sur ce forum, ont pratiqué les réseaux croient que les réseaux neuronaux sont comme une calculatrice - vous entrez des données et le réseau produit un résultat. C'est vrai - les réseaux sont des calculatrices.

Mais une connaissance approfondie des réseaux et de leurs architectures ne permet pas et ne peut pas permettre de comprendre leurs propriétés. Il s'agit d'une compréhension "étroite" du fonctionnement des ANN.

Ainsi, un brillant neurochirurgien ne peut pas savoir ce dont le cerveau humain est capable. Seuls les psychologues et les psychothérapeutes (à ne pas confondre avec les psychiatres) ainsi que les philosophes et peut-être les sociologues peuvent le savoir. Il ne s'agit pas de questions relatives à la "physiologie" des réseaux, mais à l'intellect - et il s'agit là d'un tout autre niveau de compréhension de l'ANN (et du cerveau humain).

Ce n'est qu'avec une telle approche qu'il est possible d'obtenir quelque chose d'ANN. Nourrir stupidement les réseaux de citations n'a jamais rien donné de bon auparavant, et ne donnera rien à l'avenir. Mais l'auteur, selon mon opinion "diagonale" (je n'ai pas le temps d'avoir une deuxième opinion détaillée) envisage la prédiction à l'aide de l'ANN sous le bon angle, du point de vue de l'intellect - en utilisant des indicateurs, certains "dérivés" des cotations.

Mais, de manière purement intuitive, je doute qu'il soit possible de prévoir à 98 %. 80% probablement oui, mais pas 98%. L'auteur a peut-être un peu traîné les résultats de la recherche - je suis prêt à l'admettre. Mais pour vérifier ces résultats, vous devez faire les mêmes expériences que l'auteur - ce n'est qu'à ce moment-là que vous pouvez dire que quelque chose est "vrai".

 

Entier:



Je suis également très surpris de voir comment on peut avoir une opinion sans la fonder.
J'ai déjà donné mon avis sur le terme "surentraîné" quelque part ici. Ce terme ne reflète pas du tout l'essence du phénomène. Quel mot anglais est ainsi traduit ? Le terme "rote" (de "crammed") ou "learned" est plus approprié. Le phénomène est similaire à celui d'un bachoteur ou d'un bachoteur à la tête vide, qui ne comprend rien mais a appris par cœur le paragraphe mot à mot. Ce phénomène se produit lors de l'apprentissage d'un réseau volumétrique avec un petit nombre d'échantillons. Le réseau réagit correctement aux échantillons d'entraînement, mais il n'est d'aucune utilité, car il peut s'accommoder de l'entraînement d'un nombre beaucoup plus important d'échantillons, c'est-à-dire qu'il n'est qu'une tête vide. Le résultat qu'il donne est ce qu'il est, pas celui d'hier. Donc, ce que vous avez comme hier n'est pas clair pour moi, une sorte de miracle, une sorte de surentraînement magique.
C'est comme les formules de programmation, on parle de fuites de mémoire à chaque occasion. Il en va de même lorsque l'on parle de réseaux - sur-formation, sur-éducation, mais peu comprennent de quoi il s'agit.


Vous l'avez dit. C'est juste que dans certains manuels, j'ai vu le phénomène selon lequel le réseau émet des signaux "comme hier", ce qui ne signifie pas qu'il émet le même signal tout le temps. Non, mais l'essence et la signification des signaux ne changent pas. D'une manière générale, trouver les paramètres d'apprentissage d'un réseau est la tâche la plus difficile, qui peut être résolue par une longue recherche statistique.

Supposons qu'un réseau ait donné 100 options pour définir ses paramètres. Et seules quelques-unes d'entre elles sont correctes. Le reste sera divulgué dans le futur. Prenons par exemple un réseau sur les mashs. Il est très bon pour le réentraînement dans n'importe quel domaine. Je voulais essayer cette théorie moi-même, mais ce n'est pas mon destin. Alors, peut-être que quelqu'un en aura besoin.

Nous avons deux sections de formation

1. Nous entraînons le réseau sur la 2ème partie. Recevoir un bénéfice (le net sur toute partie de la formation recevra un bénéfice).

2. Regardez comment le filet fonctionnait sur la section 1.

Entraînons le réseau sur le patch 1 afin d'obtenir le même résultat que celui obtenu lors de l'entraînement sur le patch 2.

C'est-à-dire que la fonction cible de la formation ne sera pas l'équilibre maximal, mais une fonction bien différente. Ainsi, en utilisant les statistiques, nous pouvons calculer ce qui est le meilleur.

Je viens de participer à des courses de filet en Nouvelle-Zélande, et le choix de cibles pour l'entraînement est plutôt rare.

Par conséquent, après avoir rassemblé des statistiques, nous pouvons arriver à la conclusion que le but de la formation des barans maximum n'est pas toujours bon. Mais une autre question se pose : comment trouver l'objectif même, afin que le SN fonctionne bien à l'avenir. Il n'y a qu'une seule option, comme on dit.

Nous lançons un réseau et surveillons ses échanges pour conclure s'il fonctionne ou non. Comme ça .....

En conséquence, les paramètres rentables du filet en formation ressemblent à ceci Ainsi, vous pouvez former le filet pour cet équilibre et il peut se rassembler à l'avenir. Mais il y a un talon d'Achille, comment savoir ce que l'équilibre devrait être.... et vous ne pouvez pas former le CT en N.-É. comme ça. Il y a une difficulté avec les fonctions de formation de cible. Si seulement dans un autre programme pour essayer....

 

Ou comme ceci, dans les deux cas, la courbe baoan dans la zone optimisée est extrêmement différente, et certainement pas dans le plus. Cela n'a cependant pas empêché le réseau d'envisager l'avenir. Ligne de fond plus....

Il me semble que si je collecte des statistiques pour des sections du réseau, je peux obtenir une similarité générale des soldes dont nous avons besoin pour établir un certain modèle. Ainsi, nous ne devons pas entraîner le réseau pour obtenir le profit maximum à une section donnée, mais pour trouver des signaux cachés qui fonctionneront à l'avenir. Mais pas en ce moment. Alors, voici l'astuce. Forcer le réseau à trouver des paramètres qui ne fonctionnent pas maintenant, mais qui pourraient avoir un impact utile sur le réseau à l'avenir...... Il y a beaucoup de statistiques à rassembler, et elles sont loin d'être triviales.......

 

Quoi qu'il en soit, en résolvant ce problème (sélection des résultats de l'optimisation) d'au moins 60%, vous pouvez obtenir un outil pour le commerce et ce n'est pas mal du tout.

Je ne sais pas ce qu'il en est des autres paquets, mais lorsque j'optimise dans NS, j'obtiens plusieurs résultats, à commencer par un solde négatif dans la zone d'optimisation. Si seulement il était possible d'obtenir tous les résultats d'optimisation en NS. Et ensuite choisir parmi eux, purement visuellement par équilibre. Vous pourriez alors filtrer les résultats inutiles pour la chance. Mettez le réseau en service et regardez lesquels d'entre eux se mettront à pomper. Celui qui commence à fuir est arrêté... Ou quoi que ce soit..... Il est regrettable que NS ne dispose pas de cette option. Il est au moins possible de sauvegarder les paramètres de l'indicateur dans un fichier pendant l'optimisation.....

Encore une fois, cela ne signifie pas que dans l'optimisation de la première parcelle, vous obtiendrez les valeurs que vous avez obtenues dans l'optimisation de la deuxième parcelle. Il y a donc beaucoup de questions non résolues ici.......

 
nikelodeon:

Je veux dire, voilà le truc. Faire en sorte que le réseau trouve des paramètres qui ne fonctionnent pas maintenant, mais qui pourraient avoir un impact utile sur le réseau à l'avenir...... Il y a beaucoup de statistiques à rassembler, et elles sont loin d'être triviales.......


c'est ainsi qu'elle se souviendra après l'entraînement qu'ils ne fonctionnent pas... les services de santé naturels ne sont pas un réseau mais un ga...
 
Vizard:

c'est comme ça qu'elle se souviendra après l'entraînement qu'ils ne fonctionnent pas... dans les services de santé non pas des filets mais des ga...

Je suis d'accord.... il semble y avoir beaucoup de liberté, mais ce dont vous avez besoin ne peut pas être modifié....
 
joo:

Mais l'auteur de l'article, dans ma première vue "diagonale" (et je n'ai pas encore le temps pour une deuxième vue approfondie) aborde la prédiction avec ANN sous le bon angle, en termes d'intelligence - en utilisant des indicateurs, certains "dérivés" des cotations.

Mais, de manière purement intuitive, je doute qu'il soit possible de prévoir à 98 %. 80% probablement oui, mais pas 98%. L'auteur a peut-être un peu traîné les résultats de la recherche - je suis prêt à l'admettre. Mais pour vérifier ces résultats, vous devez faire les mêmes expériences que l'auteur - ce n'est qu'à ce moment-là que vous pourrez affirmer quelque chose "à cent pour cent".


c'est une illusion... Integer avait raison quand il l'a dit - l'intrigue est laissée pour les prévisions...

En réalité, tout se vérifie par un exemple primitif... vous pouvez utiliser n'importe quelle méthode - du deuxième ou troisième article ))))

si on échantillonne jusqu'à la première ligne verticale jaune, on obtient 90-95% de la même chose... on passe à la suivante... on applique le même algorithme... on obtient moins... la dernière section (croissance) que le réseau ne pourra jamais prévoir...

tout ceci pour prévoir plusieurs étapes pour 1 VP (entrée du même) bien sûr... Si l'on met en évidence les pics de creux (cyclicité), on peut toujours capter la croissance en principe...

 
nikelodeon:

Agréé.... il semble y avoir beaucoup de liberté, mais ce qui est nécessaire ne peut pas être modifié....

la boîte noire est ce NHS...
 
Vizard:


c'est juste qu'il y a une certaine cyclicité ( dynamique ) ... donc si cette dynamique entre dans le modèle (ns, régression ou autres... en gros ça ne fait aucune différence) et qu'elle se maintient pendant un certain temps... alors tout va bien... si elle change, alors il échoue... raisons du changement de dynamique 2...marché et filtres DT...


Oui, je suis d'accord avec vous.

C'est la deuxième explication de la performance : une période a été délibérément choisie pour les tests, au cours de laquelle le réseau a réussi localement à afficher un résultat stupéfiant. À propos, il est étrange que la durée de la période d'essai soit de 150 points et non de 200 ou, par exemple, de 451. Il s'avère que c'est un ajustement latent.

123456789101112
Nouveau commentaire