réseau neuronal et entrées - page 12
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 général, je vais vous dire ceci - j'ai personnellement (3 fois imho) parfois utilisé les réseaux neuronaux, comme je l'ai écrit ci-dessus, mais comme une étape intermédiaire, pour ainsi dire, mais dans mon souvenir les réseaux ne m'ont pas vraiment aidé (alors que d'autres méthodes ont donné des résultats). Je ne sais pas pourquoi, peut-être que je les utilise juste "en première préparation" pour ainsi dire, sans approfondir et sans vraiment me soucier de l'architecture. C'est-à-dire que, comme je l'ai écrit plus haut, si j'ai, par exemple, une idée, j'y vais dans les deux sens, y compris avec des filets, juste pour l'ordre, pour qu'en cas de pépin " ne pas renverser le bébé ". Cependant, comme je l'ai dit plus haut, pas une seule fois ils ne m'ont donné quelque chose de tangible. Du moins par rapport à l'éventail des autres méthodes (vous savez, les régresseurs, les solveurs, les plus proches voisins, etc.)
Je pense que le principal problème est le surentraînement (l'antithèse de la robustesse). En fait, nous recherchons tous la robustesse, que nous en soyons conscients ou non. La situation est très mauvaise dans les grilles - pire que dans les autres algorithmes. D'après mes observations, plus un solveur est simple, plus il a de chances d'être robuste.
Vous avez raison, mais il y a un très grand et épais MAIS :
S'il n'y a pas de modèle dans les données, mais qu'il y a des coïncidences aléatoires dans la section analysée, le SN les trouvera et les présentera comme un modèle.
Si, sur une partie de la trajectoire d'un missile balistique doté d'une ogive nucléaire, sa trajectoire coïncide avec la route de la migration saisonnière des grues, cela ne signifie pas que nous pouvons prédire la totalité de la trajectoire du missile en suivant un chemin de migration connu. Mais le NS produira le résultat sous la forme d'un motif révélé.
cela dépend de la façon dont le réseau est configuré
cela dépend de la façon dont le réseau est configuré
S'il n'y a pas de modèle dans les données, mais qu'il y a des coïncidences aléatoires dans la section analysée, alors le SN les trouvera et les signalera comme un modèle.
Si la trajectoire d'un missile balistique doté d'une ogive nucléaire coïncide avec la route de migration saisonnière des grues, cela ne signifie pas que l'on puisse prédire l'ensemble de la trajectoire du missile à l'aide de la route de migration connue. Mais le NS produira le résultat sous la forme d'un motif révélé.
C'est là toute la compétence d'un trader : choisir un tel segment pour l'analyse, qui caractérisera le marché à l'avenir. Dans ce cas, le neuronet fera des échanges fructueux (rentables) dans le futur, et non dans le passé comme cela a été discuté de nombreuses fois sur ce forum ;))).
...pour sélectionner une section d'analyse qui caractériserait le marché dans le futur...
Confondriez-vous par hasard les traders avec les diseurs de bonne aventure ? :) Comment savez-vous comment ce sera dans le futur ? L'avenir est incertain (c)
Confondriez-vous par hasard les commerçants avec les voyants ? :) Comment savez-vous ce que l'avenir nous réserve ? L'avenir est incertain (c)
...Ne lisez rien...
Tout TS, avec ou sans réseaux de neurones, utilise des modèles qui sont recherchés sur des données passées. Il n'y a donc aucune garantie de gagner de l'argent sur ces modèles à l'avenir. Ou avez-vous une méthode pour déterminer que les modèles trouvés sur les données passées peuvent être utilisés pour gagner de l'argent dans le futur ?
J'ai déjà écrit...
Mais depuis un téléphone portable...
Je suggère de regarder PAMM Wetteg sur mcl 5. Il est un expert en matière de nerfs et le gagnant d'un des championnats......