Recherche d'un motif arbitraire à l'aide d'un réseau neuronal - page 8
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
Oui, je connais les maths dans le cadre du programme scolaire. Un jour, j'ai demandé à un professeur en cours de géométrie analytique (celui qui traite des fonctions et des axes de coordonnées) : "Si une fonction dessine une courbe sur un graphique, peut-on dessiner une fonction à partir d'une courbe sur un graphique ? "et j'ai obtenu une réponse sans ambiguïté : "Non. C'est impossible. " J'en ai conclu que les modèles peuvent être décrits mathématiquement mais qu'ils ne peuvent pas être identifiés car il est impossible d'obtenir la formule qui les a générés à partir des valeurs.
Il existe peut-être d'autres outils mathématiques. Dites-moi si vous les connaissez.Pour être précis et sans ambiguïté, non. Mais en général, il existe des moyens d'obtenir une fonction à partir de données arbitraires. Cela s'appelle "l'approximation". Outre le fait qu'en général n'importe quelle fonction peut être ajustée au milieu des données, il existe des fonctions spéciales qui permettent de reproduire presque complètement les données d'origine - polynômes, séries...
D'ailleurs, les méthodes de calcul de toute fonction via les séries de Taylor et McLaren existent depuis longtemps.
Oui, je connais les maths dans le cadre du programme scolaire. Un jour, j'ai demandé à un professeur en cours de géométrie analytique (celui qui traite des fonctions et des axes de coordonnées) : "Si une fonction dessine une courbe sur un graphique, peut-on dessiner une fonction à partir d'une courbe sur un graphique ?"et j'ai obtenu une réponse sans ambiguïté : "Non. C'est impossible. " J'en ai conclu que les modèles peuvent être décrits mathématiquement mais qu'ils ne peuvent pas être identifiés car il est impossible d'obtenir la formule qui les a générés à partir des valeurs.
Il existe peut-être d'autres outils mathématiques. Dites-moi si vous en connaissez.Pour être précis et sans ambiguïté, non. Mais en général, il existe des moyens d'obtenir une fonction à partir de données arbitraires. Cela s'appelle "l'approximation". Outre le fait qu'en général n'importe quelle fonction peut être ajustée au milieu des données, il existe des fonctions spéciales qui permettent de reproduire presque complètement les données d'origine - polynômes, séries...
D'ailleurs, les méthodes de calcul de toute fonction via les séries de Taylor et McLaren existent depuis longtemps.
Au fait, c'est un problème de MO aussi, il faudra que j'essaie d'esquisser quelque chose comme ça un jour, c'est un problème intéressant.
2Peter Konow : Je vous conseillerais de vous familiariser avec le MO, au moins jusqu'à un certain point, afin de ne pas causer trop d'ennuis. Toute personne sachant lire et faire des maths peut comprendre les bases du MO, il suffit d'y mettre du sien.
Кеша Рутов:
...
2 Retag Konow : Je vous conseille d'aller au moins au fond du MO pour ne pas trop amuser les gens, les bases du MO peuvent être comprises par toute personne sachant lire et compter, il faut juste y mettre du sien.
Eh bien, c'est comme ça que je fais. Il y a beaucoup de rires, de croisements, de claques sur le front, mais pas de réponses... Faire un visage intelligent et rire n'est pas une réponse.
Dans un domaine que je comprends, j'explique toujours, et seulement ensuite je vous envoie lire.
1. Quelles sont les données qui conviennent le mieux à la reconnaissance des formes - OCHL ou images ? Y a-t-il ou non une différence ?
2. Pourquoi le NS n'est-il pas utilisé pour la reconnaissance des formes dans l'algotrading depuis longtemps ? Où sont les fonctions comme "bool Head_n_showlders()" qui travaillent sur le NS et corrigent le modèle trouvé ?
Tu le sais ?
Eh bien, c'est comme ça que je vois les choses. Il y a beaucoup de rires, de croisements et de claquements de front, mais pas de réponses... Faire un visage intelligent et rire n'est pas une réponse.
Dans un domaine que je comprends, j'explique toujours, et seulement ensuite je vous envoie lire.
1. Quelles sont les données qui conviennent le mieux à la reconnaissance des formes - OCHL ou images ? Y a-t-il ou non une différence ?
2. Pourquoi le NS n'est-il pas utilisé pour la reconnaissance des formes dans l'algotrading depuis longtemps ? Où sont les fonctions comme "bool Head_n_showlders()" qui travaillent sur le NS et corrigent le modèle trouvé ?
Tu le sais ?
1. Cela dépend du type de modèle que vous voulez trouver. De préférence, le format des données fournies pour l'analyse doit être aussi proche que possible de l'ensemble des modèles prévus.
Par exemple, pour décrire un modèle "tête-épaules", il est préférable d'utiliser un indicateur zigzag, ou plutôt plusieurs indicateurs, mais avec des paramètres différents :
Vous pouvez voir que la description du modèle est très similaire à celle de l'indicateur Zigzag. Mais les modèles peuvent être de nature complètement différente, par exemple à travers différents indicateurs, leur combinaison, leurs valeurs transformées, etc.
2. Comme écrit ci-dessus, il existe des méthodes plus appropriées pour rechercher des modèles.
Plus les modèles sont éloignés des données elles-mêmes, plus il est difficile de les trouver.
Eh bien, c'est comme ça que je vois les choses. Il y a beaucoup de rires, de croisements et de claquements de front, mais pas de réponses... Faire un visage intelligent et rire n'est pas une réponse.
Dans un domaine que je comprends, j'explique toujours, et seulement ensuite je vous envoie lire.
1. Quelles sont les données qui conviennent le mieux à la reconnaissance des formes - OCHL ou images ? Y a-t-il ou non une différence ?
2. Pourquoi le NS n'est-il pas utilisé pour la reconnaissance des formes dans l'algotrading depuis longtemps ? Où sont les fonctions comme "bool Head_n_showlders()" qui travaillent sur le NS et corrigent le modèle trouvé ?
Tu le sais ?
1 Certainement OCHL, mais prétraité par exemple avec des ondelettes, au pire un tas d'indicateurs comme le Momentum ou le Stochastique avec une période géométriquement croissante.
2) les modèles de prix sont plus faciles à rechercher "directement" avec une convolution glissante (multiplier et ajouter) avec une référence, NA n'est pas très nécessaire ici. Nous avons besoin de NS et de MO lorsque nous ne savons pas très bien comment sortir de l'entrée, et la MO elle-même crée quelque chose, une sorte de modèle, mais malheureusement dans des limites assez étroites.
PS Et en général les "têtes-épaules" et autres sur un graphique ne sont rien, il est facile de les trouver, mais ils ne prédisent rien.
1 Certainement OCHL, mais prétraité par exemple par des ondelettes, au moins une série d'indicateurs comme le Momentum ou le Stochastique avec une période géométriquement croissante.
2) les modèles de prix sont plus faciles à rechercher "directement" avec une convolution glissante (multiplier et ajouter) avec une référence, NA n'est pas très nécessaire ici. Nous avons besoin de NS et de MO lorsque nous ne savons pas très bien comment sortir de l'entrée, et la MO elle-même crée quelque chose, une sorte de modèle, mais malheureusement dans des limites assez étroites.
PS et en général les schémas "tête-épaules" sur un graphique ne sont rien, ils sont faciles à trouver, mais ils ne prédisent rien.
1. Cela dépend du type de modèle que vous voulez trouver. De préférence, le format des données que vous souhaitez analyser doit être aussi proche que possible de l'ensemble des modèles prévus.
Par exemple, pour décrire un modèle "tête-épaules", il est préférable d'utiliser un indicateur zigzag, ou plutôt plusieurs indicateurs, mais avec des paramètres différents :
Vous pouvez voir que la description du modèle est très similaire à celle de l'indicateur Zigzag. Mais les modèles peuvent être de nature complètement différente, par exemple à travers différents indicateurs, leur combinaison, leurs valeurs transformées, etc.
2. Comme écrit ci-dessus, il existe des méthodes plus appropriées pour rechercher des modèles.
Plus les modèles sont éloignés des données elles-mêmes, plus il est difficile de les trouver.
Je vois. Merci. Je vais m'en occuper.
En fait. Vous vous demandez d'abord comment utiliser la réponse que j'obtiens de NS. Faut-il le transformer pour prendre une décision, etc. Ce n'est qu'alors que vous réaliserez que ce n'est pas le modèle lui-même qui est important, mais la réaction du marché à son apparition. Et c'est cette réaction qui devrait être échangée. Sinon, vous obtenez un désordre, pas un TS.
Lorsque vos déclarations seront plus étoffées, je les chercherai. Si vous êtes incapable de comprendre quelque chose, cela ne signifie pas que c'est une hérésie.
Et où vous êtes allé - très bien vu - quelles conclusions sauvages.
Un réseau neuronal peut être entraîné à classer et cataloguer des images, mais sur la base de quel critère de probabilité de corrélation de telle ou telle image à une certaine catégorie du catalogue cela se produira, c'est l'erreur probable de tout réseau neuronal.
Avec le temps, les images déjà mémorisées finiront par s'effacer avec l'aggravation des résultats de la réaction sur ces images. Ainsi, le succès de tout réseau neuronal consistera en un contenu momentané de ce catalogue d'images dans sa mémoire, qui sont efficaces à cette seconde même. Sa base étendue serait un moins plutôt qu'un plus.