Réseaux neuronaux - 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
Mettez en œuvre un algo d'optimisation simple, stimulez les transactions gagnantes avec une forme de MM asymétrique. Accédez à vos résultats de trading réels avec des mesures statistiques standardisées, afin de savoir si le modèle entier ou une partie de celui-ci est cassé lorsqu'il commence à sous-performer. Retournez à l'optimisation/à la planche à dessin.
Tout ceci seulement si votre réseau a capturé un comportement cyclique sous-jacent exploitable. Un indice que vous êtes sur la voie du succès est si votre modèle est de nature fractale.
En regardant vos messages précédents, vous souffrez probablement du syndrome de sur-entraînement/adaptation.
J'opterais pour un grand nombre de transactions de moindre qualité, afin de pouvoir les caler avec des procédures plus simples...
Vous avez fait quelques erreurs de base :
- L'utilisation de réseaux neuronaux à action directe typiques pour prédire des séries temporelles comme les taux de change est une très mauvaise idée.
- vous essayez de prédire des valeurs dans le cadre temporel H1 - cela ne peut pas être fait pour le Forex avec de bons résultats. Utilisez D1 ou H4 (pour les devises à faible volatilité).
- vous utilisez trop de données en entrée - le réseau neuronal s'habitue trop aux données d'entraînement et ses performances seront très médiocres dans le cadre d'un trading en direct
- vous vous excitez trop en regardant les données d'entraînement
- il est impossible de former un réseau neuronal qui fonctionnera efficacement sur une longue période. Un réseau neuronal typique formé pour prédire des séries chronologiques donne environ 20 à 100 bonnes prédictions, puis il doit être réentraîné pour s'adapter aux changements récents.
Si vous voulez créer des réseaux de neurones utiles pour les prédictions de séries temporelles, lisez les réseaux de neurones évolutifs (réseaux de neurones à action directe codés en tant qu'arbres de neurones flexibles ; leur architecture est optimisée à l'aide de PIPE ou GEP ; les paramètres des fonctions d'activation flexibles sont optimisés à l'aide de PSO, EPSO ou du recuit simulé, etc.)Oui, je pensais que c'était un peu trop beau pour être vrai
Il a fallu moins d'une heure pour construire ce réseau. Ces réseaux neuronaux évolutifs auraient-ils quelque chose à voir avec les UTHONNs ? J'ai un article qui suggère que ce type d'ANN fonctionne bien mieux que les modèles traditionnels FF back prop. Je travaille avec MATLAB, serait-il possible de faire ce que vous avez dit avec cela ? Que suggérez-vous comme logiciel ou MATLAB est-il adapté ?
@Kazam
Laisse un peu d'argent sur la table, mec.
Mettez en œuvre un algo d'optimisation simple de type feed forward, stimulez les transactions gagnantes avec une forme de MM asymétrique. Accédez à vos résultats de trading réels avec des mesures statistiques standardisées, afin de savoir si le modèle entier ou une partie de celui-ci est cassé lorsqu'il commence à sous-performer. Retournez à l'optimisation/à la planche à dessin.
Tout cela seulement si votre réseau a capturé un comportement cyclique sous-jacent exploitable. Le signe que vous êtes sur la voie du succès est que votre modèle est de nature fractale.
En regardant vos messages précédents, vous souffrez probablement du syndrome de sur-entraînement/adaptation.
J'opterais pour un grand nombre de transactions de qualité inférieure, afin de pouvoir les caler avec des procédures plus simples...J'ai lu des articles sur le sur-apprentissage et je suppose que c'est ce qui s'est passé ici. Serait-il préférable de diviser cet échantillon de dix ans en dix échantillons d'un an, de faire une formation sur une année et de tester sur la suivante ? Il me semble que le GBPJPY passe par un cycle de 5 à 10 ans. J'avais choisi un échantillon de 10 ans parce que j'espérais former le réseau pour qu'il soit capable d'identifier ce cycle. J'espérais qu'un réseau entraîné sur ce cycle serait capable d'identifier dans quelle partie du cycle il se trouve et de réagir de manière appropriée.
Mes stratégies précédentes consistaient à attendre les grands mouvements et à encaisser ensuite, mais j'espère utiliser un réseau neuronal dans le cadre d'une stratégie scalping. Je chercherais à négocier presque chaque tick en fonction du fait que la clôture prévue soit supérieure ou inférieure à la clôture actuelle.
Les réseaux neuronaux évolutifs sont des réseaux neuronaux à action directe construits et optimisés à l'aide d'algorithmes de calcul génétique et de méthodes d'optimisation. Il s'agit de quelque chose d'autre que les réseaux de UHHONN (les réseaux de UHHONN semblent très prometteurs et sont les prochains sur ma liste de tests
).
Je pense que ces deux articles devraient constituer un bon point de départ.
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfVous pouvez utiliser Matlab pour créer des ENN mais vous devrez trouver ou écrire des m-scripts pour GEP, PIPE, etc.
Les réseaux neuronaux évolutifs sont des réseaux neuronaux à action directe construits et optimisés à l'aide d'algorithmes de calcul génétique et de méthodes d'optimisation. C'est autre chose que les UHHONN (les UHHONN sont très prometteurs et sont les prochains sur ma liste de tests
Je pense que ces deux documents devraient être un bon début.
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfCool, je vais jeter un coup d'oeil à ces articles et partir de là. J'ai lu sur l'optimisation génétique et cela semble l'approche la plus logique. J'ai fait un essai de Alyuda NeuroIntelligence qui avait une optimisation génétique des neurones et des poids, mais c'est quelque chose comme 600 $ et si je peux le faire en Matlab, ce serait préférable.
Avez-vous remarqué que de nombreux articles sur la prévision par réseaux neuronaux semblent provenir de l'université de Jinan ? J'ai un document sur une multitude de HONNS différents, si vous voulez je peux vous l'envoyer par email, il suffit de m'envoyer un message avec votre adresse. J'ai essayé de le zipper et de le joindre mais il me manquait un jeton apparemment.
Les réseaux de neurones évolutifs sont des réseaux de neurones à action directe construits et optimisés à l'aide d'algorithmes de calcul génétique et de méthodes d'optimisation. Il s'agit de quelque chose d'autre que les réseaux UHHONN (les réseaux UHHONN semblent très prometteurs et sont les prochains sur ma liste de tests
Je pense que ces deux documents devraient être un bon début.
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfBonjour,
Comment mettez-vous en œuvre les idées contenues dans ces articles ? Je veux dire, y a-t-il un code Matlab ou C++ ?
biddick
J'écris mes propres versions de tous les algorithmes que j'utilise parce que j'utilise un serveur basé sur la technologie CUDA de Nvidia (il effectue les calculs à une vitesse 1000 fois supérieure à celle du tout dernier processeur Intel Quad
).
Mais j'utilise surtout le langage C.
Si vous voulez une bonne source d'informations sur les HONN, procurez-vous le livre "Artificial Higher Order Neural Networks for Economics and Business". Il s'agit d'une nouvelle publication qui contient de très bonnes informations. Le prix est élevé (180$) mais vous pouvez le trouver en pdf
.
D'autres livres que je recommande :
- "A field guide to genetic programming" - vous pouvez le télécharger gratuitement à l'adresse suivante
- "Introduction to genetic algorithms" - published by Springer in 2008.
- "Biologically Inspired Algorithms for Financial Modeling" - from Springer, published in 2006. Very good publication.
- "Network Models and Optimization Multiobjective Genetic Algorithm Approach" - from Springer, published at 2008. Also a very good publication.
- "Gen Expression Programming" - by Candida Ferreira.
All of them can be found in pdf. I usually don't encourage to download copyrighted materials but most of the recent books about ENN cost way over 200$.
Those are just few books that I think are really worth reading. I have over a hundred other so if you'll be interested in something more I'll recommend you another books.
About PIPE you can read here:
[CODE]http://edocs.tu-berlin.de/diss/2003/salustowicz_rafal.pdfD'ici la fin de l'année, je terminerai ma thèse de doctorat sur les "réseaux neuronaux évolutifs pour la prévision des séries chronologiques financières" et je la traduirai probablement en anglais, ce qui me permettra d'en télécharger des extraits.
Kazam,
Vous avez obtenu de bons résultats dans vos échanges avec ce produit ?