Que mettre à l'entrée du réseau neuronal ? Vos idées... - page 6

Nouveau commentaire
 
Dmytryi Voitukhov #:

Alors à quoi bon préparer une réponse détaillée ?

J'ai le sujet dans un onglet ouvert, en pratique, généralement quand je fais autre chose, quand une idée me vient à l'esprit (quoi exporter d'autre pour la grille) je la vérifie immédiatement. Malheureusement, je ne comprends pas beaucoup de suggestions dans le fil de discussion (je n'arrive pas à savoir quoi exporter, comment et où l'exporter).

Ne le prenez pas mal. S'il y a quelque chose de formalisé (que je peux tordre), j'en serai très heureux et je le vérifierai certainement.

 

- Que mettre à l'entrée du réseau neuronal ?

- Vos idées...

 
Evaluez l'idée (je ne réalise pas une telle chose avec les moyens dont je dispose), mais votre opinion m'intéresse : dans un article local, je lis que "....", les réseaux de Kohonen sont généralement utilisés dans la reconnaissance d'images..." et entre immédiatement la chronologie des prix.



Les réseaux Kohonen sont généralement utilisés dans la reconnaissance d'images..." et entre immédiatement la chronologie des prix. Ne pensez-vous pas qu'il s'agit d'un indice, car les traders ne "mangent" pas la chronologie, ils regardent le graphique, peuvent marquer quelque chose en commun, voir un groupe de prix, marquer un niveau à cet endroit et évaluer les ruptures/rebonds, les chiffres. Lors de l'entraînement d'un réseau neuronal à reconnaître un chat dans des images, un ensemble de nombreuses images est préparé pour le réseau neuronal pour l'entraînement.



Le réseau neuronal peut ainsi identifier sans problème un chat qui aime courir dans l'appartement à quatre heures du matin. Dans le réseau, vous trouverez de plus en plus souvent des articles sur la manière d'apprendre à un réseau neuronal à identifier des chiffres et des signes dans une image. Pourquoi ne pas faire la même chose avec un graphique de cours ? Faites des captures d'écran d'un graphique de prix avant qu'il ne monte, et vice versa. Comme l'image n'a que deux couleurs (noir et blanc) et qu'il y aura peu de détails, les images pèseront peu et seront traitées. Et introduisez-les toutes dans le réseau neuronal, pour qu'il simule finalement le travail du trader, je n'ai pas multiplié les prix.
 
Ivan Butko entraînement d'un réseau neuronal à reconnaître un chat dans des images, un ensemble de nombreuses images est préparé pour le réseau neuronal pour l'entraînement.



Le réseau neuronal peut ainsi identifier sans problème un chat qui aime courir dans l'appartement à quatre heures du matin. Dans le réseau, vous trouverez de plus en plus souvent des articles sur la manière d'apprendre à un réseau neuronal à identifier des chiffres et des signes dans une image. Pourquoi ne pas faire la même chose avec un graphique de cours ? Faites des captures d'écran d'un graphique de prix avant qu'il ne monte, et vice versa. Comme l'image n'a que deux couleurs (noir et blanc) et qu'il y aura peu de détails, les images pèseront peu et seront traitées. Et les transmettre au réseau neuronal, pour qu'il simule finalement le travail d'un trader, je n'ai pas multiplié les prix.
Complication artificielle, d'une série à 1 dimension on fait une série à 2 dimensions. Le nombre de signes augmentera de plusieurs ordres de grandeur, le temps d'apprentissage aussi. Mais le résultat sera le même.

Pour les séries temporelles, ne faites pas de captures d'écran, mais toutes sortes de transformations comme le graphe de récurrence, sinon la matrice des caractéristiques sera très éparse.
 
Maxim Dmitrievsky #:
Complication artificielle : à partir d'une série unidimensionnelle, vous créez une série bidimensionnelle. Le nombre de caractéristiques augmentera de plusieurs ordres de grandeur, le temps de formation aussi.
Et le résultat sera le même.

Pour les séries temporelles, ne faites pas de captures d'écran, mais toutes sortes de transformations telles que le graphe de récurrence, sinon la matrice des caractéristiques sera très éparse.



Il me semble simplement que nous ne devrions peut-être pas considérer les séries temporelles, mais plutôt les modèles, dans lesquels une partie de la série temporelle ne joue pas de rôle, et le réseau neuronal examinera "l'image dans son ensemble", comme le fait un trader. La tâche elle-même est différente : avant une tendance (renversement), cette partie du graphique doit être analysée et il ne faut pas indiquer au réseau neuronal les prix de ces chandeliers, la différence entre les prix des chandeliers, la normalisation des prix des chandeliers, la normalisation des données de l'indicateur - tout cela doit être écarté et la valeur réelle ne doit être utilisée que pour l'apprentissage "haut" ou "bas", "1" ou "0", "haussier" ou "baissier". Et, lorsque le réseau neuronal "voit" ces hausses, à de nouveaux chandeliers (faites un écran de la section graphique pour le réseau neuronal, ou automatisez ce processus d'une manière ou d'une autre), il dira "ce n'est pas une hausse, il y a des conneries, je ne comprends pas", et sur un autre graphique "il y a quelque chose qui ressemble à une hausse, c'est probablement une hausse", sur le troisième graphique "il y a définitivement une hausse, le prix est sur le point de se retourner". Par analogie avec la reconnaissance d'images (je crois avoir vu un article quelque part sur le hacker). Là aussi, le réseau neuronal a été alimenté avec un million d'images de chats, puis il a dit : "voici un chat", "c'est probablement un chat", "ce n'est pas un chat")).

 
Une autre option consiste à former sur chaque bougie. Cela demande beaucoup de travail et de ressources, mais il est possible que cela se développe à distance, étant donné que beaucoup de travail est effectué. Disons 500 bougies ou plus, entraînez jusqu'au bleu (recyclage) et ne prédisez qu'une seule bougie, une nouvelle. Ensuite, dès qu'elle est fermée, ré-entraînez-vous à nouveau et ainsi de suite. Si le processus d'apprentissage prend beaucoup de temps (bien que je n'aie pas remarqué une telle chose), alors prenez une bougie d'une heure ou une bougie de 4 heures.

Peut-être sera-t-il possible de contourner ce fameux 50/50. J'ai trouvé ici un article d'un Brésilien sur la propagation d'erreur inversée. Il n'y a pas d'EA en tant que tel, juste un script, mais il peut prédire une prochaine valeur. J'essaierai cette approche lorsque je l'adapterai à un EA.
 
Les modèles sont situés où, nulle part ? Ou sur une série chronologique. Pourquoi tout le monde a-t-il un tel désir de s'en débarrasser et de commencer à former NS sur rien :)

Une manière spécifique de s'entraîner ne fonctionnera pas, il faut élaborer une stratégie. Tout comme dans le TS sans NS.

Considérez le NS comme un optimiseur de stratégie, comme celui qui est intégré dans le terminal.
 
Si vous entraînez un réseau neuronal sur tout et essayez de prédire la valeur, vous obtiendrez quelque chose d'encore pire que l'ADX.
 
Eh bien, vous fixez certaines conditions pour prédire le moment présent, et vous ignorez le reste. Tout dépend de la stratégie, de ce qui est attendu en sortie.

Il est possible d'allouer avant la formation, il est possible après de mettre une condition où cela doit fonctionner et où cela ne doit pas fonctionner. On peut imaginer de nombreuses approches, pour autant qu'elles soient significatives.
 

Entrer des périodes dans le réseau neuronal.

Comparer des années.

Puis les saisons.

Jours

Chandelles horaires (en tenant compte du changement d'heure été/hiver).

Vous verrez alors apparaître un modèle dans certains instruments.

Et voilà, vous êtes riche. Si vous réalisez une telle analyse, partagez-la plus tard, je n'arrive pas à mettre la main dessus.

// Un mathématicien est devenu millionnaire en bourse en étudiant de tels schémas.


P.S. Vous pouvez également entrer les périodes des planètes, de la lune et l'emplacement de la bourse par rapport à leur rotation. Théoriquement, vous saisirez l'amplitude de la devise (bourse européenne - euro, bourse américaine - dollar, etc.) En comparant les amplitudes et en les combinant, vous verrez toutes les paires de devises en avance. Pour ceux qui ne comprennent pas, c'est de l'humour.

12345678910111213...55
Nouveau commentaire