L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 335

 
Азбука ИИ: «Рекуррентные нейросети»
Азбука ИИ: «Рекуррентные нейросети»
  • 2016.11.04
  • Тарас Молотилин
  • nplus1.ru
N+1 совместно с МФТИ продолжает знакомить читателя с наиболее яркими аспектами современных исследований в области искусственного интеллекта. В прошлый раз мы писали об общих принципах машинного обучения и конкретно о методе обратного распространения ошибки для обучения нейросетей. Сегодня наш собеседник — Валентин Малых, младший научный...
 

Le cose sono migliorate dopo l'applicazione della rete a strascico?

Forse la condizione di chiusura dell'accordo dovrebbe essere regolata, perché la pesca a strascico è una via d'uscita troppo facile, senza cercare di risolvere le cose?

Per un automa, la chiusura dell'affare è legata a qualche condizione.

Sul serio, le fermate rovinano i nervi...

 
Renat Akhtyamov:

Le cose sono migliorate dopo l'applicazione della rete a strascico?

Forse la condizione di chiusura dell'accordo dovrebbe essere regolata, perché la pesca a strascico è una via d'uscita troppo facile, senza cercare di risolvere le cose?

Per un automa, la chiusura di un trade è associata a una condizione.

Sul serio, le fermate rovinano i nervi...

Perché? La pesca a strascico è una grande cosa. Io uso sempre lo strascico adattivo, anche se lavoro con le mani, quindi non mi preoccupo di tutte le offerte subito dopo l'apertura.
 
Renat Akhtyamov:

Le cose sono migliorate dopo l'applicazione della rete a strascico?

Forse la condizione di chiusura dell'accordo dovrebbe essere regolata, perché la pesca a strascico è una via d'uscita troppo facile, senza cercare di risolvere le cose?

Per un automa, la chiusura di un trade è associata a una condizione.

Sul serio, le fermate rovineranno i nervi...


Non so, forse i parametri sono sbagliati ... Più tardi, metterò la versione aggiornata nel monitoraggio con un rischio normale

Vorrei aggiungere altre voci, ne aggiungerò 3 ora e 5 presto.

 

Ha iniziato ad addestrare una rete neurale. Il compito previsto non va ancora. Dice che i dati non sono nel formato. Non ho ancora capito cosa vuole(.

Ma ecco un esempio per la rete [3,4,1].

//Ожидаемый отклик НС
t  = 0.3    1.    0.    0.    0.5 
//Реальный отклик обученной НС
ans  = 0.3223616    0.9315578    0.1047166    0.0809235    0.4536240  

Sembra che sia tutto a posto.

 
Yuriy Asaulenko:

Ha iniziato ad addestrare una rete neurale. Il compito previsto non va ancora. Dice che i dati non sono nel formato. Non ho ancora capito cosa vuole(.

Ma ecco un esempio per la rete [3,4,1].

Sembra che vada bene.


Anche tensorflow di Google sembra buono, ma non è molto pratico con l'installazione e python
 
Maxim Dmitrievsky:

Anche tensorflow di Google sembra buono, ma non è molto conveniente con l'installazione e python

Questo è SciLab neuronics. Ora il compito principale improvvisamente (inaspettatamente)) ha iniziato a imparare. Ho fatto un casino da qualche parte a quanto pare).

In generale, si dice che ci sono molti neuroni su Internet e in C++. Ma non li ho cercati.

 
Yuriy Asaulenko:

Questo è SciLab neuronics. Ora il compito principale improvvisamente (inaspettatamente)) ha iniziato a imparare. Ho fatto un casino da qualche parte a quanto pare).

In generale, si dice che ci sono molti neuroni su Internet e in C++. Ma non li ho cercati.


Ne ho dappertutto, ora c'è un vero e proprio boom neurale).
 

Un esperimento per addestrare una rete neurale (NS) ad attraversare due MA è fallito. È stato addestrato a riconoscere solo il crossover verso l'alto.

Per l'esperimento il NS - 3,3,3,1 è stato selezionato e testato per l'addestramento e il riconoscimento di modelli creati artificialmente. Tuttavia, dopo aver imparato a riconoscere le AM, non è stato riconosciuto un solo crossover. La ragione - il NS ha bisogno di immagini con più contrasto, e non si preoccupa di tutte le differenze di 0,01-0,1 tra gli ingressi.

Per una data struttura del NS è abbastanza possibile ottenere un riconoscimento affidabile quando la differenza di segnale non è inferiore a 0,2-0,3.

 

Sto iniziando ad esplorare le reti neurali.

Sto cercando opzioni che possono essere implementate direttamente in MT5.

Sono interessato alla variante usando ALGLIB (https://www.mql5.com/ru/articles/2279), ma dalla descrizione della rete ne consegue che è una rete sequenziale senza feedback. E lo svantaggio è che può essere addestrato solo da un thread del processore (che elabora l'Expert Advisor con una rete neurale).

Penso che non sarebbe troppo difficile aggiungere 2 strati nascosti sequenziali alla rete neurale dell'articolo https://www.mql5.com/ru/articles/497 e poi addestrarla con la forza bruta o genetica nel tester. Ma in questo caso si possono usare molti più thread computazionali (core del processore, nella rete e nel cloud). Ho capito bene?

Come aggiungere istruzioni manuali per le risposte corrette (luoghi di acquisto e vendita) nella formazione di una tale rete?

Forse c'è già una libreria per la rete sequenziale multistrato da qualche parte?

E inoltre, non capisco bene l'utilità dell'uso dei livelli interni, ai fini del forex/exchange trading. Ha senso aggiungerli? Perché?

Нейросеть: Самооптимизирующийся советник
Нейросеть: Самооптимизирующийся советник
  • 2016.10.03
  • Jose Miguel Soriano
  • www.mql5.com
Возможно ли создать советник, который согласно командам кода автоматически оптимизировал бы критерии открытия и закрытия позиций с определенной периодичностью? Что произойдет, если реализовать в советнике нейросеть (многослойный персептрон), которая, будучи модулем, анализировала бы историю и оценивала стратегию? Можно дать коду команду на ежемесячную (еженедельную, ежедневную или ежечасную) оптимизацию нейросети с последующим продолжением работы. Таким образом возможно создать самооптимизирующийся советник.