L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 338
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
non capisco la tua idea (
Non è una mia idea, è il principio dell'insegnamento NS con un insegnante
Non è una mia idea, è il principio dell'insegnamento NS con un insegnante
Sono d'accordo, si possono allenare reti più complesse in questo modo. Ma in questo esempio, c'è una formazione basata sui risultati del trading nel tester, senza le proprie istruzioni su dove fare trading. Cioè non è formazione, ma ottimizzazione per il massimo profitto. Cioè non è esattamente un neuronet ma piuttosto un Expert Advisor con ponderazione dei valori degli indicatori.
Se torniamo all'apprendimento per questo particolare esempio, c'è 1 uscita nel codice, se è > 0,5 allora si compra, se è <0,5 allora si vende. Dove posso allegare la risposta 0/1 data dall'insegnante? E cosa farne?
Sono d'accordo, si possono allenare reti più complesse in questo modo. Ma in questo esempio, c'è una formazione basata sui risultati del trading nel tester, senza le proprie istruzioni su dove fare trading. Cioè non è formazione, ma ottimizzazione per il massimo profitto. Cioè non è esattamente un neuronet ma piuttosto un Expert Advisor con ponderazione dei valori degli indicatori.
Se torniamo all'apprendimento per questo stesso esempio, c'è 1 uscita nel codice, se è > 0,5 allora si compra, se è <0,5 allora si vende. Dove posso allegare la risposta 0/1 data dall'insegnante? E cosa dovrei farci?
che è dove si dovrebbe imbullonare al momento dell'addestramento, e dopo l'addestramento l'output sarà una predizione
Oh, capisco, è solo un neurone che restituisce un risultato sigmoidale
allora non c'è modo
lì e avvitarlo al momento dell'addestramento, e dopo l'addestramento l'output sarà una predizione
Oh, capisco, è solo un neurone) che produce un risultato sigmoidale
allora non c'è modo
Peccato!
E altre reti neurali conteranno su un solo nucleo, il che richiederà molte volte più tempo.
E nell'esempio per 10 ingressi otteniamo 1,6 *1013 passaggi. Solo la genetica farà risparmiare tempo. Non posso nemmeno immaginare quante volte ci vorrà per contare completamente su un 1-core. E se moltiplichiamo fino a 100 ingressi, sarà probabilmente impossibile da calcolare.
Quanto tempo hai impiegato per addestrare la rete e per quanti ingressi/neuroni?
Triste(
E altre reti neurali conterebbero poi su un solo core, il che richiederebbe molto più tempo.
E in questo esempio per 10 ingressi otteniamo 1,6 *1013 passaggi. Solo la genetica farà risparmiare tempo. Non posso nemmeno immaginare quanto tempo ci vorrebbe per calcolare questo valore per il 1° nucleo. E se moltiplichiamo gli input fino a 100, sarà probabilmente impossibile da calcolare.
Quanto tempo ci è voluto per addestrare la tua rete, e per quanti ingressi/neuroni?
Dipende principalmente dalla quantità di storia (esempi di allenamento), da un paio di minuti all'infinito) su 1-core per calcolare una griglia complessa non è un'opzione, sono d'accordo
ma una griglia adeguata è possibile solo su GPU
Che ne dici di Chaos Hunter? Dammi un link specifico
Ecco il link
È interessante notare che non ho mai visto una libreria libera con un'implementazione simile della programmazione genetica... tutte sono solo reti reti reti reti....
Ecco il link
È interessante notare che non ho mai visto una libreria libera con una simile implementazione della programmazione genetica...tutte sono solo reti....
Non so cosa sia la programmazione genetica, ma ci sono algoritmi di ottimizzazione genetica ovunque - da MT5 a SciLab e ScyPy. Non so cosa siano gli algoritmi genetici, ma sono ovunque.
È chiaro che gli algoritmi genetici sono ovunque..... ma non è la stessa cosa anche se il principio è simile...
Negli algoritmi genetici, il programma stesso rimane invariato mentre tutti i suoi parametri subiscono un'evoluzione, attraversando la mutazione, la selezione ecc.
Anche la programmazione genetica si evolve, ma gli algoritmi stessi, i programmi stessi, sono cresciuti a partire dai dati disponibili e utilizzando qualsiasi simbolo matematico + - / * cos sin ecc. secondo una determinata funzione...
Se date un insieme di candele chiuse per un periodo n e dati stocastici e la pendenza della regressione, questo metodo moltiplicherà, dividerà e aggiungerà casualmente questi dati per tutte le combinazioni possibili, formando gradualmente una certa formula matematica che corrisponde alla funzione di ricerca...
Quindi abbiamo sistemato le griglie, e ora stiamo scontando:
http://www.nvidia.ru/object/ai-accelerated-analytics-ru.html
Perché si usa una sigmoide per calcolare un neurone? Non è meglio avere una distribuzione lineare (da zero al numero di ingressi)? Dopo tutto, "la funzione ha una forma regolare sull'intervallo [-5,5]"?
Va bene se ci sono solo 5 ingressi, ma se ce ne sono cento? Allora praticamente tutti i valori saranno fuori da questo segmento. L'articolo https://www.mql5.com/ru/articles/497 applica un fattore aggiuntivo per tenere conto di 10 ingressi. Quindi per ogni rete si dovrebbe ricalcolare questo coefficiente.