L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 347
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
cioè abbiamo bisogno di =RNN(a0,a1,a2,a3);
Non capisco se RNN è RNN, o ReshetovNNN (RNN), che non è RNN.
Ora si tratta di uno, ora dell'altro. Già non capisco in quale contesto.
Non capisco se è RNN che è RNN o ReshetovNNN (RNN), che non è RNN.
Si tratta dell'uno o dell'altro. Già non capisco in quale contesto.
A giudicare dal codice non c'è memoria in senso letterale. Gli ingressi ricevono solo i dati dall'indicatore per le barre più vecchie, per esempio le barre 0,1,2,3 o 0,2,4,8 o 0,10,20,30 - a scelta. Quindi la memoria non è nel NS stesso, ma da una fonte esterna
E questo non è più un RNN. RNN è solo con feedback - con ricorsione. Qualcuno deve essere rinominato)).
E, a rigore, non è una rete, è un singolo neurone.
E questo non è più RNN. RNN è solo con feedback - con ricorsione. Qualcuno deve essere rinominato)).
E, a rigore, non è una rete, ma un singolo neurone.
Aggiungete un altro dello stesso tipo, e poi date in pasto le uscite di questi 2 al 3° - ecco fatto) Solo i pesi non possono essere ottimizzati, se il 1° neurone ha 100 ingressi, il secondo ha 100 ingressi, e il terzo ha 2.
Qui, invece di calcolare da tutti i 202 input di , dovremmo calcolare dai comandi di allenamento... Non calcolare l'ottimizzazione dell'equilibrio nell'ottimizzatore, ma utilizzare, per esempio, 1000 punti di allenamento e calcolare i coefficienti in base ad essi.
Aggiungerne un altro, e poi alimentare le uscite di questi 2 al terzo - questa è la griglia) Solo i pesi saranno irrealistici se il 1° neurone ha 100 ingressi, il secondo ha 100 ingressi, e il terzo ha 2.
Perché c'è un errore in RNN3 -
si richiedono dati per 5 punti e si calcola la probabilità per 4 punti e non si inizia con la barra corrente a0, ma con lo spostamento sul periodo, cioè con a1. La probabilità è calcolata non per il momento attuale, ma per un punto a1 - quindi i risultati sono cattivi per a0))
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
cioè =RNN(a0,a1,a2,a3);
Bene, per calcolare per 5 punti, dovreste anche aumentare il log-matrix a 25 regole, cioè52. E così via, se sono necessari altri punti/ingressi. Se ci sono 10 ingressi, significa 100 variabili di ingresso ))))). Mi chiedo se MT5 è in grado di ottimizzarlo?
No, anche questo è il suo originale, non l'ho scambiato.
Per 10 voci sarebbe già problematico contare anche attraverso la nuvola) Ma cercherò di fare 3 sistemi esperti di questo tipo, alimentati all'ingresso 4 ) Se i prezzi di apertura non sono testati per un periodo molto lungo è ok
Reshetov ha una soluzione interessante. Probabilmente verrà fatto qualcosa di simile. Solo che dal contesto spesso non si capisce di quale RNN stiamo parlando.
Non è RNN, è un sistema esperto, come lo chiama lui... Perché si chiama RNN non lo so, forse per il cognome :)
No, questo è anche il suo originale, non ho scambiato
Per 10 voci sarebbe già un problema contare anche attraverso la nuvola) Ma cercherò di fare 3 tali sistemi esperti, presentati per la voce del 4) Se i prezzi di apertura non sono testati per un periodo molto lungo, allora bene
E se lo dividessimo in fotogrammi con una leggera sovrapposizione? Otteniamo 2-3 EA parzialmente sovrapposti e poi li fondiamo.
come opzione, sì
Mi sembra irrealistico calcolare qualcosa di redditizio con solo 3 o 5 input usando una tale matrice. Sono d'accordo che copre tutte le possibili varianti.
Ma se per esempio facciamo una rete con 5 ingressi, ci saranno 32 coefficienti per i calcoli. L'algoritmo genetico di solito converge in 10000 passaggi, cioè gli input convergeranno in media come -1,0-1.
Con 3 ingressi forse si può calcolare un modello, ma 3 ingressi non sono sufficienti secondo me.
Mentre le reti neurali possono essere costruite in R o anche da ALGLIB e calcolate rapidamente. La loro struttura interna non sarà così completa, ma le dipendenze più forti saranno trovate durante la formazione.