L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 348

 
elibrario:

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 variazioni.

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 struttura interna non sarà così piena, ma nella formazione troverete le dipendenze più forti.


Non dimenticare le strategie combinate, dove NS può eseguire solo una parte degli input, per esempio, per mostrare la direzione generale, mentre i segnali, per esempio, sono dati da un altro sistema

Supponiamo che ci sia un sistema, che versa in un appartamento, è possibile ottimizzare NS per filtrare tali aree, e il resto della logica funzionerà "come è"

 
Maxim Dmitrievsky:


Non dimenticare le strategie combinate, dove il NS può eseguire solo una parte degli input, per esempio, per mostrare la direzione generale, mentre i segnali, per esempio, sono forniti da un altro sistema

Supponiamo che ci sia un sistema, che versa in un piatto, è possibile ottimizzare NS filtrando tali sezioni, e il resto della logica funzionerà "come è".


E, a proposito, ecco lo stesso sistema di Reshetov espert, in altre parole :) https://www.mql5.com/ru/articles/3264 cioè possiamo chiamarlo un classificatore bayesiano, apparentemente
Наивный байесовский классификатор для сигналов набора индикаторов
Наивный байесовский классификатор для сигналов набора индикаторов
  • 2017.05.12
  • Stanislav Korotky
  • www.mql5.com
В статье анализируется применение формулы Байеса для повышения надежности торговых систем за счет использования сигналов нескольких независимых индикаторов. Теоретические расчеты проверяются с помощью простого универсального эксперта, настраиваемого для работы с произвольными индикаторами.
 

Cosa le fa pensare che NS dovrebbe funzionare? Per quanto ne so, NS rende più facile trovare un algoritmo/conformità in un set di dati.

Ma il comportamento dei prezzi è la somma delle posizioni di tutti i partecipanti, compresa MM. Che tipo di algoritmo può esserci nel comportamento della folla? E ad alcuni, una parte non piccola di questa folla, non importa se la posizione sarà redditizia o meno. Questo è il comportamento dell'ape che vola sui campi. I campi sono gli stessi, ma è impossibile prevedere su quale fiore atterrerà.

 

Buona fortuna a questo mostro :) Questo è solo per determinare i limiti di applicabilità di questo approccio


 

Più neuroni e input più stabile ma meno redditizio è il sistema, l'ho ottimizzato per gli ultimi 3 mesi aprendo i prezzi sui minuti, 1,5 dei quali è un forward, poi l'ho fatto funzionare per quasi un anno e ha mostrato un risultato stabile. Ci sono 3 neuroni per ogni 3 ingressi e questi 3 neuroni sono inclusi nel 4° che dà il risultato finale

Nel cerchio c'è un segmento in cui la mesh è stata ottimizzata (approssimativamente), e dopo di esso - un forward, e il resto del BC non è stato coinvolto nel processo di apprendimento in alcun modo


 
Maxim Dmitrievsky:

Più neuroni e input più stabile ma meno redditizio è il sistema, l'ho ottimizzato per gli ultimi 3 mesi aprendo i prezzi sui minuti, 1,5 dei quali è un forward, poi l'ho fatto funzionare per quasi un anno e ha mostrato un risultato stabile. Ci sono 3 neuroni per ogni 3 ingressi e questi 3 neuroni sono inclusi nel 4° che dà il risultato finale

Qui c'è un grafico circolare, in cui la mesh è stata ottimizzata (approssimativamente), seguita da un forward, e il resto del BC non è stato affatto coinvolto nella formazione



La cosa principale è la stabilità. Meno di un anno - 800% e se è davvero una sorta di Expert Advisor ad autoapprendimento basato su matrici simili a una rete neurale - ti stringo la mano. Troppo intelligente per me per capire cosa c'è dentro, ma stringimi la mano per aver osato tuffarti in questo regno del machine learning. Penso che inciamperà per la stessa ragione - imprevedibilità del mercato, ma apparentemente avete un sistema di vincolo di perdita lì, quindi davvero interessante. Dove gira su un VPS o su un PC domestico?
 
geratdc:

La cosa principale è la stabilità. Meno di un anno - 800% e se è davvero un qualche tipo di EA basato su array di autoapprendimento simile a una rete neurale - ti stringo la mano. Troppo intelligente per me per capire cosa c'è dentro, ma stringimi la mano per aver osato tuffarti in questo regno del machine learning. Penso che inciamperà per la stessa ragione - imprevedibilità del mercato, ma apparentemente avete un sistema di vincolo di perdita lì, quindi davvero interessante. Dove gira su VPS o PC domestico?

Non è nemmeno neuronetwork ma classificatore, qualcosa nel mezzo, non so come chiamarlo... a mano ) Sì, ha bisogno di essere riqualificato periodicamente e di introdurre alcuni limiti, per esempio sul drawdown
 
Maxim Dmitrievsky:

Più neuroni e input più stabile ma meno redditizio è il sistema, l'ho ottimizzato per gli ultimi 3 mesi aprendo i prezzi sui minuti, 1,5 dei quali è un forward, poi l'ho fatto funzionare per quasi un anno e ha mostrato un risultato stabile. Ci sono 3 neuroni per ogni 3 ingressi e questi 3 neuroni sono inclusi nel 4° che dà il risultato finale

Qui c'è un grafico circolare, in cui la mesh è stata ottimizzata (approssimativamente), seguita da un forward, e il resto del BC non è stato affatto coinvolto nella formazione


Non male!
Che cosa alimenta gli ingressi?
 
elibrario:
Non male!
Che cosa alimenta gli ingressi?

Lo stesso di prima, regressione e rsi, non ho ancora pensato a qualcosa di più intelligente
 
elibrario:
Non male!
E cosa date da mangiare agli input?

A proposito, se state cercando la migliore griglia da usare, provate questa https://www.mql5.com/ru/code/9002

Non l'ho ancora capito, per favore ditemi se è utilizzabile o no, se non riesco a farlo da solo )

Ценовой прогноз с использованием нейронных сетей
Ценовой прогноз с использованием нейронных сетей
  • voti: 14
  • 2016.06.14
  • Vladimir
  • www.mql5.com
Индикатор, который использует нейронные сети для прогнозирования ближайших нескольких цен открытия. Сеть обучается методом обратного распространения ошибки. Обучение проходит автоматически, результат — самообученная сеть и самообучающийся индикатор.