Articolo: Previsione dei prezzi con reti neurali - pagina 11
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
Ho saputo cosa nutrire per molto tempo. Volevo discutere, per così dire, dei possibili modelli. Di solito funziona meglio con uno sforzo congiunto. Io stesso sto lavorando su un robot da un anno ormai. Ci sono risultati, ma non molto stabili.
Beh, un anno non è abbastanza :)
OK, proviamo, ma sarà un gioco a senso unico e non vostro.
Atache è una serie pseudo-casuale formata da x = 4 * (x-1) * (1 - (x-1)), con x0=0.2
Ti ricorda qualcosa? In prima approssimazione, questa serie assomiglia a un flusso di dati nel mercato.
Previsione del valore t+1. Architettura di rete, MLP 1-5-1, con accoppiamento sinaptico supplementare dei neuroni di ingresso e di uscita.
Errore quadratico (10e-3), raggiunge circa 60-70t epoche, con un campione di allenamento di 1000 elementi. L'apprendimento è fatto con il metodo antigradiente.
È molto facile dimostrare modellando diverse architetture che abbiamo una sequenza indipendente dalla topologia, l'errore non diminuisce.
è significativamente influenzato dalla complessità della rete, compreso il numero aggiuntivo di strati.Usiamo il metodo degli esempi artificiali o dei calori, il risultato - la velocità di apprendimento aumenta di 2,5 volte, cioè si raggiunge un errore accettabile
Nella regione di 30-40t. epoche.
Ecco il primo esempio, potete farlo girare per vedere i risultati...
So cosa applicare da molto tempo. Volevo discutere di possibili modelli, per così dire. Di solito funziona meglio se lavoriamo insieme. Io stesso sto lavorando su un robot da un anno ormai. Ci sono risultati, ma non molto stabili.
E riguardo ai modelli, come ho già detto, guardate verso la descrizione delle implementazioni di Reshetov. Sì, e non cercare il graal, non esiste ;)
So da molto tempo cosa dare da mangiare a dove. Volevo discutere di possibili modelli, per così dire. Di solito è meglio se lavoriamo insieme. Io stesso sto lavorando su un robot da un anno ormai. Ci sono risultati, ma non molto stabili.
Posso dire solo una cosa: ancora una volta leggete attentamente la teoria (la teoria scientifica, non la letteratura popolare) e forse troverete qualcosa che vi è sfuggito o di cui non avete tenuto conto. Se pensi che non hai bisogno di conoscere la teoria quando usi programmi come NeuroShell Day Trader, allora c'è solo una cosa da fare: lascia stare le reti neurali.
Ora mi congedo.
Con una rete 1x5x1 sono sicuro che non otterrai mai alcun risultato. La rete deve avere almeno due strati nascosti. Per gli ingressi della rete neurale ho normalizzato le letture a 20 indicatori. Così ho provato diverse topologie. Mi sono fermato a 20х140х140х4 La rete può essere ingombrante, ma produce segnali ben interpretati. Naturalmente, può essere scalato. In futuro ho intenzione di selezionare la topologia usando un algoritmo genetico. L'intero processo di creazione della rete e di addestramento viene eseguito utilizzando JAVANNS, la rete addestrata viene trasformata in codice C e questo codice viene utilizzato nella creazione di una funzione ricevitore in dll che può essere utilizzato in MetaTrader. Questa è una descrizione molto approssimativa del processo. Ecco perché l'ho fatto per un anno. È una grande quantità di lavoro. Penso che sia stupido usare strumenti come NeuroShell Day Trader, se puoi creare la tua rete e farlo a modo tuo. Non è di questo che volevo parlare. Mi interessa l'approccio al problema della creazione di un campione di allenamento.
Il campione di allenamento è quello che si inserisce negli input. In questo caso state alimentando 20 indicatori. Un indicatore è un'elaborazione di una serie temporale iniziale, una serie di prezzi {H,L,O,C}. Se si considerano dal punto di vista matematico gli indicatori che si usano nell'AT, si può distinguere l'uno o l'altro gruppo di metodi matematici - diciamo che il MA è il filtro di frequenza più semplice ecc, ma chi ha detto che i dati che si preparano con i metodi classici dell'AT sono i migliori per una rete neurale? Direi addirittura al contrario, praticamente inadatto. Non ho fatto l'esempio di una rete poco profonda costruita per estrapolare un f-zi pseudo casuale per niente.
Se si indagasse un po' di più, si troverebbe una serie di proprietà molto interessanti, che permetterebbero di guardare alla preparazione dei campioni di allenamento in modo un po' diverso. Un flusso di citazioni può anche essere pensato come un f-ci pseudo-casuale, con una legge complessa. Le reti neurali sono un metodo matematico, ma la tecnologia è più un'arte.
Sì, a proposito, ti sbagli se pensi che la dimensione della rete influenzi la capacità di risolvere il problema.
Di nuovo, quello che lei chiama arte è forse prevedibile. Questo è quello che sto dicendo. Il numero di neuroni in ingresso gioca un ruolo enorme. Maggiore è il numero di input, maggiore è la probabilità di previsioni corrette. Questo è ovvio.
Non sono d'accordo. L'esempio che vi ho dato, una rete 1-5-1, permette di prevedere una sequenza pseudo-casuale con grande precisione.
Ti consiglierei di rileggere un po' la teoria, perché ho l'impressione che tu non capisca bene il meccanismo.
Mi dica, cosa pensa che sia una rete neurale?
Beh, possiamo discutere a lungo su questo, chi capisce cosa o non capisce. La discussione riguardava la preparazione dei dati. Capisco che nessuno qui voglia discutere di questo argomento. Pietà
Caro signore, è possibile discuterne. Ma cosa c'è da discutere se ho menzionato il tema di cosa sono gli indicatori in AT e come sono adatti alla pre-elaborazione dei dati per il NS, non hai voluto discuterne, o meglio penso che ti sia sfuggito il tema :)
Se vuoi leggere una lezione su come preparare i dati per l'addestramento NS, penso che non dovresti farlo in questo forum, solo poche persone saranno interessate qui.