Galateo del mercato o buone maniere in un campo minato - pagina 41
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
Mi sono rovinato confrontando la precisione dei neuroni a singolo strato e a doppio strato sugli orologi Eurobucks, e vedo che il singolo strato è notevolmente più efficiente. Penso che questo sia dovuto al fatto che non ci sono dipendenze non lineari "difficili" tra le barre del mercato. Qui tutto è semplice come un piede di porco e le dipendenze sono le più lineari, che è quello che funziona il monostrato. A proposito, essenzialmente, l'architettura di un singolo neurone è analoga al modello AR lineare dell'ordine n-esimo, dove n è un numero di ingressi di NS, e il fatto che il doppio strato non trova nulla di nuovo tra le barre, dice dell'inutilità di usare modelli AR non lineari in questo caso concreto.
Anche se non ho fiducia assoluta nella sua correttezza - prova il tuo neurone sui miei dati - è nel trailer insieme alla ragazza, e se hai tempo e voglia - controlla la ragazza sui tuoi dati.
Mi scarichi il suo file con EURUSD 1h e salvi i suoi file Matkad in formato 11, altrimenti non potrò più leggerla.
Mi dispiace, naturalmente, ma ultimamente ho avuto problemi a capire l'antifona. Forse è perché sono stato troppo seduto al computer... Cos'è questo "qualcosa" di cui stai scrivendo? Almeno dammi un esempio.
Una volta ho alimentato lo stocastico(0) al momento della formazione di una nuova barra, tra le altre cose. Oppure potete usare MA(0) con PRICE_TYPICAL come input. Per definizione, contiene già il prezzo di chiusura. Cioè, si dà alla rete un "suggerimento" e dovrebbe solo prenderlo in considerazione. Se coglie il suggerimento, saprete che l'algoritmo di allenamento funziona.
Mi sono rovinato confrontando la precisione dei neuroni a singolo strato e a doppio strato sugli orologi Eurobucks, e vedo che il singolo strato è notevolmente più efficiente. Penso che questo sia dovuto al fatto che non ci sono dipendenze non lineari "difficili" tra le barre del mercato. Qui tutto è semplice come un piede di porco e le dipendenze sono le più lineari, che è quello che funziona il monostrato. A proposito, essenzialmente, l'architettura di un singolo neurone è analoga al modello AR lineare dell'ordine n-esimo, dove n è un numero di ingressi di NS, e il fatto che il doppio strato non trova nulla di nuovo tra le barre, dice l'inutilità di usare modelli AR non lineari in questo caso concreto.
Mandami il tuo file con EURUSD 1h e salva i tuoi file Matkad in formato 11, altrimenti non posso leggerti di nuovo.
Ho avuto questo sospetto, ma l'ho coraggiosamente respinto :-) Scusa per il formato - non l'ho visto bene. A proposito, sto cercando di manipolare la velocità di apprendimento ora (Eta greco) - i risultati per AUDUSD sono migliorati significativamente introducendo questo 15-20 - ho ottenuto più di 4,5 rendimenti. Ma questa azione non ha avuto alcun effetto sugli Eurobucks.
Una volta ho alimentato uno stocastico(0) all'ingresso quando si formava una nuova barra, tra le altre cose. Oppure potete inserire MA(0) con PRICE_TYPICAL. Per definizione, contiene già il prezzo di chiusura. Cioè, si dà alla rete un "suggerimento" e dovrebbe solo prenderlo in considerazione. Se coglie il suggerimento, saprete che l'algoritmo di allenamento funziona.
Quindi non sarebbe più semplice inserire una barra zero (chiusura non finita) nell'input? Ma come si vedono i risultati? Il tester non aiuterà qui, e nemmeno la modellazione numerica, che Sergei qui mi insegna.
Scaldato a 100... meraviglie, però!
Questo è un grande metodo di insegnamento! La cosa principale è capire come usarlo correttamente.
Ricordate le mie "fantasie" sull'entropia e tutto il resto? Quindi è esattamente quello che hai fatto, devi solo abbandonare l'inizializzazione iniziale della bilancia e aumentare la temperatura della ragazza, per poi raffreddarla gradualmente. E la domanda è: perché abbiamo bisogno di questo doppio strato?
Sarebbe bello pensare all'ottimizzazione simultanea di tre parametri: dimensionalità dell'input, numero di epoche e temperatura iniziale. Tutti e tre i parametri sono critici, cioè il cambiamento di uno qualsiasi di essi anche di uno (la temperatura di dieci) dà un risultato completamente diverso.
Tutti e tre i parametri sono critici, vale a dire che cambiando uno qualsiasi di essi anche di una sola unità (la temperatura di un decimo) si ottiene un risultato completamente diverso.
In generale, questo può indicare una scarsa capacità di apprendimento del NS. Pensateci, la ricerca del minimo globale sulla superficie dovrebbe essere fornita da quasi tutti i punti di partenza. E voi non soddisfate questa condizione (sensibilità alla randomizzazione iniziale dei pesi). Questa è una campana.
Abbiamo bisogno di capirlo fino a quando non lo comprendiamo.
Dove cercarlo?
Bella domanda! Non lo so. Fortunatamente Matcad permette di visualizzare il processo di conteggio in qualsiasi fase. Esperimento.
Attualmente mi sto dilettando con il mio bilayer - sto guardando la dipendenza dell'efficienza di apprendimento da k. È piuttosto esigente in termini di risorse, quindi non sto ancora eseguendo la tua soluzione sul mio account.