Trovare un set di indicatori per alimentare gli ingressi della rete neurale. Discussione. Uno strumento di valutazione dei risultati. - pagina 2

Nuovo commento
 

Sulle dita.

Uno parla, l'altro risponde.

L'altezza di un uomo (cm):

1-improbabile

10- non può essere

30- improbabile

100-forse

176-vero

200-piccole possibilità

230 non può essere.

300-improbabile.

Questo è un esempio di trasformazione non lineare.

 
E se lo facciamo secondo il principio della scimmia fortunata. Per esempio, prendiamo il CCI e lo controlliamo su tutta la storia disponibile, poi selezioniamo le aree redditizie e non perderà tutto il tempo. Poi prendiamo Momentum, Bollinger, muwings e scegliamo le aree redditizie. Il trading è fatto virtualmente e un sistema che si mostra buono come la selezione iniziale è ammesso per il trading reale. Se la storia si ripete dovrebbe funzionare. Inoltre, il vantaggio di questo approccio è una stima approssimativa della durata di una buona situazione. Quali sono i tuoi criteri per selezionare le aree redditizie come il numero di scambi, la media delle transazioni, il massimo drawdown, la durata di un'area redditizia, ho una piccola idea, te la dirò più tardi.
 
ivandurak >> :
E se lo facessimo secondo il principio della scimmia fortunata. Per esempio prendiamo il CCI e lo controlliamo su tutta la storia disponibile, sceglieremo settori redditizi che non perderanno tutto il tempo. Poi prendiamo Momentum, Bollinger, muwings e scegliamo le aree redditizie. Il trading è fatto virtualmente e un sistema che si mostra buono come la selezione iniziale è ammesso per il trading reale. Se la storia si ripete dovrebbe funzionare. Inoltre, il vantaggio di questo approccio è una stima approssimativa della durata di una buona situazione. Quali sono i tuoi criteri per selezionare le aree redditizie come il numero di scambi, la media delle transazioni, il massimo drawdown, la durata di un'area redditizia, ho una piccola idea, te la dirò più tardi.


Dovresti andare nell'altro thread qui.
 
Run >> :

Ciao

Sono sempre stato interessato a conoscere i NS, ma appena comincio a leggere un po' di letteratura sull'argomento la mia testa comincia a bollire e alla fine non riesco nemmeno a capire cosa sia NS

potresti fare un esempio semplice (sulle dita, per così dire) per spiegare cos'è

>> grazie

Prendete.

File:
backpropagation.zip  422 kb
 
gumgum писал(а) >>

Prendete.

i takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC

cpacibo

 
Run >> :

I takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC

cpacibo

Di cosa hai bisogno?

 

Sì capire come il NS capisce che 176 cm è vero

 
Run >> :

>> sì capire come il NS capisce che 176cm è vero

>>. Ma sin90% = 1 è vero?

 
Run >> :

per capire come il NS capisce che 5'7" è vero.

Ecco che arriva il processo!

Il mio esempio precedente è una funzione di trasformazione a campana non lineare

In generale, la funzione più usata, almeno da me, è (2/(1-2^(-x))-1.

Sperimentate in excel o matcad con l'esempio di cui sopra. molto diventerà chiaro.

 
IlyaA писал(а) >>

vai in un altro thread qui.

Anch'io sono molto interessato a trovare un set minimo di indicatori e di valutazione dei risultati, ma per i miei scopi.

Solo che invece del prezzo di chiusura dovremmo usare il risultato del commercio. Chi è bravo in geometria, corregga il codice

doppio Dispersia (int i, int N)
{
// in questo sottoprogramma calcoliamo la dispersione della deviazione del prezzo di chiusura da
// linea di regressione lineare
// imho la dispersione dal valore medio non è del tutto adeguata come la distribuzione
// descritto da es. y=b*x+c allora la dispersione (dalla media) dipende dall'angolo di pendenza, //la profondità di
// il campione e lo spread. Nel mio caso la varianza dipende solo dallo spread.
Nel mio caso la dispersione dipende solo dallo spread. // È ovviamente preferibile usare una potenza o un esponente, specialmente quando si calcolano sistemi // basati su tassi di accelerazione.
// tassi di accelerazione guidati, allora mi dispiace, sono troppo stupido.
doppio Pi=3.141592653589793 ; // dimenticate l'operatore di equivalenza .
int j;
doppio a,b,Summ_x,Summ_y,Summ_x_2,Summ_xy,Deviazione,StdDeviation,Sredn_y,AC;
per (int x=1;x<N;x++)
{ j=N-x+i;
Summ_x=Summ_x+x;
Summ_y=Summ_y+Close[j];
Summ_xy=Summ_xy+x*Close[j];
Summ_x_2=Summ_x_2+MathPow(x,2);
}
b=((N-1)*Summ_xy-Summ_x*Summ_y)/((N-1)*Summ_x_2-MathPow(Summ_x,2));
a=(Summ_y-b*Summ_x)/(N-1);
Sredn_y=Summ_y/(N-1);
per ( x=N ;x>=1 ;x--)
{
j=N-x+i ;
se ( b >0 )
{
AC= MathAbs(Close[j]-(b*x+a))*MathSin(Pi/2-MathArctan(b)) ;
}
se ( b<0 )
{
AC=MathAbs(Close[j]-(b*x+a))*MathSin(MathArctan(b)-Pi/2) ;
}
Deviazione=Deviazione+ MathPow(AC,2) ;
}
StdDeviation=MathSqrt(Deviation/N);
return(StdDeviation*StdDev)
}

Se stimiamo il risultato secondo questa formula, allora la ST è descritta da due parametri: l'angolo di pendenza della linea di regressione, più è alta, meglio è e la pseudodispersione, più è vicina allo zero, meglio è.

12345678910
Nuovo commento