Neuromongers, non passare :) bisogno di consigli - pagina 7
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
..
La prima immagine, se ho capito bene cosa mostra, corrisponde all'ideologia Overflowing Patterns.
IMHO - un campione di prova per monitorare la formazione della rete è essenziale.
Può essere così, ma da dove possiamo prenderlo senza perdere tempo?
il segmento B è implicitamente coinvolto nell'addestramento, perché B determina la fine dell'addestramento con l'errore minimo)
Nel mio caso, non è applicabile perché non c'è formazione in quanto tale. L'unica cosa da fare è riconfigurare la rete in base ai risultati.
Perché le coppie?) Provate qualche indice, qualche oro... Mi chiedo quale sarà il risultato.
Probabilmente all'interno dello spread, proverò con l'oro. Dove posso trovare una storia adeguata per gli indici? La colla non viene scambiata.
Continuo a dimenticare di chiedere, come sarebbe il test del periodo di apprendimento di TC? Mi chiedo "quanto" impara con questo ANC. Capisco che il LOC produce il massimo risultato possibile in base a ciò che gli viene dato nel sistema di equazioni (sento che c'è qualche severa algebra matriciale coinvolta :)). Come sarebbe questo massimo se fosse trasferito al trading? Come sarà tutto liscio lì?
È possibile fare una tale immagine anche in almeno un mese del suo periodo di studio nativo? Anche i risultati ottenuti dai NS durante il periodo di formazione sono importanti e parlano da soli.
Continuo a dimenticare di chiedere, come sarà il test TC per il periodo di formazione?
https://www.mql5.com/ru/forum/132692/page2#454397
La seconda immagine, questa è per un anno su un campione di prova.
Può essere, ma da dove prenderlo senza perdere tempo?
Nel mio caso, non è applicabile perché non c'è una formazione in sé. Posso solo riconfigurare la rete in base ai risultati.
Probabilmente all'interno dello spread, proverò con l'oro. Dove posso trovare una storia adeguata per gli indici? La colla non viene scambiata.
Ora ho diversi EA a rete neurale sul mio conto demo. Costruisco reti nel pacchetto statistico e collego i file ddl ad esse.
Quindi ritengo che le questioni di selezione - la dimensione del campione di allenamento, la dimensione del campione di controllo e come è formato e quanto è lungo il periodo di trading al di fuori del campione - siano molto importanti. Ottengo risultati diversi, ed è soprattutto possibile migliorare il drawdown. Anche se finora il sistema sta lavorando in profitto (ahimè, grazie al cielo), ma possiamo determinare i parametri ottimali e lavorare con loro. Devo fare dei test in avanti, naturalmente, e passarci del tempo, ma penso che il risultato ne varrà la pena.
TheXpert prova, come è già stato detto qui, a testare con i dati di un'altra fonte.
Che cosa significa? Sulla stessa storia di un altro DC?
E controllare per uno sguardo al futuro. È tutto molto simile all'auto-inganno...
In prima istanza, in modo approfondito. Direi addirittura che mi sento insultato da tali consigli. E cosa significa esattamente essere autolesionisti?
Bene, sento con tutto il mio essere che le questioni di selezione: la dimensione del campione di allenamento, la dimensione del campione di controllo e come è formato e la dimensione del periodo di trading fuori dal campione sono molto importanti. Ottengo risultati diversi, ed è soprattutto possibile migliorare il drawdown. Anche se finora il sistema sta lavorando in profitto (ahimè, grazie al cielo), ma possiamo determinare i parametri ottimali e lavorare con loro. Naturalmente richiede un po' di tempo e di test in avanti, ma penso che il risultato ne varrà la pena.
Cosa significa? Sulla stessa storia di un altro DC?
Prima le cose più importanti. Direi addirittura che mi sento insultato da tali consigli. E cosa significa esattamente essere autolesionisti?
Buon per voi, ma essenzialmente niente. Forse puoi condividere la tua esperienza?Un paio di articoli sull'argomento in discussione: http://www.google.com/url?sa=t&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fmadis1.iss.ac.cn%2Fmadis.files%2Fpub-papers%2F2005%2Flncs-05-whuang-1.pdf&ei=oYOVTarTOYvzsgaEsuGzCA&usg=AFQjCNHZycjABySFlxSQ4sFAVgNK4FXrpQ&sig2=t1p0qXv35VTdnuhetNaTtQ
http://www.google.com/url?sa=t&source=web&cd=3&ved=0CCgQFjAC&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.23.6904%26rep%3Drep1%26type%3Dpdf&rct=j&q=An%20Empirical%20Analysis%20of%20Data%20Requirements%20for%20Financial%20Forecasting%20with%20Neural%20Networks&ei=K4SVTdvoFsbDtAbl9dy7CA&usg=AFQjCNHAlj21APE3Nnc9MJQWI9EUYR7Ug&sig2=Mbp5sVdyCDOhnG3lkQiLw
Per riassumere i risultati della ricerca: non è necessario prendere un campione molto grande per la formazione. Per il Day1 il lasso di tempo 1-3 anni è adatto... Per le barre orarie prendo fino a 1 anno, per le barre da 15 minuti fino a mezzo anno, per le barre da 5 minuti fino a un quarto. Prendo i dati dal server di trading e uso Page Up.
Avete due anni per un periodo di 15 minuti, potrebbe essere eccessivo, anche se ho letto che avete provato periodi più brevi. Penso che non più di mezzo anno sia sufficiente.
Scriverò più tardi sul campionamento dei test (in letteratura russa, e in inglese - validazione), voglio condurre una serie di esperimenti questo fine settimana. Osservazioni generali: se il campione di prova è preso prima di un periodo di trading, una neuronet farà un "fine tuning" per questo periodo mentre impara su uno spazio campione più grande. Il lato positivo è che, poiché il campione di prova non è mescolato con il campione di allenamento, diamo alla rete dei dati che non ha ancora visto approssimativamente e si può dire che questi dati riflettono lo stato reale del mercato. Se mescoliamo il campione di prova con il campione di allenamento, l'errore su di esso sarà di solito più piccolo, perché la rete vede gli esempi che circondano il campione di prova e quindi l'algoritmo trova minimi di errore più profondi - ma non il fatto che i nuovi dati raggiungeranno almeno un risultato simile. Questo l'ho ottenuto personalmente e osservato ripetutamente.
Per riassumere i risultati della ricerca: non c'è bisogno di un campione molto grande per allenarsi.
Allontaniamoci dal campione di allenamento, non vi ho detto lo schema di costruzione completo, non c'è niente di male.
Considerazioni generali: se il campione di prova viene preso prima del periodo di trading, la rete neurale farà un "fine-tuning" per questo periodo, imparando su uno spazio campione più grande. Inoltre, poiché il campione di prova non è mescolato con il campione di allenamento, diamo alla rete dati che non ha ancora visto approssimativamente e quei dati, possiamo dire, riflettono lo stato attuale del mercato.
E in che modo questo è diverso dall'espandere la finestra del campione di allenamento? State parlando nel contesto della vostra ristretta implementazione. La mia implementazione è fondamentalmente diversa, quindi non capisco di cosa sto parlando.
Cosa intende per misto e non misto? Come si ottiene la miscelazione? Quale "messa a punto" se la rete non ha mai visto questi dati prima?
Se il campione di prova è mescolato con il campione di allenamento, l'errore su di esso è di solito più piccolo, perché la rete vede gli esempi che circondano il campione di prova e quindi l'algoritmo trova minimi di errore più profondi - ma non il fatto che i nuovi dati daranno risultati almeno simili. Questo l'ho ottenuto personalmente e osservato ripetutamente.
Cosa significa questo? Sulla stessa storia di un altro DC?
Preferibilmente sulla stessa storia, ma da diversi fornitori di quotazioni.
Non dovresti usare le quotazioni di VC (e anche MetaQuotes) perché i timeframe inferiori, specialmente 1999-2005, sono di qualità molto scarsa.
Queste quotazioni sono state smussate non da una finestra scorrevole, ma dall'intera storia. In altre parole, c'è uno sguardo al futuro che è già incorporato nelle citazioni stesse. Le reti neurali lo trovano senza problemi.