Neuro-previsione di serie finanziarie (basato su un articolo) - pagina 8
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
Penso che dobbiamo lavorare per trovare una funzione di ottimizzazione. Cioè la ricerca delle funzioni di destinazione. Cosa vogliamo che la rete trovi nel sito di ottimizzazione???? Parametri per il massimo equilibrio nella stessa area. No, perché la pratica dimostra che non funziona in futuro. Quindi dobbiamo cercare i momenti chiave che non funzionano ora, ma funzioneranno in futuro. E per questo abbiamo bisogno di raccogliere statistiche, stimare quali momenti quando e come funzionano....
Guarda cosa mi è venuto in mente, forse non è realistico ma è il modo... l'obiettivo per così dire.
facendo quanto segue.
Tutto come negli screenshot di NS.
1. addestriamo la rete su un tratto di 6 mesi. Se il NS è su machs, imparerà questi parametri molto bene, farà trading normalmente.
2. prendere i primi 3 mesi, guardare il risultato del commercio in rete. (in teoria, il risultato dovrebbe essere buono, perché la rete ha visto questi dati)
3. ottimizzare la rete in modo che impari esattamente quei parametri che già conosciamo.
Cercare, adattare e sviluppare una funzione che risulti nell'ottimizzazione di questi parametri.
5. Avendo trovato la funzione, la testiamo su un segmento che non è presentato alla rete........
Ora cercherò di guardarlo parzialmente in NS....
Il segnale di una rete neurale addestrata solo su sezioni di tendenza non sarà casuale, ma sarà il modo in cui la rete è addestrata. Vale a dire, seguirà il movimento e scaricherà lateralmente.
Intendevo cambiamenti bruschi, movimenti imprevedibili, ecc.
Intendevo cambiamenti improvvisi, movimenti imprevedibili, ecc.
La rete può essere insegnata a sedersi sul recinto quando si verificano tali movimenti. Come questo per esempio: https://www.mql5.com/ru/code/10151
Ma il problema è che in NS le funzioni di destinazione sono complicate... Non si può scavare così...
Hmm. Di solito alleno reti neurali in un pacchetto statistico, in cui la funzione obiettivo non è il valore di equilibrio al periodo di allenamento o di test, ma il valore di errore all'uscita della rete. Questa è una versione classica dell'apprendimento automatico, in linea di principio. Si può sperimentare il valore dell'errore: prendere la somma dei quadrati dell'errore; la somma dei quadrati divisa per il numero di esempi; l'errore modulo. E questo non è il limite.
La rete addestrata scambia poi segnali con il robot in formato dll. Il margine di manovra è enorme...
La rete può essere insegnata a sedersi sul recinto quando si verificano tali movimenti. Così: https://www.mql5.com/ru/code/10151
Potete anche usare SCP. Sugli esempi di allenamento, si addestra prima un ACS, e si misura l'errore massimo nel determinare se un esempio appartiene a una cella o a un cluster. Poi una o più reti neurali sono addestrate sugli stessi dati, facendo, per esempio, la previsione dell'aumento del prezzo un passo avanti. E nel lavoro, nuovi esempi precedentemente sconosciuti sono prima controllati contro un ACS sintonizzato e se la rete di predizione supera una soglia di errore predefinita, la rete di predizione NON è attivata, o il robot di trading non reagisce al segnale dalla rete. In breve, usiamo l'ACS per individuare le anomalie e non facciamo trading su di esse. Esempio pratico: è l'autunno 2008. Abbiamo addestrato la rete neurale e abbiamo deciso di fare trading durante il trimestre. C'è un crollo della dinamica su tutte le coppie principali, la parte del leone di esempi ACS semplicemente filtra e non permette di prendere decisioni di trading. Ma questa è tutta teoria per me. E bla bla bla. Non l'ho testato nella pratica.
Cosa ci può essere di interessante (a parte il compito di allenare il cervello)?
Nessuna NS può funzionare senza riqualificazione (nel senso di imparare da nuovi dati). Il mercato sta cambiando e la rete deve impararlo. La domanda è: quando iniziare un nuovo allenamento? ;)
E poi, quello che si può "aggiustare" nella griglia quando si "rompe", cambiare gli strati e il numero di neuroni, un'altra funzione di trasferimento -.... Ma non saprete mai esattamente cosa e come e dove cambiare. Finché non si adatta la maglia al nuovo mercato, non funzionerà. E non è lo stesso se ( Price == Ask ) e vedere che Ask = 1.2345, mentre Price risulta essere 1.23449999999 per qualche motivo.
Ora immaginate un dialogo con un possibile investitore che chiede: "Indovina quale risposta vorrebbe dare?
1) ricominciare ad allenare NS e quando (se) impara - lasciarlo guadagnare di nuovo (se il mercato non cambia di nuovo per allora)
2) Metto un sigillo di debug, trovo l'errore e lo correggo.
Quindi se siete "interessati" - siete i benvenuti, ma se volete guadagnare? ;)
Hai già iniziato il gioco di ruolo? Non sono un aiutante qui )))) Non ne discuterò in questo thread, siete da soli.
Voi, a causa della vostra limitata esperienza con NS, considerate questo strumento apriori come un raccordo di dati, una scatola nera, un rastrello nel vuoto ecc. Il numero di strati, i neuroni, i fasci di funzioni sono tutto un bagaglio inutile nelle mani sbagliate. In primo luogo, è necessario avere un'idea del perché la rete dovrebbe funzionare, e questa idea dovrebbe essere testata con ampi test in avanti in diverse parti della serie temporale. La valutazione dei rischi si fa in anticipo, non all'inizio di una vampata. Te lo dico io. Personalmente non ho perso un solo centesimo usando NS; ho perso solo su demo).
La seconda cosa che volevo dire è che un serio neuro adepto, dopo aver fatto tutti i test necessari, si occupa anche del problema dell'estrazione, o, in russo, della comprensione dell'euristica, che si forma durante l'addestramento all'interno della NS - l'essenza delle regole con cui si generano i segnali di uscita, a seconda di ciò che è nell'input. Tutte le scatole nere vanno a SINISTRA. Bisogna entrare nella logica della rete neurale e capire cosa fa. Anche Joo ne ha scritto, ed è logico. Altrimenti si scopre che nella Russia sovietica il NS ti controlla. Ha.
Come va con le lezioni? :)
Solo così così. Spero che saranno disponibili più tardi per una masterizzazione graduale. Ultimamente sono stato molto occupato con il lavoro.
Cercherò di rimettermi in sesto e di guardarne qualcun altro. Si è fermato alle lezioni sulla discesa del gradiente, cioè in generale quasi all'inizio.
Un altro articolo sull'applicazione di successo della neuro-tecnologia alle previsioni.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.184.7175&rep=rep1&type=pdf
Utilizza tecniche di teoria del caos per generare ritardi del vettore di input. Applica anche una punizione alla rete per le previsioni sbagliate. Il campione di prova è di 100 giorni. I risultati sono fantastici: 80% o più visite. Ma questa volta il pronostico è tendente al rialzo (+2%) o al ribasso. A proposito, per esperienza personale direi che le tendenze nel mercato azionario sono previste bene, ci sono altre insidie, come se si sbaglia, allora la perdita è grande, mangia il vantaggio stat. Che ci crediate o no, ho ottenuto l'80% di precisione anche nei test.