rete neurale e ingressi - pagina 14
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
Come scegliere e servire cosa?
sceglierne uno più grande e servire la chiave all'appartamento... su un piatto... su un piatto...
;)
scegliere una più grande e servire la chiave all'appartamento... su un piatto... su un piatto...
;)
Grazie... Lo sapevo.... :-)
Rispetto!!!
Non scherziamo: dal cuore.
Grazie... Lo sapevo.... :-)
Rispetto!!!
Non scherzo - dal cuore.
Grazie.
In effetti, le griglie non sono molto esigenti in materia di alimentazione, la dieta dovrebbe più o meno corrispondere al compito da svolgere. Cioè, siccome stiamo cercando dei modelli sconosciuti, abbiamo bisogno di una serie in cui ce ne siano molti, inoltre, molti correlati con il risultato (nel nostro caso - previsione).
Da qui il secondo momento: cosa prevedere esattamente. Cioè cosa dare in pasto all'uscita e cosa insegnare alla rete. Non si tratta di questo nel sottogenere, ma dovrebbe esserlo, perché altrimenti la rete potrebbe imparare con successo e stabilire record di previsione sull'OutOfSample e, inoltre, rimanere impotente perché nell'infanzia ha subito un trattamento abusivo.
È solo qualcosa a cui pensare, non ti aiuterò con i dettagli, perché io stesso sono troppo giovane...
;)
Che ne dite di questo.
Alimentiamo il vettore di descrizione della barra corrente al neurone di ingresso. Per esempio, incrementi di prezzo di apertura, incrementi di prezzo di apertura per altri simboli, volumi, ora corrente, tassi di interesse per i simboli, calendario delle notizie, cicli lunari e solari, e così via. Si scopre che per quanti neuroni ci siano nello strato di ingresso, questa è la storia che dovremmo considerare.
Poi viene la rete stessa. La griglia è una matrice bidimensionale di neuroni (non necessariamente per la comodità di descrivere l'idea). Per ridurre il numero di calcoli nei neuroni limitiamo il numero di sinapsi, diciamo, per esempio, 5-10, ma ogni sinapsi può connettersi a qualsiasi assone nel suo raggio limitato da un certo cerchio, (si può mettere un processore più potente e farlo a qualsiasi assone, qualsiasi neurone). Come risultato, dovremmo ottenere una rete di chissà quale configurazione, con un gran numero di feedback, che considererà il bazar in aggregato. Poi di nuovo, secondo la nostra immaginazione, accendiamo la funzione hangover, inchiodando periodicamente un paio di neuroni. Funzione di nascita, creare periodicamente una coppia di tre neuroni. Come risultato, vediamo che la griglia regola se stessa, la sua architettura interna e il numero di neuroni, anche se non abbiamo idea di come rendere sufficiente il numero minimo di neuroni.
Segnale di uscita. La prima cosa che arriva nello spazio ventrale, costruire ts con ingressi e uscite perfette, per esempio canale su polinomio di n grado. Rimbalza dai confini del canale e allena la rete con questi segnali.
O una funzione obiettivo di perfetta equità, una linea retta fino all'angolo in alto a destra del monitor, e poi lasciare che la rete cerchi da sola gli ingressi e le uscite corrette.
Qualsiasi TS, con o senza reti neurali, utilizza dei modelli che si cercano sui dati passati. Quindi, in sostanza, non c'è alcuna garanzia di guadagnare su questi modelli trovati in futuro. O hai qualche metodo per determinare che puoi fare soldi su modelli trovati su dati passati in futuro?
Non sono l'unico. Se si scrive in dettaglio, sarebbe un sacco di testo, se siete interessati potete leggerlo su Spider, nel thread di Neo sui modelli, per esempio, o nei thread di Felix White. Avals appare su questo forum, leggete i suoi post.
Ci sono alcune regolarità (o meglio leggi) universali che esistono non solo nel mercato, ma ovunque. Per esempio, l'inerzia è sufficiente per non rimanere senza pane e burro. Ha funzionato in passato, funzionerà in futuro. E se smetterà di funzionare, l'ultima cosa che ci interesserà sarà il fallimento di MTS e la perdita del deposito:). (Pensate a cosa accadrebbe se le leggi della fisica cambiassero anche solo leggermente.
E indovinare se funzionerà / non funzionerà - non è il nostro metodo, va agli zingari.
Non sono l'unico. Se si scrive in dettaglio, sarebbe un sacco di testo, se siete interessati potete leggerlo su Spider, nel thread di Neo sui modelli, per esempio, o nei thread di Felix White. Avals appare su questo forum, leggete i suoi post.
Ci sono alcune regolarità (o meglio leggi) universali che esistono non solo nel mercato, ma ovunque. Per esempio, l'inerzia è sufficiente per non rimanere senza pane e burro. Ha funzionato in passato, funzionerà in futuro. E se smetterà di funzionare, l'ultima cosa che ci interesserà sarà il fallimento di MTS e la perdita del deposito:). (Pensate a cosa accadrebbe se le leggi della fisica cambiassero anche solo leggermente.
E indovinare funzionerà / non funzionerà - non è il nostro metodo, sono gli zingari.
Aha-ha-ha!
Anche la gravità - il prezzo, tipo, sale e poi scende
Sì, sì, sì!
E la gravità - il prezzo, tipo, sale e poi scende.
È difficile indovinare se un calciatore colpirà la palla o no, ma quando la palla è già in aria, non c'è bisogno di indovinare, è chiaro che cadrà a terra. (Può, tuttavia, rimanere bloccato su un albero - c'è uno stop-loss sul mercato per questi casi).
La cosa principale è di non andare avanti con le previsioni-guida prima di colpire, è un caso senza speranza. Potresti fare un tentativo, ma poi cambiare idea.
In generale, imho, il sistema dovrebbe essere costruito in modo tale da scambiare alcuni degli stessi modelli.
Questo si applica pienamente alla ST sia con che senza i nervi. Tale sistema, nella sua essenza, farà trading su OOS con attività che decadono con il tempo,
cioè, gradualmente, il numero di transazioni che arrivano all'unità di tempo nel tempo tenderà a 0 (l'efficienza rimane a un livello costante, diminuisce solo la redditività, solo bisogno di essere riqualificato nel tempo per rinfrescare la base dei modelli effettivi), perché i modelli "appresi" si verificano sempre meno spesso....
Quindi non ci dovrebbe essere alcun accenno di interpolazione/approssimazione dei dati gestiti da TC.
PS MetaDriver ha testimoniato il concetto di tale mio TS circa 2 anni fa.... ma a poco a poco mi sono impantanato nei miei infiniti esperimenti, che ho perso la strada giusta senza accorgermene... naturalmente c'è la possibilità di scavare nelle vecchie fonti d'archivio, ma sarà così difficile da fare che sarà più facile scrivere tutto da capo...(
Grazie.
In effetti, le griglie non sono molto esigenti in materia di alimentazione, la dieta dovrebbe più o meno corrispondere al compito da svolgere. Cioè, siccome stiamo cercando dei modelli sconosciuti, abbiamo bisogno di serie in cui ce ne sono molti, inoltre, molti correlati con il risultato (nel nostro caso - previsione).
Da qui il secondo momento: cosa prevedere esattamente. Cioè cosa dare in pasto all'uscita e cosa insegnare alla rete. Non si tratta di questo nel sottogenere, ma dovrebbe esserlo, perché altrimenti la rete potrebbe imparare con successo e stabilire record di previsione sull'OutOfSample e, inoltre, rimanere impotente perché nell'infanzia ha subito un trattamento abusivo.
È solo qualcosa a cui pensare, non ti aiuterò con i dettagli, perché io stesso sono troppo giovane...
;)
:-)
Grazie.
Ho capito. Signore. Su di esso.