Usare le reti neurali nel trading - pagina 25
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
Posso fare un'osservazione davvero folle.
Non credo che si possa sostenere che le reti neurali siano molto, molto più "stupide" del cervello umano.
Bene, usarli nel trading rende l'intero quadro molto più semplice.
IMHO...
Ho un'idea folle.
Non credo che si possa sostenere che le reti neurali siano molto, molto più "stupide" del cervello umano.
Bene, usarli nel trading rende l'intero quadro molto più semplice.
IMHO...
Perché sei così ossessionato da queste reti neurali? Cosa vuoi, forex o neuro? :)
Cosa intende per "semplifica il quadro complessivo"?
Quando il cervello analizza, sono coinvolti molti più neuroni. Associazioni, memoria, motivazione, percezione visiva, tutto molto più complesso di una rete neurale. Questo è quello che ho messo nel concetto di quadro generale.
Se una parte di queste azioni può essere fatta da una rete neurale, il sistema nel suo insieme diventerà più semplice, e quindi, secondo voi, migliore.
Un thread del forum sulle reti neurali.
Non sono fissato con loro, ma penso che ci sia la possibilità di usarli.
Non vedo l'utilità di versare l'impasto, puramente su una base di "penso". Voglio trovare supporto in teanalisi e matematica. In breve, per "fare una paglia".
Vedere la scheda 24 in questo thread 3° post...
Quando il cervello analizza, sono coinvolti molti più neuroni. Associazioni, memoria, motivazione, percezione visiva, tutto molto più complesso di una rete neurale. Questo è quello che ho messo nel concetto di quadro generale.
Se una rete neurale può fare alcune di queste cose, il sistema nel suo insieme sarà più semplice e quindi, secondo voi, migliore.
Non è chiaro come il forex snark o alcune serie temporali finanziarie possano diventare più semplici o migliori quando si usa una rete neurale artificiale con meno neuroni del cervello? Come saranno condivise le azioni tra il cervello e la rete neurale?
Per riassumere tutte le mie affermazioni sulle reti neurali, posso dire a tutti gli amanti dei neurofintifughi:
Ci sono algoritmi più semplici e non meno efficaci di queste reti proverbiali.
Non è chiaro come una rete neurale artificiale con meno neuroni di un cervello possa semplificare o migliorare con un forex artificiale o qualche tipo di serie temporale finanziaria?
Si può fare un'analogia: l'intelligente, acuto, multi-neuralista fissava l'"oggetto" e vedeva molti, molti punti colorati. E i muti e gli ipovedenti si sono avvicinati. Non poteva vedere i punti, erano al di là di lui. Ma lui vedeva la prospettiva "in generale" sotto forma di "ritratto di un giovane", per esempio... Studiando il materiale ho avuto l'impressione che più semplice è, meglio è. Che la "mancanza" è meglio dell'"eccesso". Più spesso si scopre che la scarsità (entro limiti ragionevoli, ovviamente) fa imparare la rete, mentre l'eccesso viene memorizzato. I miei esperimenti personali (puramente di ricerca, lettura, lavoro di laboratorio) hanno dimostrato che se c'è un modello nei dati alimentati alla rete, allora un semplice perceptron a singolo strato impara in poche epoche. Ma se i dati sono stretti, possiamo mettere almeno dieci strati e un paio di strati di Elman (Jordaan) e un gradiente di Levenberg. E ancora non ne verrà fuori niente. Dovrei correggere Debugger - i dati di input sono importanti. Ma sono importanti non da soli ma necessariamente "in relazione" o "relativamente". Ma come caso speciale descritto da Debugger ha anche il diritto di esistere. E i prezzi "grezzi" possono anche essere spinti nella rete. Per esempio, gli approssimatori e i regressori lavorano con loro.
2 TimeMaster. Sono d'accordo con te. Quando ho iniziato a scavare io stesso la materia neuro, come la ricordo ora, non ho avuto problemi con la questione di cosa insegnare. La questione principale era come insegnare. Come risultato della padronanza della materia, la questione principale si è dissolta, la prima si è dissolta. Al momento so come insegnare, ma non ho idea di cosa insegnare (nessuna idea).
Ecco un esempio... Anche se ho qualche dubbio, dimostrando questo esempio. Mi imbarazza essere condannato in modo così ampio... Oh, ma dai! Questo è un "laboratorio". È un perceptron standard (non più standard) a singolo strato.
Il punto qui è semplice - è una tabella di moltiplicazione )). Ho fatto a mano questa tabella dove ho moltiplicato tutte le cifre da 1 a 9 (da 1x9 a 9x1), cioè ho ottenuto 81 esempi. Ho spostato 16 esempi in un file separato. Il primo file è alimentato alla griglia come input (65 esempi), il secondo come crossvalidazione (16 esempi). Cos'è la convalida incrociata? È un test di addestrabilità della griglia su dati sconosciuti immediatamente durante l'addestramento. Il grafico di sinistra è l'allenamento. Il grafico di destra è la convalida incrociata, cioè l'esecuzione della griglia su dati che la griglia non ha mai visto. E cosa vediamo? La convalida incrociata è perfetta. Cioè, la griglia ha trovato risposte perfettamente corrette per opere ad essa sconosciute. In altre parole, la rete ha imparato. Quindi la prima conclusione è che la griglia impara. La seconda conclusione è che la "rete impara", quindi se la "rete NON impara", il problema non è affatto nella "rete". Ahimè...