Previsione dei tassi di cambio utilizzando una rete neurale - pagina 3
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
Allora, la tua tesina dovrebbe consistere in una frase: "La previsione del tasso con una rete neurale non è possibile". ))) Questo è tutto il lavoro del corso ))))
Perché è impossibile? Abbastanza possibile :). Prendiamo il nostro Expert Advisor preferito, con il quale ci guadagniamo da vivere (tutti hanno un tale "cavallo di battaglia"). Troviamo una regressione lineare da qualche parte o qualcosa del genere. Sostituire la regressione lineare con la neuronica... Voilà :)
Allora, la tua tesina dovrebbe consistere in una frase: "La previsione del tasso con una rete neurale non è possibile". ))) Questo è tutto il lavoro del corso ))))
Significa che siete delusi dalle reti neurali e dalle previsioni di mercato in generale? Sapendo quanti anni hai studiato questo settore, è abbastanza strano sentirti dire questo.
Non studio questa direzione dal punto di vista della previsione, ma dal punto di vista della ricerca di modelli che possono essere utilizzati con una probabilità preferibilmente superiore al 70% per ottenere un profitto in un certo momento, cioè non su ogni nuova barra che arriva.
Dovete essere d'accordo che si tratta di cose fondamentalmente diverse.
Non è necessario prevedere, cioè continuare la linea dello strumento nel futuro su ogni nuova barra per trarre profitto.
Non studio questa direzione dal punto di vista della previsione, ma dal punto di vista della ricerca di modelli che possono essere utilizzati con una probabilità preferibilmente superiore al 70% per ottenere un profitto in un certo momento, cioè non su ogni nuova barra che arriva.
Dovete essere d'accordo che si tratta di cose fondamentalmente diverse.
Non è necessario prevedere, cioè continuare la linea dello strumento nel futuro su ogni nuova barra per trarre profitto.
Ma comunque, al momento di entrare nel mercato, ci aspettiamo che in futuro il prezzo cambi nella direzione della nostra entrata, e questa è la previsione.
Questo significa che siete delusi dalle reti neurali e dalle previsioni di mercato in generale? Sapendo quanti anni hai studiato in questo campo, è abbastanza strano sentirti dire questo.
Questo significa che le reti neurali multistrato non sono adatte all'estrapolazione (previsione). Vanno bene solo all'interno dell'interpolazione.
In poche parole, il metodo è questo:
Chi non ci crede, che provi un compito semplice, cioè insegnare a un multistrato a due vie una tabella di moltiplicazione in numeri interi da 0 a 9. Poi prova alimentando i valori per l'interpolazione, cioè qualsiasi numero reale da 0 a 9, agli ingressi. Poi per l'estrapolazione, cioè per garantire che almeno un ingresso abbia valori minori di 0 o maggiori di 9. L'interpolazione è gestita dalla griglia, l'estrapolazione è incasinata.
La ragione è elementare: le uscite dei neuroni sigmoidi tagliano tutti i valori che vanno oltre l'intervallo leggermente superiore a quello del campione di allenamento. Cioè i sigmoidi hanno un limite di valori all'uscita, che non può essere superato indipendentemente dal valore in entrata. Vedi il grafico qui sotto: l'ingresso sigmoide può essere qualsiasi valore, l'uscita sigmoide non può essere più di 1 e non meno di 0, cioè al di fuori dell'intervallo di uscita limitato sarà una botta.
Si scopre che da un lato, grazie ai sigmoidi la velocità di formazione delle reti multistrato aumenta, perché senza di essi gli algoritmi di retropropagazione degli errori perdono la loro convergenza. Ma d'altra parte, tali maglie diventano interpolatori e non possono lavorare adeguatamente al di fuori degli intervalli del campione di allenamento.
Tuttavia, al momento di entrare nel mercato, ci aspettiamo che il prezzo cambi nella direzione della nostra entrata in futuro, e questa è la previsione.
La regressione non è adatta anche all'interpolazione? Perché costruire una griglia?
La regressione non è adatta anche all'interpolazione? Perché costruire una griglia?
Prova la regressione multipla e la rete neurale multistrato e confronta l'RMS per l'interpolazione. Imparerete anche che tutti gli strumenti hanno dei limiti funzionali in cui sono più efficaci.
La regressione non è adatta anche all'interpolazione? Perché costruire una griglia?
Una rete neurale multistrato è uno dei metodi non parametrici di regressione non lineare. In alcuni casi, le reti neurali possono essere abbandonate a favore di metodi parametrici lineari/lineari/non lineari.