Reti neurali - pagina 12
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
Implementare una semplice algo di ottimizzazione feed forward, stimolare i trade vincenti con qualche forma di MM asimmetrica. Accedi ai tuoi risultati di trading reali con misurazioni statistiche standardizzate, in modo da poter sapere se l'intero modello o parte di esso è rotto quando inizia a sottoperformare. Tornate all'ottimizzazione/al tavolo da disegno.
Tutto questo solo se la vostra rete ha catturato, qualche comportamento ciclico sottostante sfruttabile. Un indizio che siete sulla strada del successo è se il vostro modello è di natura frattale.
Guardando i tuoi post precedenti, probabilmente soffri di una sindrome da over-training/fitting.
Io cercherei un gran numero di operazioni di qualità inferiore, in modo da poterle smembrare con procedure più semplici...
Hai fatto alcuni errori di base:
- usare le tipiche reti neurali feed forward per prevedere serie temporali come i tassi di cambio delle valute è un'idea molto povera
- stai cercando di predire i valori al time frame H1 - non può essere fatto per il Forex con buoni risultati. Usa D1 o H4 (per le valute che hanno bassa volatilità)
- usi troppi dati come input - la rete neurale si "abitua" ai dati di allenamento e si comporta molto male nel trading dal vivo
- ti stai eccitando troppo guardando i dati di allenamento
- è impossibile addestrare una rete neurale che funzioni efficacemente per un lungo periodo. Una tipica rete neurale addestrata per prevedere le serie temporali dà circa 20-100 buone previsioni e poi deve essere riqualificata per adattarsi ai cambiamenti recenti
Se vuoi creare reti neurali utili per le previsioni di serie temporali, leggi le reti neurali evolutive (reti neurali feed forward codificate come alberi neurali flessibili; la loro architettura è ottimizzata usando PIPE o GEP; i parametri delle funzioni di attivazione flessibili sono ottimizzati usando PSO, EPSO o annealing simulato ecc.)Sì, ho pensato che fosse un po' troppo bello per essere vero
Ci è voluta meno di un'ora per costruire quella rete. Queste reti neurali evolutive avrebbero qualcosa a che fare con le UTHONN? Ho un articolo che suggerisce che questo tipo di ANN funziona molto meglio dei tradizionali modelli FF back prop. Sto lavorando con MATLAB, sarebbe possibile fare quello che hai detto con questo? Inoltre cosa suggeriresti per il software o MATLAB va bene?
@Kazam
Lascia dei soldi sul tavolo, amico
Implementare una semplice algo di ottimizzazione feed forward, stimolare i trade vincenti con qualche forma di MM asimmetrica. Accedi ai tuoi risultati di trading reali con misurazioni statistiche standardizzate, in modo da poter sapere se l'intero modello o parte di esso è rotto quando inizia a sottoperformare. Tornate all'ottimizzazione/algo.
Tutto questo solo se la vostra rete ha catturato, qualche comportamento ciclico sottostante sfruttabile. Un indizio che siete sulla strada del successo è se il vostro modello è di natura frattale.
Guardando i tuoi post precedenti, probabilmente soffri di una sindrome da over-training/fitting.
Io opterei per un gran numero di operazioni di qualità inferiore, in modo da poterle eliminare con procedure più semplici...Ho letto di over-fitting e presumo che questo sia ciò che è successo qui. Farei meglio a dividere quel campione di dieci anni in 10 campioni di un anno e allenarmi su un anno e testare sul successivo? Mi sembra che il GBPJPY attraversi un ciclo di 5-10 anni. Avevo scelto un campione di 10 anni perché speravo di addestrare la rete per essere in grado di identificare quel ciclo. La speranza era che una rete addestrata su quel ciclo sarebbe stata in grado di identificare in quale parte del ciclo si trovava e rispondere in modo appropriato.
Le mie strategie precedenti hanno coinvolto l'attesa di grandi movimenti e poi incassare, ma spero di utilizzare una rete neurale come parte di una strategia di scalping. Cercherei di scambiare quasi ogni tick in base al fatto che la chiusura prevista sia sopra o sotto la corrente.
Le reti neurali evolutive sono reti neurali feed forward costruite e ottimizzate utilizzando algoritmi di calcolo genetico e metodi di ottimizzazione. E' qualcosa di diverso dalle UHHONN (btw le UHHONN sembrano molto promettenti e sono le prossime nella mia lista di test
).
Penso che questi due articoli dovrebbero essere un buon inizio
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfPotresti usare Matlab per creare ENN ma dovresti trovare o scrivere m-scripts per GEP, PIPE ecc.
Le reti neurali evolutive sono reti neurali feed forward costruite e ottimizzate utilizzando algoritmi di calcolo genetico e metodi di ottimizzazione. È qualcosa di diverso dalle UHHONN (btw le UHHONN sembrano molto promettenti e sono le prossime nella mia lista di test
Penso che questi due documenti dovrebbero essere un buon inizio
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfBene, darò un'occhiata a quei documenti e andrò da lì. Ho letto dell'ottimizzazione genetica e sembra l'approccio più logico. Ho avuto una prova di Alyuda NeuroIntelligence che aveva un'ottimizzazione genetica dei neuroni e dei pesi, ma il suo qualcosa come 600 dollari e se posso farlo in Matlab che sarebbe preferibile.
Hai notato che un sacco di documenti sulla previsione delle reti neurali sembrano uscire dall'Università di Jinan? Ho un documento su una moltitudine di HONNS diversi, se vuoi te lo mando per email, basta che mi mandi un PM con il tuo indirizzo. Ho provato a zipparlo e ad allegarlo ma mi mancava un token a quanto pare
Le reti neurali evolutive sono reti neurali feed forward costruite e ottimizzate usando algoritmi di calcolo genetico e metodi di ottimizzazione. E' qualcosa di diverso dalle UHHONN (btw le UHHONN sembrano molto promettenti e sono le prossime nella mia lista di test
Penso che questi due documenti dovrebbero essere un buon inizio
http://www.softcomputing.net/insci.pdf
http://www.softcomputing.net/chen-neucom2.pdfCiao,
Come si implementano le idee in quei documenti? Voglio dire, c'è qualche codice Matlab o C++?
biddick
Scrivo le mie versioni di tutti gli algoritmi che uso perché sto usando un server che è basato sulla tecnologia CUDA di Nvidia (fa calcoli con una velocità di 1000 volte superiore al più recente processore Intel Quad
).
Ma principalmente uso il linguaggio C.
Se volete una buona fonte di informazioni sulle HONN, prendete il libro "Artificial Higher Order Neural Networks for Economics and Business". È una nuova pubblicazione quindi ha ottime informazioni. Il prezzo è da urlo (180$) ma potete trovarlo in pdf
.
Alcuni altri libri che raccomando:
- "A field guide to genetic programming" - lo potete scaricare gratuitamente da
- "Introduction to genetic algorithms" - published by Springer in 2008.
- "Biologically Inspired Algorithms for Financial Modeling" - from Springer, published in 2006. Very good publication.
- "Network Models and Optimization Multiobjective Genetic Algorithm Approach" - from Springer, published at 2008. Also a very good publication.
- "Gen Expression Programming" - by Candida Ferreira.
All of them can be found in pdf. I usually don't encourage to download copyrighted materials but most of the recent books about ENN cost way over 200$.
Those are just few books that I think are really worth reading. I have over a hundred other so if you'll be interested in something more I'll recommend you another books.
About PIPE you can read here:
[CODE]http://edocs.tu-berlin.de/diss/2003/salustowicz_rafal.pdfEntro la fine dell'anno finirò la mia tesi di dottorato su "Evolutionary Neural Networks for financial time series forecasting" e probabilmente la tradurrò in inglese quindi potrei caricarne alcune parti.
Kazam,
Hai un buon risultato nel tuo trading con questa roba?