The following graph shows the historical trend of long-short positions on fxTrade platform alongside the market price for the selected currency pair and time period. Note the Net Position graph is calculated by subtracting the percentage of short positions from long positions. For example, a net position of +20% for EUR/USD means percentages of...
このテーマであなたと会話を交わせるようになるには、まだまだ修行が必要です...。また、ニューロニックでなくても、フォレストでも、ターゲットを付けやすくなります
...
私が試したオプティマイザーは重みに対応できず、平均誤差を最小化するために、すべての結果が0.5に等しくなる局所最小値を見つけるだけで、この時点で行き詰ってしまいました。ここは何かコツが必要ですね、これ以上は無理です。
ニューロニクスの構造が複雑になればなるほど、重みが多くなり、最適化アルゴリズムがそれを見つけるのが難しくなります。
答えはそう単純ではありません。ここでは1つの方法として、神経細胞を使っていますが、神経細胞がどのように動くのか、どのような数式を持っているのかなどを理解する必要があります。
単純な神経細胞があるとすると...。
код
上のコードは、オプティマイザに突っ込めばいいのですが...。
なんて話をしてるんだ))))
バックプロップが好きじゃなかったのは、秘密でもなんでもないんですか？正確には、1層1ターゲットの場合、すべてが大幅に簡略化され、収束までの入力を乗じた誤差を重みから繰り返し減算する必要があり、デルタルールと呼ばれるか、ヘブルールと呼ばれるか、よく覚えていません。Wt = Wt-1 - lernrate*error*Input, 一般的には通常の勾配降下法
少し前に、MTオプティマイザが話題になったブランチで、R上での超アルゴリズムを実演していたのは、あなただったのではありませんか？効かないのか？
私、そうなんです、違うんです。
バックプロップの何がいけないのか、それは秘密でもなんでもありません。
勾配降下法は知っていますが、具体的な学習例ごとに目標が必要です。学習例に対する結果を考え、微分の方向に重みを引っ張って、結果を実際のものに近づけていくのです。そして、すべてのトレーニングの例で、そうやって交代していくのです。
そしてこのコードは、目標を設定せず、ただ利益側で取引をするようにニューロンを教えたい場合はどうすればいいのか、という問いに対する答えでした。利益が出る限り、どこで売買するのが良いのか、自分で判断させる。
そこで、バー単位でohlcを与え、次のバーで何をすべきかの予測を得、その予測に基づいて取引をシミュレートし、取引比率を求めるのです。この比率のシャッフルは、入力データ全体に対してニューロンに与えられる唯一の推定値である。
オプティマイザは、比率のシャープさが大きくなるようにニューロンの重みを最適化する。
シャープ比に対する重みの勾配がわかれば、勾配降下を行うことができ、やみくもに重みを変えるよりもはるかに良い結果が得られるでしょう。
私、そうなんです、違うんです。
Rの何十万というパッケージの中で、満足のいく結果が得られる仕事はないのでしょうか？
Rの何十万というパッケージの中で、この問題を満足に解決できるものはないのでしょうか？
この問題を解決することが保証されているパッケージもありますが、結果を得るまで何ヶ月も待つ時間はなく、理想は週末に1回で終わらせることです。
この技術は家庭用コンピューター向けではありません。
この問題を解決することが保証されているパッケージもありますが、結果を何ヶ月も待っている時間はなく、週末に1回で終わらせることが理想です。
この技術は家庭用コンピューター向けではありません。
- えっ、車のエンジンがうまくかからない？
- いや、起動はいいんだけど、時間がかかるんだよね。
もし、その技術が許容できる時間内に問題を解決できなければ、その技術は存在しないということになる。
何個のパラメーターを、どの範囲で、どのような刻みで最適化すればよいのか？
オンダからダウンロードした過去の買い手と売り手のバランスデータはこちらhttps://www.oanda.com/forex-trading/analysis/historical-positions
バランスと価格の相関をプロットし、計算した。
layout(1:2)
plot(oanda$price ,t="l" , main = "EUR")
plot(oanda$pct_long ,t="l" , main = "balanse",col=2)
abline(h = 50)
cor(oanda$pct_long , oanda$price)
相関係数-0.76
興味深いのは、価格が絶対値のバランスに対してではなく、バランス変化の力学に対して相対的に反対方向に動いていることだ...。
この仕組みは他の流動性の高い市場でも全く同じで、このバランスは他の方法、例えば市場ガラスで見ることができます。多くの人が知っていると思いますし、私自身もおそらく6年前から知っていたことは認めますが、知らない人のために書いてみました、きっと役に立つし面白いですよ。
バランスが相場を動かすのであれば、価格ではなくバランスを予想した方がいいのかもしれません。とにかく、トレーディング戦略における価格予測とは、トレーダーの未来の行動を予測することに他ならず、どんなに平凡でつまらないことでも、どうすれば群衆を予測できるかを考え始めると、面白くなってくる......。群衆を理解するには、まず自分自身を理解することだと思います。私たちは群衆なのですから．群衆をどう予測するか？ あなたの考えを聞かせてください。
なぜか、ある機種のメリット・デメリットの話に終始してしまう。
私の経験上、トレードの成功への貢献度はあまり高くないにもかかわらず、です。
それを定義するのは、ターゲットとその予測因子である。
ZZの例で言えば、ZZのようなわかりやすく、例示的で美しい対象変数でも、よく調べると同じではなく、乗り越えられない障害があることを何度も示そうとしたのです。
予測因子ということであれば、経済学にずっと携わってきた私にとっては至極当然なことである。
経済や為替を予測するために、この2つのファンダメンタルズを解くことだけに集中すれば、成功はこの2つのパラメーターからしか生まれない。そして、ターゲットとその予測変数に最適なモデルを選択することは、パフォーマンスをわずかに向上させるだけで、再トレーニングを行わないモデルの寿命について、いくつかの有効な考察を与えるかもしれません。
もう一度、ターゲット変数に焦点を当て、この特定のターゲット変数に対する予測変数の正当性を確認することを呼びかけます。
同意見です。
そして、このコードは、目標が定義されておらず、ただプラスサイドで取引するようにニューロンを教えたい場合、どうすればいいのかという疑問に対する答えでした。どこで買って、どこで売るか、利益が出る限りは自分で決めればいいのです。
そこで、バー単位でohlcを与え、次のバーで何をすべきかの予測を得、その予測に基づいて取引をシミュレートし、取引比率を求めるのです。この比率のシャッフルは、入力データ全体に対してニューロンに与えられる唯一の推定値である。
オプティマイザは、比率のシャープさが大きくなるようにニューロンの重みを最適化する。
シャープ比に対する重みの勾配がわかれば、勾配エスケープメントを作ることができ、やみくもに重みを変えるよりもずっとよいでしょう。
正直なところ、私はそれを試していない、何らかの理由でそれはすぐに錬金術のように見えた、非常に良いアイデアではない、インスタンスの数が少ないと1層perseptronのために、多分何かがひどく遅くなる、多層1は動作しません、IMHOそれはほとんど使用されています。TSの収益性は、Nによる 総リターンの予測に直接依存している バーは、先に悪い予測を修正することは不可能です、全体の戦略を最適化するには、はるかに多くのリスクを自分自身をごまかすことです。