NSの入力値を正しく形成する方法。 - ページ 21

 
StatBars писал (а)>>
ここに七面鳥がいます。

あまりにも夢がありすぎて現実のようです ))))それに、私たちはおとぎ話の中で生きているわけではありませんから......。

 
StatBars писал (а)>>
そして、こちらが七面鳥です。

この七面鳥に他のものを加える意味はあるのでしょうか?一人でもかわいい。:)

 
TheXpert писал (а)>>

この七面鳥に他のものを加える意味はあるのでしょうか?一人でもかわいい。:)

再描画します。ネットワークが選択する信号を出すと捉えています。

そして、これらのシグナルを受け取り、このインジケーターのことは忘れてしまうのです。そして、NSから与えられる入力をどう表現するかを決める必要がある。入力する範囲を選択します(シグナルと隣り合わせのバーやポイントの数ですが、トレーニング用のものとしても取り上げます)。

Klotのインジケータ(GAがある)でも同じことができる。

 
StatBars писал (а)>>

>>何のための式なんだ?

最適化の手順で言えば、目標関数の式。しかし、この機能(Optimal Buy/Hold/Sell )は最適化を行わない、つまりNSとは関係ない、というのがLeoVさんの 情報からの結論です。本当に未来を見据えた、ごく普通の機能です。また、クローズで行うか、スムージングインジケーターで行うかは全く関係ありません。2ZZと比較すると、やはり入力が多くなりすぎると思いがちです。あるいは、その前のバーをどう解釈するかによって、少なすぎるか......。.リアルタイムでは、これらの入力はそれぞれの新しいバーのオープニングでのエントリーに対応します。)

 

ニューラルネットワークの素人ながら、ここで切り込みます。ターゲット関数(TF)には、ニューラルネットワークが処理する値の確率分布が 必ず反映されなければならないようです。誤差の二乗和はTFの最もよく知られた標準的な形式であるが、この関数はガウス型の値に対して可能な限り良いものであるに過ぎない。

確率分布と最尤関数に従って最大に最小化される誤差の間には関係がある。ガウス分布の場合は大きさの差の二乗、指数分布の場合は差のモジュラスなどです。

 
StatBars писал (а)>>

NSの中でも容赦なくオーバーフローする指標を取り上げ、NSに正しいシグナルを出すように指導するのです。当然、結果を得るためには

私たちの入力が完璧に、あるいはそれに近いものになるように...。これらの価値観は、NSの教師として受け止めるべきものです。この利点は、ネットワーク自身が最適と判断したベクトルBUY/SELLを送り込むことである。しかし、ベクターホールドのセットは、手動でトリミングする必要があります。サンプルに90%のHoldベクトルと5%のBuy/Sellベクトルが含まれていないことを確認するため...。

なぜ指標を取るのか?メタストックには、システムの収益性を比較するために設計された、MPS(Maximum Profit System)という興味深いツールがあります。MPSはポジティブな結果が得られる確率の高い取引をすべて計算することになっている。これをベースにMLPの学習配列を構築するのは非常に便利である。

ファイル:
mps.mq4  6 kb
 
StatBars писал (а)>>

描き直しています。ネットワークが自ら選択した信号を与えることだと捉えています。

そして、これらのシグナルを受け取り、このインジケーターのことは忘れてしまうのです。そして、NSから与えられる入力をどう表現するかを決める必要がある。入力する範囲を選択します(シグナルと隣り合わせのバーやポイントの数ですが、トレーニング用のものとしても取り上げます)。

Klotのインジケーター(GAがある)でも同じことができる。

残念ながら、出力用の入力(出力用でもなく、売買シグナル用)を選択するのは非現実的な作業であることを理解する必要があります。ファンタスティック。

この信号が将来どうなるかわからないのですか?将来、トレーニングの時と同じように正しく動作し、将来、正しいエントリーを開くための正しい情報を与える入力を(トレーニングの時と同じように)正しく選択することができるでしょうか?一方、これらの入力は将来的に正しく開かれ、それに対する出力が選択できるようになるのでしょうか?答えよりも疑問が多い......。

追伸:自分を混乱させない-誰も混乱させない ))))

 
LeoV писал (а)>>

残念ながら、出力(出力ですらなく、売買シグナル)を入力に一致させることは非現実的な作業であることを認識する必要があります。ファンタスティック。

この信号が将来どうなるかわからないのですか?将来、トレーニングの時と同じように正しく動作し、将来、正しいエントリーを開くための正しい情報を与える入力を(トレーニングの時と同じように)正しく選択することができるでしょうか?一方、これらの入力は将来的に正しく開かれ、それに対する出力が選択できるようになるのでしょうか。答えよりも疑問が多い......。

P.S.自分を混乱させない - 誰もしない ))))

私たちのビジネスには常に多くの疑問があり、その答えは相対的なものか、ごくわずかなものです。だから、当たり前といえば当たり前なんですけどね。

入力の選択は、異なるサンプルの統計分析によって行われます。より正確には、以下のように分解して、そのようなサンプルを見つける必要があります。

もちろん、3つのクラスすべてを使用してもかまいませんが、Buy/Sellクラスのいずれかを最小にする必要があります。

従って、Buy.By.By.By.By.By.By.Byの3組のベクトルが得られるはずです。買いと売り(与えられたシグナルに従って、3つのクラスすべてが互いに交差しないベクトルのセットを誰かが見つければ、NSは不要になります)。これらのセットは、学習のために入力に供給される。ここでも、ベクトル値は相対的なものでなければならない(MACDでも良いが、その最大値も変化する可能性がある)。そして、入力データの前処理など。

もちろん、私たちのNSが信号を与える場合、それは買いの後に売りがあることを意味するものではありませんが、安全で助けることができる多くのシステムがあります...

2リップ Thanks!私の理解が正しければ、まだ見てはいませんが、これが必要なのです。

 
StatBars писал (а)>>

入力の選択は、異なるサンプルの統計分析によって行われます。より正確には、次のように分解して、そのようなサンプルを見つけるべきである。

Sell/Hold、Buy/Holdのいずれかを含むもの、もちろん3つとも含むが、Buy/Sellクラスのいずれかは、それらの最小値を含むべきである。

従って、Buy.By.By.By.By.By.By.Byの3組のベクトルが得られるはずです。買いと売り(与えられたシグナルに従って、3つのクラスすべてが互いに交差しないベクトルのセットを誰かが見つければ、NSは不要になります)。これらのセットは、学習のために入力に供給される。ここでも、ベクトル値は相対的なものでなければならない(MACDでも良いが、その最大値も変化する可能性がある)。そして、入力データの前処理など。

もちろん、NSがシグナルを出せば、Buyの後にSellが出るというわけではありませんが、ヘッジに役立つシステムはたくさんあります。

欠陥のある理論かもしれないという考えは許さないのですか?

 
LeoV писал (а)>>

これが欠陥のある理論かもしれないという考えを許さないのですか?

理論ではなく、あくまで良い(儲かる)結果につながる方法の一つだと思います。

もちろん、そうです。間違っていることを証明できますか?証明してください!時間の節約にもなりますし、とても感謝しています。