Нужен вразумительный ответ, от людей имеющих достаточный опыт работы с нейро-сетями и генетическими алгоритмами, на следующий вопрос:
"Возможно ли это сделать с использованием нейро-сетевых технологий?"
Задача заключается в следующем-допустим,есть кластерный индикатор который генерирует несколько десятков различных сигналов Buy/Sell. для каждого инструмента входящего в кластер,т.е. имеем группу сигналов,причем каждый сигнал может принимать несколько десятков значений скажем от 10 - 120 типов. Все сигналы уникальны и формализованы. В итоге получается несколько сотен уникальных сигналов Buy/Sell. Теперь сама суть задачи:
-Возможно ли с помощью нейро-сетей моделировать качество этих сигналов на исторических данных инструментов входящих в кластер, для определения степени риска?
-Если возможно,то в какую сторону "рыть", т.е. какие инструменты наиболее подходят для решения поставленной задачи?
Kos>>: Не совсем так, уникальность сигналов обеспечивается за счет анализа свечных формаций(групп свечей состоящих из 2х и более свечей), на основе анализа модели присваивается уникальный код например 4506. Почему столько много сигналов? просто некоторые модели имеют несколько десятков видов. Стоит задача выявить наиболее важные модели среди всего многообразия.
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
Это понятно. Чем меньше ошибка тем больше профит? Или какая взаимосвязь?(я об этом)
お望みの関係の大まかな形をお聞かせください。数式なのか、それとも2ページ目か3ページ目にあげた例で十分なのか...。
ただ、具体的にどのような関係を指すのかが不明なので、どのような関係を希望しているのか記述してください...。
皆さん、こんにちは。
ニューラルネットワークや遺伝的アルゴリズムに 十分な経験をお持ちの方から、次のような質問に対して、賢明な回答が欲しいのです。
"ニューラルネットワークの技術を使えば可能なのか？"
クラスタに含まれる各シンボルに対して、数十種類のシグナルBuy/Sellを生成するクラスタインジケータがあると仮定します。すべてのシグナルはユニークで形式的なものです。その結果、数百のユニークなシグナルがBuy/Sellとなりました。さて、ここからが問題の本質である。
-シグナルの質を、クラスターに含まれる商品のヒストリカルデータを基にニューラルネットワークでモデル化し、リスクの度合いを判断することは可能か？
-可能であれば、どの方向に「掘る」のか、つまり、どの道具が最適なのか？
Приветствую всех!
Нужен вразумительный ответ, от людей имеющих достаточный опыт работы с нейро-сетями и генетическими алгоритмами, на следующий вопрос:
"Возможно ли это сделать с использованием нейро-сетевых технологий?"
Задача заключается в следующем-допустим,есть кластерный индикатор который генерирует несколько десятков различных сигналов Buy/Sell. для каждого инструмента входящего в кластер,т.е. имеем группу сигналов,причем каждый сигнал может принимать несколько десятков значений скажем от 10 - 120 типов. Все сигналы уникальны и формализованы. В итоге получается несколько сотен уникальных сигналов Buy/Sell. Теперь сама суть задачи:
-Возможно ли с помощью нейро-сетей моделировать качество этих сигналов на исторических данных инструментов входящих в кластер, для определения степени риска?
-Если возможно,то в какую сторону "рыть", т.е. какие инструменты наиболее подходят для решения поставленной задачи?
その独自性については議論するとして......。:)
タスクが不明確、つまり「-」を読んでも何が必要なのか理解できないので、もう少し詳しく説明してもらえないか...。
信号がクローズドサーキットで来ているか？大雑把に言うと、11111000111110000011111000000（0-売り、1-買い）という形のシグナルになります。 もしそうなら、これらのシグナルがどれだけユニークかを確認することができます...
Не совсем так, уникальность сигналов обеспечивается за счет анализа свечных формаций(групп свечей состоящих из 2х и более свечей), на основе анализа модели присваивается уникальный код например 4506. Почему столько много сигналов? просто некоторые модели имеют несколько десятков видов. Стоит задача выявить наиболее важные модели среди всего многообразия.
どのような基準で重要なのか？あなた自身は、重要性をどのように判断していますか？
Важные по какому то критерию? Как Вы сами судите о важности?
重要性」とは、シグナルの出現頻度、予測値（プロフィットファクター、ドローダウン）、つまり、モデルの種類ごとに統計情報を監視する必要があることを意味しています。原理的にはネットワークがなくても簡単に整理できるのですが、この場合、ニューラルネットワークの技術が使えることが最も期待できるのではないでしょうか。もし私が間違っていたら、訂正してください。）
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
そう思ったとしても、それが事実であるとは限りません。
ネットワークを学習させるためには、やはりネットワークに例を与える前に重要度の基準を得る必要がある。ネットワークにはテレパシー能力がないので、何が重要で何が重要でないかはわからないでしょう。具体的な事例が必要です。
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
信号の周波数は、ネットやGAを使わずに簡単に計算できる...
予測値もそうですが、GAを使うという選択肢もあると思います。
一般的には、課題を設定していないので、これまでは答えで判断していましたが...。だから、誰も助けてくれないのです。
シグナルの独自性は、ローソク足のパターン（2本以上のローソク足で構成されるグループ）を分析することで提供されます。 パターンの分析に基づいて、4506などの独自のコードを割り当てています。なぜ信号が多いかというと、モデルによっては数十種類もあるからです。課題は、すべての種類の中から最も重要なパターンを特定することである。
Expert Advisorは、パラメータ "Signal Type" - とオプティマイザーに、このパラメータを介して移動し、それを見つけるでしょう。非常に多くのタスクが、ニューラルネットワークを使わずに簡単に解決できるのです。