Neurotraders, 지나치지 마세요 :) 조언이 필요합니다 - 페이지 5

 
Figar0 :


.......

흥미로운 문구, "무작위" 입력이 사용된 이유는 두 단어로 설명되지 않습니다.

이 구문은 다음을 의미합니다. 신뢰할 수 있는 대규모 샘플에서 모든 지표는 임의의 "무의미한" 입력을 사용하여 얻은 결과와 유사한 결과를 보여줍니다. 예를 들어, 신경망이 작성자가 설명하려고 하는 것을 "마시지 않는" 경우(그리드에 대한 문제가 아니라 일반적으로 작성자의 문제이지만 동시에 이것이 걸림돌입니다).

예시는 무작위 증분 데이터로 신경망을 훈련하는 실험입니다. 이러한 시리즈의 MO는 0입니다. 이러한 무작위 데이터에 대해 훈련된 네트워크는 더 잘 훈련되고 결과가 0에 가까울수록 좋습니다. 따라서 일련의 MF에서 이상적으로 훈련된 네트워크 는 완벽하게 짝수인 직선 - 0을 제공합니다.

그 반대. 얻은 결과는 사실이 양의 영역에서 0과 다르다는 것을 보여줍니다. 즉, MO를 음의 영역으로 당기는 부하도 있다는 사실에도 불구하고 네트워크에서 발견한 일부 패턴이 악용된다는 것을 의미합니다. .

 
Figar0 :


1) 흠, 이 문제에 대해 작동하는 NS를 개선하는 방법, 어쨌든 몇 년 동안 고심하고 있습니다.) 일부 개선 사항이 있지만 이것은 동전과 부스러기이며 이것은 내 그리드를 안팎으로 알고 있기 때문에 주어집니다. 질적 도약은 교육 시스템을 개선하는 방법을 알아냈을 때 한 번뿐이었습니다. 그래서 나는 당신이이 방향으로 생각하는 것이 좋습니다.

그래서 입력(신경망의 최고 비밀)은 앞뒤로 변경될 것입니다. - 페니; 아키텍처를 비틀다 - 부스러기 ....

2) Z.Y. 예를 들어 3월에 대한 전체 OOS 테스트를 게시할 수 있습니까? 저랑 비교해 보도록 하겠습니다.

3) Z.Y.2 추적 중) I.e. 당신의 의견으로는 NS의 유형에 관한 것이 아닙니다. 그리고 무엇에서? 원칙적으로는 동의하지만 일반적으로 하나 가지고 있어도 공식화 할 수없는 NS의 작동 가능한 비밀이 있습니다 ....

1) 예, 많은 것이 훈련 시스템에 달려 있습니다. 하지만 여기서 개선할 것은 거의 없습니다.

입력을 희생하여 - 흠, 아마도 이것은 MO를 +로 가리는 데 도움이되는 주요 염 중 하나입니다. 입력은 적어도 입력을 설명하는 이론에 의해 조건이 지정됩니다.

2) 흥미롭게 볼 수 있습니다. 그리고 GBPJPY와 같이 쌍으로 해주세요.

3) NS의 종류와 관련이 없는지는 나도 잘 모르겠지만, Andrey는 이 경우 NS가 특별한 역할을 하지 않는다고 주장한다. 내 버전은 이론에 의해 정당화되는 입력, 입력 및 출력 연결 이론에 의해 정당화 및 설명되는 요인의 조합입니다. 정당화(x)가 종료됩니다. 이 문제에 대한 Andrew의 의견을 듣고 싶습니다.

 
Figar0 :

오랜 기간과 많은 재교육으로 테스트를 준비하는 속도로 판단하면 이 모든 것이 DLL 자체 내에서 자동화됩니다.

고문에서.

얼마나 많은 훈련 가능한 매개변수/가중치가 네트워크 자체 내에 있으며, 학습 종료 기준(에포크 수, 테스트 세트에서 허용 가능한 오류 달성)은 무엇입니까?

35개의 뉴런 60개의 가중치. 고전적인 의미의 훈련은 없습니다. 최소 제곱법을 사용하여 즉시 최적의 결과를 얻습니다.

흥미로운 문구, "무작위" 입력이 사용된 이유는 두 단어로 설명되지 않습니다.

"확산의 속도로 배수"라는 문구와 동일합니다.
figar0 :

그래서 나는 당신이이 방향으로 생각하는 것이 좋습니다.

아아, 없는 상태에서 개선할 것이 없습니다. 네트워크가 적절한지 확인하는 것은 가치 있는 아이디어지만 아직까지는 그런 것도 없습니다. 가능성은 희박하지만 존재합니다.

Z.Y. 예를 들어 3월에 대한 전체 OOS 테스트를 게시할 수 있습니까? 저랑 비교해 보도록 하겠습니다.

내일이면 벌써.

추격 중) I. 당신의 의견으로는 NS의 유형에 관한 것이 아닙니다. 그리고 무엇에서? 원칙적으로는 동의하지만 일반적으로 하나 가지고 있어도 공식화 할 수없는 NS의 작동 가능한 비밀이 있습니다 ....

연대 :) .
 
Figar0 :

Z.Y. 예를 들어 지난 3월에 대한 전체 OOS 테스트를 게시할 수 있습니까? 저랑 비교해 보도록 하겠습니다.

개인용으로 넣었습니다.
 
TheXpert :
개인용으로 넣었습니다.


네, 감사합니다. 개인적으로 여기에서 토론이 가능한지 모르겠습니다 ...

테스트 볼로, 꽤 많은 세부 사항 없이: 15M TF에서 모든 트랜잭션이 1H TF에서와 같이 열리기 때문에 알고리즘에 약간의 오류가 발생했습니까? 이것은 아마도 더 큰 TF의 데이터 계산에 참여하는 것일 수 있지만 ...

그리고 답을 찾을 가치가 있는 개선 사항으로 가장 먼저 떠오르는 것은 다음과 같습니다.

- 실제로 반전 시스템으로 판명되었습니다(몇몇 거래 제외). 약한 신호 필터로 신경망의 응답에 대한 전문가의 임계값으로 "재생"할 수 있습니다. 훈련 기간에 분명히 좋은 것은(NN의 "파워"가 있는 반전 시스템이 실제로 최대값을 줄 것입니다), 새 데이터에서 신호를 해석하는 데 약간 다른 접근 방식이 필요합니다.

- 모순: 수익성 있는 거래의 비율(정상)과 최종 결과(개선하고 싶습니다). 몇 년 전에 나는 k-최근접 이웃을 기반으로 Expert Advisor를 만들었습니다. 수익성 있는 거래의 비율은 꾸준히 70-75%로 규모에서 벗어났고 최종 결과는 이랬습니다. 나머지 25%의 거래는 너무 뚱뚱하여 성공적인 거래의 75%의 이익을 모두 먹어치웠습니다. 여기서도 이런저런 생각이 들긴 하는데 솔직히 이 문제는 제가 풀지 못했습니다. 다리가 어디에서 자라는지는 분명하지만.

일반적으로 작동 방식을 완전히 소화할 때까지 "에코"를 제외하고 시스템에 대한 모든 것을 이해했습니다.

joo : 이론 기반 입력


어떤 종류의 이론이 우리가 풀고 있는 응용 문제의 맥락에서 입력을 입증할 수 있었습니까? 이것은 노벨상을 기반으로 함) 다시 말하지만, NN 입력에 대한 이론적 정당성을 가져오려고 노력했으며 특히 https://www.mql5.com/en/forum/114902 스레드에서 이 목표를 설정했습니다. 내가 성공했다고 다시 말하지만 나는 할 수 없다. 더 정확하게는 가능했지만 그러한 검색으로 밝혀져 실용화가 어려웠습니다.

 
Figar0 :

테스트 공으로, 꽤 많은 세부 사항 없이: 15M TF에서 모든 트랜잭션이 1H TF에서와 같이 열리기 때문에 알고리즘에 약간의 오류가 발생했습니까? 이것은 아마도 더 큰 TF의 데이터 계산에 참여하는 것일 수 있지만 ...

이것은 작업의 세부 사항입니다.

훈련 기간에 분명히 좋은 것은(NN의 "파워"가 있는 반전 시스템이 실제로 최대값을 줄 것입니다), 새 데이터에서 신호를 해석하는 데 약간 다른 접근 방식이 필요합니다.

글쎄, 당신은 어떤 시스템을 붙일 수 있습니다. 네, 이제 거의 역전 상태입니다. 닫힘과 열림 사이에 약간의 간격이 있습니다. 놀아볼 수 있지만 이것은 많은 것을 줄 것 같지 않습니다. 나는 그 이유를 설명하려고 노력할 것이다.

교육 기간 동안 적절한 거래 전략은 완벽하게 작동합니다. 앞으로는 누구나 망할 것입니다. 저것들. 거친 것은 미세하게 조정된 가장 단단한 것과 마찬가지로 망칠 것입니다. 거래는 단순히 익숙하지 않은 데이터를 기반으로 합니다. 예, 모든 것을 완전히 투명하게 만들기 위해 거래 전략이 맨 위에 있고 꼬리에만 의존합니다. 뉴런은 어떤 식으로든 거래 전략에 의존하지 않습니다.

일반적으로 작동 방식을 완전히 소화할 때까지 "에코"를 제외하고 시스템에 대한 모든 것을 이해했습니다.

글쎄, 이것이 사실이라면 당신은 개인적으로 환영합니다. 거기에서 더 자세히 이야기 할 수 있습니다.

다른 뉴런의 소리를 들을 수 없다는 것이 유감입니다.

유로 치프


 
Figar0 :


어떤 종류의 이론이 우리가 풀고 있는 응용 문제의 맥락에서 입력을 입증할 수 있었습니까? 이것은 노벨상을 기반으로 함) 다시 말하지만, NN 입력에 대한 이론적 정당성을 가져오려고 노력했으며 특히 https://www.mql5.com/en/forum/114902 스레드에서 이 목표를 설정했습니다. 내가 성공했다고 다시 말하지만 나는 할 수 없다. 더 정확하게는 가능했지만 그러한 검색으로 밝혀져 실용화가 어려웠습니다.

흐름 패턴 이론과 TS의 두 번째 유형. 아니요, 노벨상은 당연히 당기지 않습니다. 여기에는 근본적인 발견도 없고 수학적 계산도 없습니다. 오히려 신경망이나 다른 분석 도구로 분석할 입력 데이터를 선택하고 구성할 수 있는 일련의 고려 사항입니다.

이것이 작동하는 이유에 대한 명확한 그림을 구축하려면 여전히 엄청난 양의 이론적이고 실험적인 작업이 필요합니다.

 
TheXpert :
....

유로 치프

Andrey, 전문가 고문에게 일종의 MM을 첨부할 수 있습니다. 예를 들어 바보 같은 Martin이 있습니다. 매우 궁금합니다. 나는 알고 있습니다. 지금 당신은 말할 것입니다 - 일찍. 예, 초기이지만 매우 궁금합니다.
 

나는 당신에게 똑같은 것을 말할 수 있습니다.

EF는 약 4.5입니다. 이 시간(2001년 10월 ~ 오늘) 동안 eurochief에 대한 최대 드로우다운이 25%인 경우 100*(1.2^4.5 - 1) = ~130%를 벌 수 있습니다.

진지한 대화를 시작하려면 최소 20의 PV가 필요합니다.

 

그리고 신경망의 재훈련 가능성 문제는 어떻게 해결합니까? 테스트 샘플을 어떻게 구성합니까?

개인적으로 이것은 중요한 질문입니다. 지금은 훈련 샘플의 크기에 대한 기사를 읽고 있으며 항상 조기 훈련을 중단하는 데 사용하는 테스트 샘플을 형성하는 방법으로 일련의 실험을 수행하고 싶습니다.

질문하는 이유: OoS 결과와 테스트 샘플의 결과를 살펴보았습니다. 분명히 시스템은 테스트 세그먼트에서 패턴을 잘 학습하고 근사하지만 검증 세그먼트에서는 때때로 실패합니다. 테스트 샘플을 다르게 구성하는 것이 합리적일 수도 있습니다.