Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 335

 
Азбука ИИ: «Рекуррентные нейросети»
Азбука ИИ: «Рекуррентные нейросети»
  • 2016.11.04
  • Тарас Молотилин
  • nplus1.ru
N+1 совместно с МФТИ продолжает знакомить читателя с наиболее яркими аспектами современных исследований в области искусственного интеллекта. В прошлый раз мы писали об общих принципах машинного обучения и конкретно о методе обратного распространения ошибки для обучения нейросетей. Сегодня наш собеседник — Валентин Малых, младший научный...
 

As coisas melhoraram depois de aplicar a rede de arrasto?

Talvez a condição de fechamento do negócio deva ser ajustada, porque o arrasto é uma saída muito fácil, sem tentar resolver as coisas?

Para um autómato, o fecho do negócio está relacionado com alguma condição.

No real, as paragens vão estragar os nervos...

 
Renat Akhtyamov:

As coisas melhoraram depois de aplicar a rede de arrasto?

Talvez a condição de fechamento do negócio deva ser ajustada, porque o arrasto é uma saída muito fácil, sem tentar resolver as coisas?

Para um autómato, fechar um negócio está associado a uma condição.

No real, as paragens vão estragar os nervos...

Porquê? O arrasto é uma coisa óptima. Uso sempre arrasto adaptativo, mesmo que trabalhe com as mãos, por isso não me incomodo com todos os negócios imediatamente após a abertura.
 
Renat Akhtyamov:

As coisas melhoraram depois de aplicar a rede de arrasto?

Talvez a condição de fechamento do negócio deva ser ajustada, porque o arrasto é uma saída muito fácil, sem tentar resolver as coisas?

Para um autómato, fechar um negócio está associado a uma condição.

No real, as paragens vão estragar os nervos...


Não sei, talvez os parâmetros estejam errados ... Mais tarde, vou colocar a versão actualizada na monitorização com um risco normal

Gostaria de adicionar mais entradas, vou adicionar 3 agora e 5 em breve.

 

Começou a treinar uma rede neural. A tarefa planeada ainda não está a decorrer. Diz que os dados não estão no formato. Eu ainda não entendo o que quer(.

Mas aqui está um exemplo de rede [3,4,1].

//Ожидаемый отклик НС
t  = 0.3    1.    0.    0.    0.5 
//Реальный отклик обученной НС
ans  = 0.3223616    0.9315578    0.1047166    0.0809235    0.4536240  

Parece estar tudo bem.

 
Yuriy Asaulenko:

Começou a treinar uma rede neural. A tarefa planeada ainda não está a decorrer. Diz que os dados não estão no formato. Eu ainda não entendo o que quer(.

Mas aqui está um exemplo de rede [3,4,1].

Parece que está bem.


O fluxo tensor do Google também parece bom, mas não é muito útil com instalação e python
 
Maxim Dmitrievsky:

O fluxo tensor do Google também parece bom, mas não é muito conveniente com instalação e python

Esta é a neurónica do SciLab. Agora a tarefa principal de repente (inesperadamente)) começou a aprender. Eu fiz asneira em algum lugar aparentemente).

Em geral, eles dizem que há muita neurônica na Internet e em C++. Mas ainda não os revistei.

 
Yuriy Asaulenko:

Esta é a neurónica do SciLab. Agora a tarefa principal de repente (inesperadamente)) começou a aprender. Eu fiz asneira em algum lugar aparentemente).

Em geral, eles dizem que há muita neurônica na Internet e em C++. Mas eu não os procurei.


Tenho-os em todo o lado, agora há um verdadeiro boom neural).
 

Uma experiência para treinar uma rede neural (NS) para atravessar dois MAs falhou. Foi treinado para reconhecer apenas o crossover ascendente.

Para a experiência, o NS - 3,3,3,1 foi selecionado e testado para treinamento e reconhecimento de padrões criados artificialmente. No entanto, depois de aprender a reconhecer os MA, não foi reconhecido um único crossover. A razão - o NS precisa de mais imagens de contraste, e não se importa com todas as diferenças de 0,01-0,1 entre os inputs.

Para uma dada estrutura do NS é bastante possível obter um reconhecimento confiável quando a diferença de sinal não for inferior a 0,2-0,3.

 

Estou a começar a explorar as redes neurais.

Estou olhando para opções que podem ser implementadas diretamente no MT5.

Estou interessado na variante que utiliza ALGLIB (https://www.mql5.com/ru/articles/2279), mas da descrição da rede resulta que se trata de uma rede sequencial sem feedbacks. E a desvantagem é que ele só pode ser treinado por um fio de processador (que processa o Expert Advisor com uma rede neural).

Eu acho que não seria muito difícil adicionar 2 camadas sequenciais ocultas à rede neural a partir do artigo https://www.mql5.com/ru/articles/497 e depois treiná-la pela força bruta total ou geneticamente no testador. Mas neste caso você pode usar muito mais tópicos computacionais (núcleos do seu processador, na rede e na nuvem). Estou a perceber bem?

Como adicionar instruções manuais para respostas corretas (compra e venda de locais) no treinamento de uma rede desse tipo?

Talvez já exista uma biblioteca para uma rede sequencial de várias camadas em algum lugar?

Além disso, eu não entendo muito bem a utilidade de usar camadas internas, para fins de negociação forex/mercado de ações. Faz sentido adicioná-los? Porquê?

Нейросеть: Самооптимизирующийся советник
Нейросеть: Самооптимизирующийся советник
  • 2016.10.03
  • Jose Miguel Soriano
  • www.mql5.com
Возможно ли создать советник, который согласно командам кода автоматически оптимизировал бы критерии открытия и закрытия позиций с определенной периодичностью? Что произойдет, если реализовать в советнике нейросеть (многослойный персептрон), которая, будучи модулем, анализировала бы историю и оценивала стратегию? Можно дать коду команду на ежемесячную (еженедельную, ежедневную или ежечасную) оптимизацию нейросети с последующим продолжением работы. Таким образом возможно создать самооптимизирующийся советник.