Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 347
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
ou seja, precisamos =RNN(a0,a1,a2,a3);
Não entendo se RNN é RNN, ou ReshetovNNNN (RNNN), que não é RNNN.
Agora é sobre um, agora é sobre o outro. Eu já não entendo em que contexto.
Não entendo se é RNN que é RNN ou ReshetovNNNN (RNNN), que não é RNNN.
É sobre um ou o outro. Eu já não entendo em que contexto.
A julgar pelo código, não há memória no sentido literal. As entradas apenas recebem dados do indicador para barras mais antigas, por exemplo barras 0,1,2,3 ou 0,2,4,8 ou 0,10,20,30 - como você escolher. Então a memória não está no próprio NS, mas de uma fonte externa.
E isto já não é um RNN. O RNN é apenas com feedback - com recursividade. Alguém precisa de ser renomeado)).
E, estritamente falando, não é uma rede, é um único neurónio.
E isto já não é mais o RNN. O RNN é apenas com feedback - com recursividade. Alguém precisa de ser renomeado)).
E, estritamente falando, não é uma rede, mas um único neurónio.
Adicione outro do mesmo tipo, e depois alimente as saídas destes 2 ao 3 - aí tem) Apenas os pesos não podem ser otimizados, se o 1º neurônio tem 100 entradas, o 2º tem 100 entradas, e o 3º tem 2.
Aqui, em vez de calcular a partir de todas as 202 entradas, devemos calcular a partir dos comandos de treino... Não calcule a otimização do equilíbrio no otimizador, mas use, por exemplo, 1000 pontos de treinamento e calcule os coeficientes com base neles.
Adicione outro, e depois alimente as saídas destes 2 ao 3 - isto é a grelha) Só os pesos não serão realistas se o 1º neurónio tiver 100 entradas, o 2º tem 100 entradas, e o 3º tem 2.
Porque há um erro no RNN3 -
Os dados são solicitados para 5 pontos e você calcula a probabilidade para 4 pontos e você não começa com a barra atual a0, mas com o deslocamento no período, ou seja, com a1. A probabilidade é calculada não para o momento atual, mas para um 1 ponto - daí os resultados serem ruins para a0))
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
ou seja, =RNN(a0,a1,a2,a3);
Bem, para calcular para 5 pontos, você também deve aumentar a matriz de log para 25 regras, ou seja,52. E assim por diante, se forem necessários mais pontos/inputs. Se houver 10 inputs, isso significa 100 variáveis de entrada ))))). Será que o MT5 é capaz de optimizá-lo?
Não, isso também é o original dele, eu não troquei.
Para 10 entradas já seria problemático contar até mesmo através da nuvem) Mas vou tentar fazer 3 desses sistemas especializados, alimentados para o input 4 ) Se os preços de abertura não forem testados por um período muito longo de tempo, então tudo bem
A Reshetov tem uma solução interessante. Algo semelhante vai provavelmente ser feito. Só que do contexto você muitas vezes não entende do que RNN estamos falando.
Não é o RNN, é um sistema especializado, como ele lhe chama... porque se chama RNN não sei, talvez pelo sobrenome :)
Não, este também é o seu original, eu não troquei
Para 10 entradas já seria um problema contar até mesmo através da nuvem) Mas vou tentar fazer 3 desses sistemas especializados, submetidos para a entrada do 4º) Se os preços de abertura não forem testados por um período muito longo, então tudo bem
E se o dividirmos em quadros com uma ligeira sobreposição? Temos 2-3 EAs parcialmente sobrepostos, e depois fundimo-los.
como opção, sim
Parece-me irrealista calcular algo lucrativo com apenas 3 a 5 inputs usando uma tal matriz. Concordo que cobre todas as variações possíveis.
Mas se, por exemplo, fizermos uma rede com 5 entradas, serão 32 coeficientes para os cálculos. O algoritmo genético geralmente converge em 10000 passagens, ou seja, as entradas irão em média convergir como -1,0-1.
Com 3 entradas talvez um padrão possa ser calculado, mas 3 entradas não é suficiente na minha opinião.
Enquanto as redes neurais podem ser construídas em R ou mesmo a partir de ALGLIB e rapidamente calculadas. A sua estrutura interna não será tão completa, mas as dependências mais fortes serão encontradas durante o treinamento.