Usando inteligência artificial na MTS - página 22
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
IMHO, não vale a pena vaporizar com redes :)
Aprender NS está realmente otimizando uma função com um grande número de parâmetros (centenas e milhares).
Eu não sei o que fazer para evitar o excesso de treinamento neste caso,
A única solução é colher uma amostra de treinamento de 1-100 milhões de amostras.
Mas não há garantias...
Ocorre quando se tem muitos parâmetros de otimização e não se tem dados suficientes.
Mas isto levanta a questão do tamanho da rede. O que uma rede pode armazenar depende de seu tamanho e de sua arquitetura. Se você der amostras demais para serem treinadas que a rede não consegue lembrar, isso causará o efeito de aprendizado excessivo - a rede deixará de reconhecer o que sabe.
http://www.osp.ru/os/1997/04/179189/
http://www.exponenta.ru/soft/Others/mvs/stud3/3.asp
Pergunta para os matemáticos:
A idéia de aplicar uma distribuição normal multivariada dos parâmetros a serem otimizados é igual ao princípio das redes neurais?
Por favor, explique isso claramente.
Explique a pergunta.
EXPLAINAR:
Agora penso que é necessário comercializar não com parâmetros ajustados específicos, mas com o espectro de cada parâmetro no sistema.
A coisa mais fácil a fazer é colocar vários EAs idênticos, mas com diferentes conjuntos de parâmetros - em diferentes faixas do espectro de parâmetros.
Cada um desses Conselheiros Especialistas deve receber uma certa % do depósito, mas todos eles devem ser iguais ao valor percentual do depósito, quando comercializados usando apenas um Conselheiro Especialista (sem espectro).
Então, se na média móvel três Conselheiros Especialistas abrem três posições, respectivamente no início do movimento no meio e no final.
Ainda não posso decidir como usar esta idéia em uma EA para testes.
Perguntei ao Posh sobre este problema, mas ainda não obtive resposta.
A tarefa de distribuição normal multivariada (gaussiana) e redes neurais do tipo aX+bY+...=Z são as mesmas (para negociação), ou estou confuso e confuso na minha cabeça?
Nunca ouvi falar de alguém que obtivesse resultados positivos.
Em outras palavras, é chamada de "diversificação por parâmetros".
Em MT é simples - coloque tudo o que você tem na função inicial em outra função com parâmetros,
e chamá-lo em loop na função iniciar, dando-lhe o conjunto de parâmetros que você precisa.
Não deveria funcionar, pelo menos por causa do princípio da sobreposição de cargos.
(sistemas independentes somam-se aditivamente - ou seja, se cada um falhar separadamente, então a soma também falhará).
Não tem nada a ver com redes neurais.
A aparência da distribuição gaussiana ou de seus derivados (por exemplo, distribuição lognormal)
é geralmente indicativo de "eficiência de mercado" (distribuição normal é uma conseqüência do teorema do limite central).
E não há nada para nenhum sistema pegar.
Somente a "ineficiência do mercado" pode ser comercializada.
Agora eu acho que é necessário comercializar não com parâmetros ajustados específicos, mas com o espectro de cada parâmetro no sistema.
A maneira mais fácil é definir vários Expert Advisors idênticos, mas com diferentes conjuntos de parâmetros - em diferentes faixas de espectro de parâmetros.
Cada um desses Conselheiros Especialistas deve receber uma certa % do depósito, mas todos eles devem ser iguais ao valor percentual do depósito, quando comercializados usando apenas um Conselheiro Especialista (sem espectro).
Então, se na média móvel três Conselheiros Especialistas abrem três posições, respectivamente no início do movimento no meio e no final.
Mas ainda não sei como colocar esta idéia em um único Expert Advisor para testes.
Com a "diversificação de parâmetros", os resultados do teste serão definitivamente piores do que com parâmetros super otimizados.
Mas a capacidade de sobrevivência do sistema sobre novos dados deve aumentar.
Vou tentar com diferentes MagikNumber em um único Expert Advisor com resultados de avaliação personalizados de cada posição no "espectro" para um arquivo.
Então, deixe-me fazer-lhe uma pergunta.
O que você tem?
Com a "diversificação de parâmetros", os resultados do teste serão definitivamente piores do que com parâmetros super otimizados.
Mas a capacidade de sobrevivência do sistema sobre novos dados deve aumentar.
Vou tentar com diferentes MagikNumber em um único Expert Advisor com resultados de avaliação personalizados de cada posição no "espectro" para um arquivo.
Então, deixe-me fazer-lhe uma pergunta.
O que você tem?
O modelo do Expert Advisor é MUITO FÁCIL para inserir um número ilimitado de estratégias que funcionam independentemente uma da outra.
Por isso, tenho um Expert Advisor universal para todas as ocasiões (como provavelmente todos aqui já fazem).
Mas não estamos falando de estratégias diferentes trabalhando ao mesmo tempo, estamos falando de uma estratégia trabalhando simultaneamente com parâmetros diversificados.
Tenho um Expert Advisor universal para todas as ocasiões (como provavelmente todos aqui já têm um).
Mas não estamos falando de operação simultânea de estratégias diferentes, mas de operação simultânea de uma estratégia com paramétros diversificados.
Não notei a universalidade de seu consultor especializado, a julgar por...
Mas eu ainda não descobri como colocar esta idéia em um único Expert Advisor para testes.
E o trabalho de uma estratégia, com, como você escreve, parâmetros diversificados, é ainda mais fácil de implementar do que o trabalho de várias estratégias.
Se você tem alguma idéia, ponha-a lá fora!
E todo mundo pode dar uma idéia com sua língua.
E eu já coloquei a idéia em meu especialista.
Tudo deu certo.
Estou pensando na melhor maneira de visualizar e compreender.
Como filtrar os pedidos em um gráfico após o teste com um certo MagikNum?
Quem sabe?