Etiqueta de mercado ou boas maneiras em um campo minado - página 18
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
Neutron, eu também queria perguntar sobre o treinamento da Hebb (lido por Wasserman). Parece que a fórmula de correção dos pesos é muito simples:
Wij(t+1) = Wij(t) + [OUTi(t) - OUTi(t-1)]*[OUTj(t) - OUTj(t-1)] e sem queda de gradiente. Será que vai funcionar?
Leia para quais redes e em quais casos é utilizado.
Eu tenho um tamanho fixo. Além disso, se suas quantias de ganho/perda forem distribuídas de acordo com uma lei normal, então suspeita-se que isso corresponda a uma quantia fixa.
Agora meus tamanhos de suborno perdedores e vencedores também são iguais. Para isso tive que cavar todo o TC, afiando-o para um tamanho fixo dos truques, mas você pode usar todo o poder do MM ótimo, que neste caso tem uma representação analítica precisa e, além disso, a longo prazo, ao reinvestir fundos, nenhum outro TS diferente deste não dará mais rentabilidade! Para ser justo, deve-se observar que em geral esta afirmação não é verdadeira e que existe uma estratégia de retorno maior, mas apenas para um mercado com tendências e um alto grau de previsibilidade(p>0,2), o que para o Mercado nunca é cumprido. Esta estratégia seria "travar as perdas para deixar crescer os lucros".
Fig. à esquerda está a imagem familiar mostrando o logaritmo do lucro TS ótimo para diferentes valores da alavancagem comercial L. Ela combina os resultados da simulação numérica pelo método Monte Carlo de operação de TS a cotações idênticas às do mercado (EURUSD), levando em conta a comissão - Sp. A média é realizada para 200 sessões de negociação independentes, cada sessão tem 1000 negociações. O capital inicial é tomado como 1 (ln(1)=0), os bigodes mostram a típica dispersão dos resultados comerciais no nível 1/e. Blue mostra o resultado da solução analítica da Equação Comercial Básica:
A propósito, o trabalho de Edward Thorpe "Kelly's Criterion in Blackjack, Sports and Stock Market" fornece uma solução analítica para a variação do saldo da conta no final da negociação e permite estimar a faixa na qual nossa conta provavelmente terminará após n-transações. Mas, Thorpe cometeu um erro ao derivá-lo e o resultado não corresponde à realidade. Consegui uma relação semelhante e o resultado é representado como linhas de círculos azuis. Você pode ver a excelente concordância com os resultados dos experimentos numéricos. Aqui está uma expressão para a variação dos resultados dos negócios com fundos reinvestidos:
Naturalmente, para nós, como comerciantes, o principal interesse é a análise do risco de ruína total. A figura à direita mostra os resultados da simulação numérica do saque máximo do depósito como uma porcentagem de seu valor atual (linha azul). Podemos ver que quanto maior a alavancagem que usamos, mais arriscado é o saque da conta. podemos encontrar o valor médio desses saques máximos e a dispersão do processo (dados vermelhos). Infelizmente, esta característica do processo comercial não é nada informativa. A questão é que à medida que o tempo gasto por um comerciante no mercado aumenta, o número de transações realizadas aumenta e, correspondentemente, o risco de ruína aumenta. Ou seja, o fato da falência é uma questão de tempo! E não importa quão cuidadosas sejam as táticas utilizadas no comércio, mais cedo ou mais tarde seremos reduzidos a zero! Isto é verdade. É importante parar a tempo e tirar o creme. De qualquer forma, o MM ideal garante a taxa máxima de crescimento do depósito aos parâmetros medidos do TS (grau de previsibilidade - p e o horizonte comercial - H). Sim, perderemos o depósito, mas também recomeçaremos e a taxa de crescimento global de nosso bem-estar (levando em conta possíveis perdas) será a mais alta possível na Natureza!
Deixe-me lembrar que um MM ótimo garante a taxa máxima de crescimento dos depósitos somente quando o TS é MO positivo ou, similarmente, quando p>0 e quero observar que a taxa de crescimento dos depósitos (o valor inverso do tempo característico de duplicação dos depósitos) nos valores ótimos de alavancagem e horizonte comercial aumenta significativamente com o aumento da credibilidade da previsão p
- como o quarto grau do parâmetro. Em tal situação é muito importante colocar o máximo esforço no desenvolvimento de tal TS que permita obter a maior precisão de previsão possível, e se for necessário aumentar a capacidade do NS (o número de neurônios na camada oculta), não se deve poupar energia e tempo, pois o objetivo compensa. Bem, o objetivo da otimização da TC é encontrar a máxima funcionalidade:
A busca é feita buscando apenas um parâmetro - o horizonte de negociação H, depois é calculada a confiabilidade da previsão correspondente a ele - p. O valor H encontrado é considerado ótimo e é negociado desde que a tendência geral do mercado não mude. O mercado é monitorado continuamente. Felizmente, isto não é intensivo em recursos se uma solução analítica estiver disponível.
É mostrado que ao reinvestir os fundos o TS ideal é o TS de Bernoulli, ou seja, o TS onde SL e TP da ordem são iguais e iguais a Hopt encontrados pela maximização do funcional baseado nos resultados comerciais. Além disso, há uma alavancagem ótima Lopt, proporcionando a taxa máxima de crescimento dos depósitos de tal forma que qualquer outra MM dará um lucro menor em um longo intervalo de tempo:
Neste ponto, o tópico de um MM ideal quando se trabalha com um instrumento pode ser considerado resolvido teoricamente e terminado na prática. A questão da maximização da confiabilidade da previsão de aumentos de preços para a faixa de comercialização especificada Hopt permanece sem solução. É óbvio que esta tarefa para a Rede Neural com um bloco de reaprendizado em cada transação.
Agora você está resolvendo o problema da entrada ideal do NS. É claro, você pode simplesmente colocar todo tipo de índices na entrada, esperando que a grade decida o que é melhor para ela... Mas é melhor pensar "qual é o TS ideal no mercado? Talvez você devesse prever seus momentos?
Leia este trabalho. É claro que existem algumas falhas, mas não são principais:
No processo de leitura de Ezhov, tenho a suspeita de que os induzidos, pelo menos nessa forma, não são de todo necessários! Todos estes RSIs e Stochasticks não são úteis::)
Há muito tempo eu venho falando sobre isto.
O fato é que uma proporção significativa de todos os indicadores utilizados em AT é de alguma forma construída utilizando a média das séries de preços. Por exemplo, o RSI contém a média dos incrementos de taxa positiva e a média dos incrementos de taxa negativa. Tudo bem, mas o PF inevitável que aparece quando se tenta obter a média da BP, reduz todos os nossos esforços a nada. E não é acidental, podemos mostrar estritamente que a previsão da BP usando suavização só é possível para a GR, cujas leituras da primeira diferença estão positivamente correlacionadas. Para BPs do tipo preço, esta condição nunca é satisfeita! Daí os resultados inevitavelmente decepcionantes. Não é possível calcular a média ou suavizar as séries de preços para a previsão. Você precisa de outras abordagens de análise. Em particular, métodos de regressão (se houver um modelo) ou métodos de rede neural (se não houver um modelo).
A beleza da solução analítica que apresentei no post anterior é que obtemos explicitamente a funcionalidade (4), cuja maximização pode ser transferida para NS. Nossa tarefa neste caso é extremamente simples - precisamos ter certeza de que a Internet não caia :-)
Há muito tempo eu venho dizendo isto.
O fato é que uma proporção significativa de todos os indicadores utilizados em AT é de alguma forma construída utilizando a média das séries de preços. Por exemplo, o RSI contém a média dos incrementos de taxa positiva e a média dos incrementos de taxa negativa. Tudo bem, mas o PF inevitável que aparece quando se tenta obter a média da BP, reduz todos os nossos esforços a nada. E não é acidental, podemos mostrar estritamente que a previsão da BP usando suavização só é possível para a GR, cujas leituras da primeira diferença estão positivamente correlacionadas. Para BPs do tipo preço, esta condição nunca é satisfeita! Daí os resultados inevitavelmente decepcionantes. Não é possível calcular a média ou suavizar as séries de preços para a previsão. Você precisa de outras abordagens de análise. Em particular, métodos de regressão (se houver um modelo) ou métodos de rede neural (se não houver um modelo).
A beleza da solução analítica que apresentei no post anterior é que obtemos explicitamente a funcionalidade (4), cuja maximização pode ser transferida para NS. Nossa tarefa neste caso é extremamente simples - precisamos ter certeza de que a Internet não falhe :-)
Neutron, eu acho que estou começando a entender algo! Tenho muitas perguntas e até mesmo algumas idéias.
Perus para o inferno! Ontem eu fiz uma experiência engraçada: eu queria descobrir qual é a capacidade de um perceptron de prever os incrementos.
A foto mostra UM !!! perceptron por 2 meses após a otimização. Estou chocado!
Tenho muitas perguntas, não vou poder escrevê-las todas de uma só vez.
1. Influencio o sinal de entrada por um hipertangente e, para nivelar sua densidade de distribuição, primeiro multiplico o sinal pelo coeficiente K > 1 (antes do hipertangente).
Na maioria das vezes, é possível obter uma distribuição bastante uniforme, ou seja, obtemos a seguinte função: F(t) = tn(K * Y(t)). Eu seleciono K empiricamente, em um indicador especialmente afiado. Entretanto, nem sempre isso é possível. Normalmente, a densidade da distribuição hipertangente do sinal de entrada, antes da multiplicação deste sinal por K, se parece com isto:
E depois de se multiplicar por K, parece assim:
Ou seja, o sinal de entrada (seu hipertangente) é meio esticado em uma faixa de +/-1.
Mas no caso dos incrementos da BP, recebemos um sinal que não pode ser reduzido a uma distribuição uniforme.
Aqui está o sinal antes da multiplicação:
Após a multiplicação : (ver isto no meu indicador nem sempre é possível, pois o meio "desaparece")
Como já vi que o branqueamento de entrada afeta significativamente a qualidade do aprendizado e, como resultado, a previsibilidade, eu gostaria de saber se não há outro método além da multiplicação de sinais?
E se não, o que fazer?
A beleza da solução analítica que dei no cargo anterior é que obtivemos explicitamente a funcionalidade (4), cuja maximização pode ser transferida para NS. Nossa tarefa neste caso é muito simples - é necessário ter certeza de que a Internet não cai :-)
O tema principal deste tópico já tive a oportunidade de apreciar! -:) Você é um gênio e eu não estou brincando!
Eu tenho uma idéia. Muito possivelmente um novo. Tive um "curto-circuito" ontem à noite... em todos os níveis da minha rede neural pessoal -:)
A questão é que estudei o homem durante toda a minha vida, não apenas no contexto de sua realização social e pessoal - pois tudo isso é "superfície" - mas como um fenômeno holístico do ser e um "vaso de consciência". Durante a noite, tudo o que eu havia reunido ao longo dos anos foi agora sistematizado (auto-organizado) a partir de uma coleção estruturada de fatos e suposições em um todo integral.
Não posso esconder meu encanto! Ah, bem... que foi uma digressão.
A idéia é simples:
Para aumentar a robustez dos NS de qualquer escala ou propósito, é preciso tentar infectá-los... infectá-los. Um vírus é certamente fatal para a lógica determinista de uma máquina de turing - para NS e inteligência artificial, com aplicação apropriada, "dosada", ele pode se tornar apenas "água viva". Agora vamos falar um a um sobre isso:
1. Todos os organismos vivos são a essência das redes neurais. A declaração pode parecer muito ousada, mas é um fato fenomenológico.
2. Todos os organismos vivos são colocados em um ambiente agressivo com o propósito de aprender - chamamos isso de evolução. Basta lembrar que, junto com a evolução das formas, há uma evolução contínua das consciências individuais encarnadas nessas formas. A própria consciência é um efeito da complexidade do sistema (rede neural), e seu "Planck" evolutivo - :), presumo - é a razão entre a complexidade do sistema e a entropia do sistema.
3. Sistemas cuja entropia caiu abaixo de um certo limite se extinguem por serem incapazes de evoluir; entretanto, sistemas cuja entropia subiu acima de um certo limite também se autodestruem. Daí, a conclusão: para que um sistema evolua com sucesso, sua entropia deve periodicamente, por um certo período de tempo, atingir os valores máximos permitidos no sistema em questão. Tal estado de coisas, que chamamos de "doença". Ao dizer a palavra "doença" eu a quero dizer em um sentido bastante amplo - um criminoso de aparência bastante saudável é um homem doente. Só que não é seu corpo que está doente, mas sua mente e a dor que ele recebe, principalmente não na forma de febre ou gripe, mas na forma da chamada "cruz pesada", "destino" e assim por diante. No entanto, esta dor "social" que eles recebem é uma espécie de influência pedagógica do continuum evolutivo - elevando a entropia da criatura a limites dificilmente suportáveis. Isto levanta uma questão filosófica sobre o professor e seus objetivos... que, no entanto, está muito além do escopo de nossa discussão no fórum -:)
4. aqueles que sobrevivem - desenvolveram imunidade - no sentido mais amplo - ou seja, não apenas contra germes patogênicos e sociais, mas mais importante para a evolução - transacional externa e transacional interna.
5. Em qualquer sistema vivo, existem tais "microorganismos" que certamente a matarão se a imunidade for suficientemente enfraquecida. Por que a natureza fez isso? Para aumentar a capacidade do mesmo sistema de resistir aos fatores do ambiente, ou seja, ter mais oportunidades (tempo) para a continuação da evolução individual através de "treinamento" interno constante do sistema para a sobrevivência.
6. Vamos supor que a tarefa de um sistema em evolução é desenvolver a imunidade (em todos os sentidos). Então uma coisa interessante acontece: o número de entradas de NS vivos, bem como o número de saídas (ainda menos) é ridiculamente pequeno em comparação com o número de seus neurônios e conexões! Ou seja, aumentamos acentuadamente o número de neurônios na camada intermediária (se houver três camadas - entrada, oculta e saída), e agora podemos tentar "infectar" os NS. Isto pode ser feito através da introdução de um erro aleatório medido durante a correção dos pesos! E indo um pouco mais além, o treinamento alternativo do NS, aumentando ou diminuindo a freqüência ou amplitude deste erro aleatório, é possível.
Por exemplo, antes da correção de pesos, poderíamos tentar adicionar um pequeno erro ao corretor com uma função que (aleatoriamente) uma vez a cada 1000 chamadas retornaria um valor aleatório de um determinado intervalo (por exemplo, +0,01 / -0,01 ). Não se sabe quando ou qual neurônio terá um pequeno incremento errado. Quanto mais freqüentemente tais incrementos ocorrem - maior é a entropia do sistema. Neste caso, a NS terá de levar em conta... seu próprio erro!
Tais pensamentos...
Tudo isso é ótimo, exceto por uma pequena coisa. Você tem um erro na fórmula original. A questão é que a expressão 1+(L*(sigma*H-Sp)/S) não é equivalente ao ganho de capital por comércio, que é o que você está tentando usar esta expressão em seu lugar. Francamente, não entendo a base sobre a qual o senhor considerou "óbvio". Esse é o primeiro ponto. Em segundo lugar, a fórmula tem que ser diferente para diferentes pares de moedas. Há apenas três versões da fórmula: para pares com "aspas diretas", "aspas inversas" e "taxas cruzadas". Para pares de "citação reta", por exemplo, o tamanho do ganho, como fração do capital total, pode ser calculado da seguinte forma: (TakeProfit-Spread)*tamanho_um_lote*número_de_lotes/depósito. De forma correspondente, para encontrar a relação de ganho, acrescente 1 à fórmula. A expressão "size_one_lot*number_lots" é o volume de dinheiro envolvido na transação, levando em conta a alavancagem. Mais geralmente, para uma cotação direta, havia uma fórmula entre os artigos: resultado financeiro = (Preço de venda - preço de compra) * número de lotes * tamanho de um lote - comissão * número de lotes ± juros bancários. Nesta fórmula, o spread é levado diretamente em conta nos preços.
Tudo isso é ótimo, exceto por uma pequena coisa. Você tem um erro na fórmula original. A questão é que 1+(L*(sigma*H-Sp)/S) não é equivalente ao ganho de capital por comércio, que é o que você está tentando usar.
Obrigado, HideYourRichess, por se dar ao trabalho de verificar os cálculos. Eu sei como é doloroso verificar os cálculos de outra pessoa. Naturalmente, não excluo erros nas fórmulas e suposições das quais derivam, portanto, tento verificar os resultados da solução analítica através de experimentos numéricos. Em nosso caso, temos modelado o processo de incremento discreto de preços com o passo H de incremento igual. Além disso, havia uma dependência fixa do incremento esperado em relação ao incremento anterior: p= soma de todos os incrementos consecutivos dividida pelo número dobrado de todos os movimentos. Para um quociente de mercado real, você pode exibir uma divisão semelhante e encontrar o coeficiente p correspondente.
Portanto, os resultados da modelagem numérica coincidem perfeitamente com os resultados da solução analítica obtida por mim (ver fig. esquerda acima). Conseqüentemente, não há erro nesta formulação do problema e sua solução analítica! É possível argumentar sobre a correspondência do modelo à realidade, mas não há problema aqui - posso sempre implementar esta partição em um quociente e encontrar p.
Eu já consegui apreciar o tópico principal deste tópico!
Obrigado pelas amáveis palavras, mas o que pode ser especial em saber como tomar os derivados e encontrar o extremo de uma função? Muitas pessoas simplesmente não querem se envolver em uma análise detalhada, é mais fácil se apressar diretamente para a pedreira.
Pensarei cuidadosamente no que você escreveu acima mais tarde.
Obrigado por suas amáveis palavras...
Obrigado!
Aqui está outro:
1. Outra opção para infectar o sistema é introduzir uma entrada aleatória adicional em um neurônio ou grupo de neurônios - um órgão.
2. "Órgão" pode ser representado como um grupo especializado de neurônios com um feedback universal - ou seja, cada neurônio de órgão "sabe" o que está à saída de qualquer outro neurônio de seu grupo (órgão ou família), e cada grupo está ciente do que está à saída do organismo. Tal NS será capaz de auto-adaptação dinâmica e a necessidade de aprendizagem será uma de suas dominantes - ou seja, o sistema pode buscar e generalizar de forma proposital e motivada o conhecimento de que necessita. Nossa tarefa será construir obstáculos para isso e espalhar pedaços de conhecimento aqui e ali -:)
Portanto, os resultados da simulação numérica coincidem perfeitamente com os resultados da solução analítica obtida por mim (ver fig. esquerda acima). Conseqüentemente, não há erro nesta formulação do problema e na solução analítica obtida! É possível argumentar sobre a correspondência do modelo à realidade, mas aqui não há problema algum - posso sempre implementar esta partição em um quociente e não há problemas em encontrar o p.
Háaqui um pouco de alavancagem e alguns dos "truques" associados a ela. Esta é uma simulação em um emulador de servidor comercial.