Efeito de borda no caminho para o GRAAL - página 4
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
Abandonar. Já descobrimos.
Tudo o que resta é descobrir como formar a DLL.
À matemática:
Uma idéia interessante. Mas. :) A questão é que, devido à imperfeição humana, é inerentemente humano inventar algo que funcione sob certas condições de fronteira.
Partindo de uma roda para a terra, um remo para o mar, para estratégias de tendência e fluxo. Construímos nossos sistemas a partir de vários subsistemas:
A estratégia comercial, o sistema de filtro que define as condições de fronteira e o subsistema de gestão de dinheiro, que é projetado para limitar as falhas dos dois primeiros.
É exatamente assim que estamos acostumados a fazer. Mas ter uma estratégia (método) comercial baseada em propriedades fundamentais (básicas) de preço
torna desnecessários outros subsistemas de "remendo". E este sistema único deve ser simples.
Infelizmente (ou felizmente) ainda ninguém o encontrou. E se eles a encontraram, não saberemos :)
De volta ao trabalho.
Se você procura um padrão, ele está no próprio preço.
Isto é correto!
Nosso principal erro é que tentamos usar o cálculo diferencial (série Taylor, etc.) para BPs como as séries de preços. Naturalmente, isto é impossível porque a série de preços não é lisa (a primeira diferença é sinal-variável) e nesta situação fazemos o próximo passo "engenhoso" - suavizamos a BP inicial através de mugidos ou wavelets e fazemos o que quisermos com séries lisas, esquecendo que este procedimento não acrescenta nenhuma informação útil ao que já temos. Estamos tentando, figurativamente falando, nos puxar para fora do pântano pelos cabelos. Você não pode suavizar uma série de preços e depois construir uma previsão sobre ela (de qualquer forma) para obter informações que não estavam na BP original.
É por isso que a única maneira de não perder tempo e esforços é trabalhar com séries de preços originais sem utilizar métodos de cálculo diferencial direta ou indiretamente, faz sentido, por exemplo, utilizar aparelhos HC, métodos de regressão, etc.
Isto é correto!
Nosso principal erro é que tentamos usar o cálculo diferencial (série Taylor, etc.) para uma BP do tipo preço. Naturalmente, isto é impossível porque a série de preços não é lisa (a primeira diferença é sinal-variável) e nesta situação fazemos o próximo passo "engenhoso" - suavizamos a BP inicial através de mugidos ou wavelets e fazemos o que quisermos com séries lisas, esquecendo que este procedimento não acrescenta nenhuma informação útil ao que já temos. Estamos tentando, figurativamente falando, nos puxar para fora do pântano pelos cabelos. Você não pode suavizar uma série de preços e depois construir uma previsão sobre ela (de qualquer forma) para obter informações que não estavam na BP original.
Portanto, a única maneira de não perder tempo e esforço, é trabalhar com as séries de preços originais sem o uso de métodos de cálculo diferencial direta ou indiretamente, faz sentido, por exemplo, usar o aparelho de NS, métodos de regressão, etc.
Ninguém está falando em acrescentar qualquer informação aos métodos de transformação existentes.
Pelo contrário, a transformação é uma forma de remover informações redundantes e focalizar a parte útil das mesmas.
A propósito, você não pode treinar NS em dados de preços puros. Eles ainda terão que ser normalizados e suavizados de alguma forma. E isto já é uma transformação :)
Não estou familiarizado com métodos de regressão, por isso não vou discutir com eles.
Eu digo ao contrário, a conversão é uma forma de remover informações supérfluas e focalizar a parte útil das mesmas.
A propósito, você não pode treinar NS em dados de preços puros. Você ainda precisa normalizá-los e suavizá-los de alguma forma. E isto já é uma transformação :)
Você está certo em dizer isso.
A propósito, você pode treinar NS em qualquer dado, a única questão é quanto tempo leva... Aprendizado, este é um processo muito intensivo em recursos e nossa tarefa é preparar os dados de entrada para facilitar ao máximo a tarefa para os NS, mas ao mesmo tempo não resolvê-la para ela :-)
O que diz respeito ao alisamento preliminar dos dados para NS, é um absurdo, porque inevitável neste procedimento FS irá absolutamente privar NS de suas qualidades de previsão, mais precisamente não lhe dará nada de novo. Mas eu já me repito.
Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время...
Mas se os dados são ruidosos, o aprendizado deve ser menos bem sucedido, não é verdade? Além disso, os exemplos mudam com o tempo. E se você escolher um longo período de aprendizagem, os dados serão inconsistentes. A rede precisa ser constantemente reeducada à medida que as regras mudam e as massas reagem aos eventos.
Treinamento, este é um processo muito intensivo em recursos e nossa tarefa é preparar os dados de entrada de forma a tornar a tarefa o mais fácil possível para o NS, mas ao mesmo tempo não resolvê-la para ele:-)
Eu concordo :)
Quanto ao pré-suavização de dados para NS, é um absurdo, porque inevitável neste procedimento FS irá absolutamente privar NS de suas qualidades de previsão, ou melhor, não lhe dará nada de novo. Mas eu já estou me repetindo.
Você realmente conseguiu treinar a rede com dados não protegidos e fazer com que ela funcione por algum tempo fora da amostra de treinamento?
Mas se os dados são ruidosos, o aprendizado deve ser menos bem sucedido, não é verdade?
Você se encarrega de julgar onde está o ruído e onde se encontram as informações úteis? Eu não teria tanta certeza de meu conhecimento da verdade, deixe a NS resolver esta meritória tarefa para ela.
Além disso, os exemplos mudam com o tempo. E se você escolher um longo período de treinamento, os dados serão inconsistentes. A rede precisa ser constantemente reestruturada à medida que as regras mudam e a reação das massas aos eventos.
Concordo 100%.
Você foi realmente capaz de treinar a rede sobre os dados não protegidos e deixá-la funcionar por algum tempo além da amostra de treinamento?
Retreino a rede a cada passo da previsão (em cada amostra), ou melhor, não a treino do zero, retraio-a exatamente nos dados não lidos.
Neste momento, estou estudando a dependência da parcela de direções de movimento de preços corretamente reconhecidas (eixo das ordenadas) em função do número de épocas de treinamento (eixo das abcissas). Os dados são fornecidos para NS não lineares de bilayer com 8 neurônios em uma camada oculta e 3 entradas. O sombreamento vermelho é para amostra de treinamento, o azul é para amostra de teste, em dados não-treinados. Cada ponto é o resultado do processamento estatístico de 100 experimentos independentes.
Instalado Matlab 7.01. Material poderoso.
Encontrei as ondas.
Mas como eu carrego meu sinal no sistema?
Existe um conversor, por exemplo, de arquivo de texto para matlab?
Por que não o último 77? Ele tem bugs corrigidos, em particular no manuseio de dll. Eu tenho dll de 7.1 pendurado periodicamente, eu estava cansado de encontrar o motivo, mas não consegui encontrar. Com 77 funciona bem, além disso, não há pastas excessivas com arquivos. Se você comprou o disco, aconselho a substituí-lo pelo último R2008b.
Estou correto ao assumir pela figura que a rede adivinha a direção 30% do tempo?
Você já tentou trabalhar com uma coleção de redes? Por exemplo, com 3 ou 5 para refinar a decisão.
Ou com um par de redes: uma adivinha apenas para cima, a outra apenas para baixo.
A propósito, por que exatamente 3 (ou 5, estou confuso ;) ) neurônios de entrada. Acabei de encontrar redes com 4, 7 ou 15 entradas :)
p.s.
Uma vez fiz uma experiência. Memorizei toda a história que tinha e procurei as situações mais parecidas com a atual.
usando o método de distância vetorial (vetores normalizados, é claro). Em 60% dos casos, a história se repetiu :)
Mas ainda depende do alcance da previsão e do comprimento do vetor.
Por que não o último 77? Ele tem bugs corrigidos, em particular no manuseio de dll. Eu tenho dll de 7.1 pendurado periodicamente, eu estava cansado de encontrar o motivo, mas não consegui encontrar. Com 77 funciona bem, além disso, não há pasta excessiva com os arquivos. Se você o comprar, recomendo substituí-lo pelo último R2008b.
Este foi o primeiro que encontrei. Substituí-la-ei por 7,7 mais tarde.
Analisou as ondulações na caixa de ferramentas. O Meyer's é definitivamente mais adequado do que o Dobeshi's.
Mas às vezes ainda é errado. Por exemplo, mostra um máximo claro no momento de estagnação antes do lançamento para cima :).
Embora, o lançamento rápido tenha sido indicado pelo último nível. Estava no ponto mais baixo.
Quero fazer um indicador com sinal sintetizado e dois detalhes e ver as dependências.
Estou trabalhando na formação da DLL no momento.