Literatura. Redes neurais. Algoritmos genéticos. Processamento de sinal digital. Matemática, análise. Estatísticas. - página 8

 
Acho que isto é um pouco fora de tópico, há livros postados aqui, mas talvez você possa me dar alguns conselhos sobre o assunto
 
Por exemplo, as redes Ostrovsky S. Neural para processamento de informações.
 
Como prometido, baixe as estatísticas. Você pode ver no que as pessoas estão mais interessadas.
Redes neurais, algoritmos genéticos 107
Métodos e algoritmos de otimização --------- 44
Processamento de sinais digitais ------------- 61
Matemática e análise ------------------------ 33
Statistics ------------------------------------42
Série cronológica ------------------------------- 41
Programação C++ --------------------- 38


Finanças.

título do arquivo ---------------------------- 47

parte no.1 -------------------------------------- 34

parte no.2 -------------------------------------- 27

parte ¹3 -------------------------------------- 40

parte #4 -------------------------------------- 57

Literatura sobre Matlab ----------------------- 11
Literaturasobre estatística -------------------- 10
Literatura de Maple ------------------------ 1

Curiosamente, apenas 1 download foi para Maple! A literatura sobre redes ficou em primeiro lugar por uma margem significativa.
Também é interessante que a 4ª parte foi baixada quase duas vezes mais que a 2ª parte, embora seja impossível desembalar o arquivo sem ter todas as partes ao mesmo tempo.
 
goldtrader писал(а) >>

Interessado nas opiniões dos colegas sobre a tese do aluno do Likhovidov.


Eu li a tese. Uma abordagem curiosa é sugerida pelo estudante: treinar NS pelos sinais de um indicador de entrada perfeito,
essencialmente um zig-zag. Alguém já tentou? Talvez funcione?
Arquivos anexados:
diplom.rar  638 kb
 
real-trader >>:
Прочёл дипломную работу. Любопытный подход предлагает студент: обучать НС по сигналам индикатора идеального входа,
по сути зиг-зага. Никто не пробовал? Вдруг оно работает?

Esta não é a idéia original e também fútil do autor. Ele não é o primeiro a pensar nisso.

Há declarações inovadoras muito mais interessantes neste trabalho, sobre as quais quase nenhum pesquisador da NN jamais escreve.

 
joo писал(а) >>

Esta não é a idéia original e também fútil do autor.


O que é pouco promissor, se não um segredo? Os NS são supertreinados ou os padrões não funcionam no OOS?

 
Em geral, também não.
Abrir uma posição no topo da ZZ significaria fazer algo paradoxal. Isso significaria saber que este topo é máximo/mínimo em comparação com os tops futuros!
Não há nenhuma informação em um dado momento de que haverá uma ZZ superior naquela barra específica, o que significa que ela não pode ser ensinada à rede. É apenas um "ponto" no fluxo de informações.
É por isso que, embora não seja óbvio, não foi possível antes e não será possível no futuro prever o preço de uma barra/barras à frente.
As redes neurais precisam ser treinadas em áreas de preços prováveis, não em valores de preços específicos.
 
joo >>:
Вообще, ни то ни другое.
Открыть позицию на вершине ZZ означает совершить нечто парадоксальное. Это означало бы знание, что эта вершина максимальна/минимальна по сравнению с будущими вершинами!
Нет НИКАКОЙ информации в каждый момент времени о том, что именно на этом баре будет вершина ZZ, а значит, этому невозможно обучить сеть. Это всего лишь "точка" в потоке информации.
Именно поэтому, хотя это и не очевидно, не удавалось раньше и не удастся в будущем прогнозировать цену на бар/бары вперед.
Нейронные сети нужно обучать на вероятные области цены, а не на конкретные её значения.

É exatamente assim que os comerciantes (bem sucedidos) negociam com redes biológicas. E como as áreas prováveis mudam, é por isso que as ordens de parada fixa (tanto as baseadas no NN como as baseadas no indicador clássico) não funcionam

 
Belo ramo, a propósito.
 
Métodos e algoritmos de otimização (adicionado)

Beiko I.V. et al. - Métodos e algoritmos da solução de tarefas de otimização.1983.djvu
Vukolov E.A. Fundamentos de Análise Estatística em Statistica e Excel.djvu
Kuprienko N.V. - Estatísticas. Métodos de Análise de Distribuição. Amostragem - 2009.pdf
Tsirlin A.M. Métodos de otimização em Termodinâmica Irreversível e Microeconomia.pdf
Sharapov V.G. Manual sobre Resolução de Problemas no Curso de Cálculo Variacional e Métodos de Otimização. pdf