Neuromongers, não passem por aqui :) precisam de conselhos - página 7
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
..
A primeira figura, se entendi bem o que ela mostra, corresponde à ideologia dos Padrões Excessivos.
IMHO - uma amostra de teste para monitorar o treinamento da rede é essencial.
Isso pode ser assim, mas de onde podemos obtê-lo sem perder tempo?
segmento B está implicitamente envolvido no treinamento, pois B determina o fim do treinamento por erro mínimo)
No meu caso, não é aplicável porque não há treinamento como tal. A única coisa a fazer é reconfigurar a rede com base nos resultados.
Por que pares?) Tente alguns índices, um pouco de ouro... Pergunto-me qual será o resultado.
Provavelmente dentro do spread. Vou tentar o ouro. Onde posso obter um histórico adequado para os índices? A cola não é comercializada.
Esqueço sempre de perguntar, como seria o teste do período de aprendizagem da TC? Eu me pergunto "quanto" aprende com este ANC. Entendo que o LOC produz o máximo resultado possível com base no que é dado no sistema de equações (sinto que há uma álgebra matricial severa envolvida :)). Como seria este máximo se fosse transferido para o comércio? Até que ponto tudo será suave?
É possível fazer tal imagem também em pelo menos um mês de seu período de estudo nativo? Os resultados obtidos pela NS durante o período de treinamento também são importantes e falam por si mesmos.
Esqueço sempre de perguntar, como será o teste TC para o período de treinamento?
https://www.mql5.com/ru/forum/132692/page2#454397
A segunda foto, esta é de um ano em uma amostra de teste.
Pode ser, mas de onde obtê-lo sem perda de tempo?
No meu caso, não é aplicável porque não há treinamento em si. Eu só posso reconfigurar a rede com base nos resultados.
Provavelmente dentro do spread. Vou tentar o ouro. Onde posso obter um histórico adequado para os índices? A cola não é comercializada.
Tenho vários EAs de rede neural na minha conta demo agora. Eu construo redes em pacote estatístico e conecto os arquivos ddl a eles.
Portanto, sinto que as questões de seleção - tamanho da amostra de treinamento, tamanho da amostra de controle e como ela é formada e quanto tempo é o período de negociação fora da amostra - são muito importantes. Obtenho resultados diferentes, e é principalmente possível melhorar o sorteio. Embora até agora o sistema esteja funcionando com lucro (infelizmente, graças a Deus), mas podemos determinar os parâmetros ideais e trabalhar com eles. É claro que tenho que fazer alguns testes avançados e dedicar algum tempo a isso, mas acho que o resultado valerá a pena.
TheXpert tenta, como já foi dito aqui, testar com dados de outra fonte.
O que isso significa? Sobre a mesma história de outro CD?
E verifique se há um vislumbre do futuro. É tudo muito parecido com auto-engano...
Em primeiro lugar, a primeira coisa a ser feita. Eu diria até que me sinto insultado por tais conselhos. E o que exatamente parece ser a autodestruição?
Bem, sinto com todo meu ser que as questões de seleção: o tamanho da amostra de treinamento, o tamanho da amostra de controle e como ela é formada e o tamanho do período comercial fora da amostra são muito importantes. Obtenho resultados diferentes, e é principalmente possível melhorar o sorteio. Embora até agora o sistema esteja funcionando com lucro (infelizmente, graças a Deus), mas podemos determinar os parâmetros ideais e trabalhar com eles. É claro que isso requer algum tempo e testes futuros, mas eu acho que o resultado valerá a pena.
O que isso significa? Sobre a mesma história de outro CD?
Primeiro as primeiras coisas. Diria até que me sinto insultado por tais conselhos. E o que soa exatamente como ser autodestrutivo?
Bom para você, mas essencialmente nada. Talvez você possa compartilhar sua experiência?Alguns artigos sobre o tema em discussão: http://www.google.com/url?sa=t&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fmadis1.iss.ac.cn%2Fmadis.files%2Fpub-papers%2F2005%2Flncs-05-whuang-1.pdf&ei=oYOVTarTOYvzsgaEsuGzCA&usg=AFQjCNHZycjABySFlxSQ4sFAVgNK4FXrpQ&sig2=t1p0qXv35VTdnuhetNaTtQ
http://www.google.com/url?sa=t&source=web&cd=3&ved=0CCgQFjAC&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.23.6904%26rep%3Drep1%26type%3Dpdf&rct=j&q=An%20Empirical%20Analysis%20of%20Data%20Requirements%20for%20Financial%20Forecasting%20with%20Neural%20Networks&ei=K4SVTdvoFsbDtAbl9dy7CA&usg=AFQjCNHAlj21APE3Nnc9MJQWI9EUYR7Ug&sig2=Mbp5sVdyCDOhnG3lkQiLw
Para resumir os resultados da pesquisa: não é necessário levar uma amostra muito grande para treinamento. Para o Dia 1 o período de 1-3 anos é adequado... Para barras de Hora eu levo até 1 ano, para barras de 15 minutos até meio ano, para barras de 5 minutos até um quarto. Eu pego os dados do servidor comercial e uso a Page Up.
Você tem dois anos por um período de 15 minutos, o que pode ser excessivo, embora eu tenha lido que você tentou períodos mais curtos. Penso que não mais do que meio ano é suficiente.
Escreverei mais tarde sobre testes (em literatura russa e em inglês - validação), quero conduzir uma série de experimentos neste fim de semana. Observações gerais: se a amostra de teste for colhida antes de um período comercial, um neurônio fará uma "sintonia fina" para este período enquanto aprende em um espaço de amostra maior. O lado positivo é que, como a amostra de teste não está misturada com a amostra de treinamento, fornecemos os dados da rede que ainda não foram vistos aproximadamente e que os dados podem ser considerados como refletindo o estado real do mercado. Se misturarmos a amostra de teste com a amostra de treinamento, o erro sobre ela é geralmente menor, porque a rede vê os exemplos em torno da amostra de teste e, portanto, o algoritmo encontra erros mínimos mais profundos - mas não o fato de que os novos dados alcançarão pelo menos um resultado semelhante. Isto eu pessoalmente obtive e observei repetidamente.
Para resumir os resultados da pesquisa: você não precisa de uma amostra muito grande para treinar.
Vamos nos afastar da amostra de treinamento, eu não lhe disse o esquema completo de construção, não há nada de errado com ele.
Considerações gerais: se a amostra de teste for colhida antes do período de comercialização, a rede neural fará um "ajuste fino" para este período, aprendendo em um espaço de amostra maior. Além disso, como a amostra de teste não está misturada com a amostra de treinamento, fornecemos os dados da rede que ainda não foram vistos aproximadamente e que os dados, podemos dizer, refletem o estado atual do mercado.
E como isso é diferente da expansão da janela de amostras de treinamento? Você está falando no contexto de sua implementação restrita. Minha implementação é fundamentalmente diferente, portanto, não entendo do que estou falando.
O que você quer dizer com misto e não misto? Como a mistura é alcançada? Que "sintonia fina" se a rede nunca viu estes dados antes?
Se a amostra de teste for misturada com a amostra de treinamento, o erro sobre ela é geralmente menor, porque a rede vê os exemplos em torno da amostra de teste e assim o algoritmo encontra mínimos de erro mais profundos - mas não o fato de que os novos dados produzirão resultados pelo menos semelhantes. Isto eu pessoalmente obtive e observei repetidamente.
O que isso significa? Sobre a mesma história de outro CD?
De preferência com o mesmo histórico, mas de diferentes fornecedores de cotação.
Você não deve usar citações de VC (e MetaQuotes também) porque os prazos mais baixos, especialmente 1999-2005, são de muito má qualidade.
Estas citações foram suavizadas não por uma janela deslizante, mas por toda a história. Em outras palavras, há uma olhada no futuro que já está embutida nas próprias citações. As redes neurais encontram isto sem nenhum problema.