Neuroprevisão das séries financeiras (com base em um artigo) - página 6
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
Na verdade, é um excesso de treinamento. Estou surpreso que você não saiba disso. A sabedoria convencional é que uma rede é super-treinada quando começa a funcionar como ontem. Ou seja, não destaca pontos-chave na entrada, mas começa a produzir o mesmo sinal de ontem.....
Bobagem, ou qual é outra palavra para esse tipo de bobagem?
Se a rede foi ensinada que 2*2=4, o que ela deve responder se lhe for feita a pergunta, "2*2=?
2*2=4 foi ontem e será amanhã. Seria pelo menos estranho se a rede desse respostas diferentes para as mesmas perguntas.
Em geral, como eu vejo, muitos dos participantes deste fórum que têm praticado com redes pensam que as redes neurais são como uma calculadora - você insere dados e a rede produz um resultado. É isso mesmo - as redes são calculadoras.
Mas um conhecimento profundo das redes e de suas arquiteturas não fornece e não pode fornecer uma visão sobre suas propriedades. É um entendimento "estreito" de como as ANNs funcionam.
Assim, um neurocirurgião brilhante não pode saber do que o cérebro humano é capaz. Somente psicólogos e psicoterapeutas (não confundir com psiquiatras) junto com filósofos e talvez sociólogos podem saber sobre isso. Estas não são questões da "fisiologia" das redes, mas da Intellect - e este é um nível completamente diferente de compreensão da ANN (e do cérebro humano).
Somente com tal abordagem é possível obter algo da ANN. A estúpida alimentação de citações para redes nunca deu nada de bom antes, e não dará nada no futuro. Mas o autor, em minha opinião "diagonal" (não tenho tempo para uma segunda opinião detalhada) está olhando a previsão usando ANN do ângulo reto, do ponto de vista da Intellect - usando indicadores, alguns "derivados" de citações.
Mas, de forma puramente intuitiva, duvido que seja possível fazer previsões de 98%. 80% provavelmente sim, mas não 98%. Talvez o autor tenha arrastado um pouco os resultados da pesquisa - estou bastante disposto a admitir isso. Mas para verificar estes resultados, você precisa fazer as mesmas experiências que o autor - só então você pode dizer que algo é "verdadeiro".
Inteiro:
Também estou muito surpreso como você pode ter uma opinião sem ter motivos para isso.
Eu já dei minha opinião sobre o termo "supertreinamento" em algum lugar aqui. O termo não reflete de forma alguma a essência do fenômeno. Que palavra inglesa é traduzida assim? Em vez disso, o termo "roleta" (de "enredado") ou "aprendido" é mais apropriado. O fenômeno é semelhante ao de um esmagador ou de um esmagador com a cabeça em branco, que não entende nada, mas tem o parágrafo palavra por palavra. O fenômeno ocorre quando se ensina uma rede volumétrica com um pequeno número de amostras. A rede reage corretamente às amostras de treinamento, mas não tem utilidade, pois pode acomodar o treinamento de um número muito maior de amostras, ou seja, é apenas uma cabeça vazia. O resultado que dá é o que quer que seja, não o de ontem. Portanto, o que você tem ontem não está claro para mim, algum tipo de milagre, algum tipo de supertreinamento mágico.
É como as fórmulas de programação, eles dizem sobre vazamentos de memória em todas as ocasiões. Assim é quando se fala de redes - sobretreinamento, sobre-educação, mas não há muita gente que entenda o que é.
Diga o que quiser. É que em alguns livros didáticos eu vi o fenômeno de que a rede emite sinais "Igual a de ontem" não significa que ela emite o mesmo sinal o tempo todo. Não, mas a essência e o significado dos sinais não mudam. Em geral, encontrar os parâmetros de treinamento de uma rede é a tarefa mais difícil, que pode ser resolvida com longas pesquisas estatísticas.
Suponha que uma rede tenha dado 100 opções para a definição de seus parâmetros. E apenas alguns deles estão corretos. O resto será divulgado no futuro. Tomemos como exemplo uma rede sobre os mastros. É muito bom para a reaprendizagem em qualquer área. Eu mesmo queria tentar esta teoria, mas não é o meu destino. Portanto, talvez alguém venha a precisar.
Temos duas seções de treinamento
1. Treinamos a rede na 2ª parte. Receber um lucro (o líquido sobre qualquer parte do treinamento receberá um lucro).
2. Veja como a rede estava funcionando na seção 1.
Vamos treinar a rede no patch 1 de modo a obter o mesmo resultado que tivemos no treinamento do patch 2.
Essa é a função alvo do treinamento não será o equilíbrio máximo, mas uma função bem diferente. Assim, utilizando estatísticas, podemos calcular o que é o melhor.
Eu acabei de correr em redes em NS, e lá com uma escolha de alvos para treinamento é de alguma forma esparsa.
Como resultado, após a coleta de estatísticas, podemos chegar à conclusão de que o propósito de treinar o máximo de barãs nem sempre é bom. Mas aqui está outra questão, como encontrar o próprio objetivo, para que a NS funcione bem no futuro. Há apenas uma opção, como dizem.
Iniciamos uma rede e monitoramos sua comercialização e chegamos a uma conclusão, quer a rede funcione agora ou não... Assim .....
Como resultado, as configurações lucrativas da rede em treinamento parecem ser as seguintes Em outras palavras, você deve treinar a rede para este equilíbrio e ela funcionará no futuro. Mas há um calcanhar de aquiles, como sabemos qual deve ser o equilíbrio.... e não se pode treinar o TC em NS dessa maneira. Há uma dificuldade com as funções de treinamento alvo. Se apenas em outro programa para tentar....
Ou assim, em ambos os casos, a curva baoan na área otimizada é extremamente diferente, e certamente não no plus. No entanto, isto não impediu a rede no futuro. Resumindo, mais....
Parece-me que se eu coletar estatísticas para seções da rede, posso obter uma semelhança geral nos balanços que precisamos para estabelecer um certo padrão. Assim, não devemos treinar a rede para o máximo lucro em uma determinada seção, mas para encontrar sinais ocultos que funcionarão no futuro. Mas não no momento. Portanto, aqui está o truque. Forçar a rede a encontrar parâmetros que não funcionam agora, mas que poderiam ter um impacto útil na rede no futuro..... Há muitas estatísticas a serem reunidas, e está longe de ser trivial......
Em qualquer caso, ao resolver este problema (seleção dos resultados da otimização) em pelo menos 60%, você pode obter uma ferramenta de negociação e não é nada mal.
Não conheço outros pacotes, mas ao otimizar em NS, obtenho vários resultados, começando com um balanço negativo na área de otimização. Se ao menos fosse possível obter todos os resultados de otimização em NS. E então escolha entre eles, puramente visualmente por equilíbrio. Então você poderia filtrar resultados inúteis para dar sorte. Coloque a rede em funcionamento e veja qual deles começará a bombear. A que começa a vazar é fechada... Ou o que quer que seja..... É uma chatice que a NS não tenha esta opção. Ao menos salvar parâmetros indicadores em um arquivo durante a otimização....
Novamente, isso não significa que na otimização do 1º lote você obterá os valores obtidos na otimização do 2º lote. Portanto, há muitas questões não resolvidas aqui......
O truque é o seguinte. Fazer com que a rede encontre parâmetros que não funcionam agora, mas que podem ter um impacto útil na rede no futuro..... Há muitas estatísticas a recolher, e elas estão longe de ser triviais......
é assim que ela se lembrará após o treinamento que eles não funcionam. em nhs em ts não é uma rede, mas uma ga...
é assim que ela se lembrará, após o treinamento, que eles não funcionam. em nhs em ts não em redes, mas ga...
Eu concordo.... parece haver muita liberdade, mas o que você precisa não pode ser ajustado....
Mas o autor do artigo, em minha primeira visão "diagonal" (e ainda não tenho tempo para uma segunda visão aprofundada) olha a previsão com ANN do ângulo reto, em termos de Inteligência - usando indicadores, alguns "derivados" das citações.
Mas, de forma puramente intuitiva, duvido que seja possível fazer previsões de 98%. 80% provavelmente sim, mas não 98%. Talvez o autor tenha arrastado um pouco os resultados da pesquisa - estou bastante disposto a admitir isso. Mas para verificar estes resultados, você precisa fazer as mesmas experiências que o autor - só então você pode dizer algo "cem por cento".
isto é uma ilusão... O Integer estava certo quando o disse - a trama é deixada para a previsão...
Na realidade, tudo é verificado por um exemplo primitivo. você pode usar qualquer método - a partir do segundo ou terceiro artigo ))))
se experimentarmos até a primeira linha vertical amarela, obtemos 90-95% do mesmo... passar para a próxima... aplicar o mesmo algoritmo... obtemos menos... a última seção (crescimento) a rede nunca irá prever...
tudo isso é para prever várias etapas para 1 VP (entrada do mesmo), é claro... Se você destacar os picos (ciclicidade), ainda pode captar o crescimento em princípio...
De acordo.... parece haver muita liberdade, mas o que é necessário não pode ser ajustado....
caixa preta este nsh...
é que existe alguma ciclicidade ( dinâmica ) ... então se esta dinâmica entra no modelo (ns, regressão ou outros... basicamente não faz diferença) e depois continua por um tempo... então tudo bem... se ela muda, então falha... razões para mudar a dinâmica 2...mercado e filtros DT...
Sim, eu concordo com você.
Esta é a segunda explicação para o desempenho: um período foi deliberadamente escolhido para testes em que a rede foi bem sucedida localmente ao mostrar um resultado surpreendente. A propósito, é estranho que a duração do período de teste seja de 150 pontos e não 200 ou, por exemplo, 451. Acontece que se trata de um ajuste latente.