Neuroprevisão das séries financeiras (com base em um artigo) - página 8
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
Penso que precisamos trabalhar para encontrar uma função de otimização. Isto é, busca por funções-alvo. O que queremos que a rede encontre no site de otimização???? Parâmetros para um equilíbrio máximo na mesma área. Não, porque a prática mostra que não funciona no futuro. Portanto, precisamos procurar momentos-chave que não funcionam agora, mas que funcionarão no futuro. E para isso precisamos coletar estatísticas, estimar quais momentos quando e como funcionam....
Bem, veja o que me veio à cabeça, pode não ser realista, mas é o caminho... o objetivo, por assim dizer.
fazendo o seguinte.
Tudo como fiz nas capturas de tela NS.
1. Treinamos a rede em um trecho de 6 meses. Se o NS estiver em machs, ele aprenderá muito bem estes parâmetros, ele comercializará normalmente.
2. Levar os primeiros 3 meses, olhar para o resultado do comércio em rede. (em teoria, o resultado deve ser bom, pois a rede já viu esses dados)
3. otimizar a rede para que ela aprenda exatamente aqueles parâmetros que nós já conhecemos.
Buscar, adaptar e desenvolver uma função que resulte em otimização para estes parâmetros.
5. depois de encontrar a função, nós a testamos em um segmento que não é apresentado à rede........
Agora vou tentar ver parcialmente em NS....
O sinal de uma rede neural treinada apenas em seções de tendência não será aleatório, mas será a forma como a rede é treinada. Nomeadamente, acompanhará o movimento e drenará de lado.
Eu quis dizer mudanças bruscas, movimentos imprevisíveis, etc.
Referia-me a mudanças repentinas, movimentos imprevisíveis, etc.
A rede pode ser ensinada a sentar-se na cerca quando tais movimentos ocorrem. Como este, por exemplo: https://www.mql5.com/ru/code/10151
Mas o aborrecimento é que em NS as funções alvo são complicadas. Você não pode simplesmente desenterrá-los assim...
Hmm. Eu normalmente treino redes neurais em um pacote estatístico, no qual a função alvo não é o valor de equilíbrio no período de treinamento ou teste, mas o valor de erro na saída da rede. Esta é uma versão clássica da aprendizagem de máquinas, em princípio. Você pode experimentar o valor do erro: tomar a soma dos quadrados do erro; a soma dos quadrados dividida pelo número de exemplos; o módulo de erro. E este não é o limite.
A rede treinada então troca sinais com o robô no formato dll. A margem de manobra é enorme...
A rede pode ser ensinada a sentar-se na cerca quando tais movimentos ocorrem. Assim: https://www.mql5.com/ru/code/10151
Você também pode usar o SCP. Em exemplos de treinamento, você primeiro treina um ACS, e mede o erro máximo para determinar se um exemplo pertence a uma célula ou cluster. Depois, uma ou mais redes neurais são treinadas nos mesmos dados, fazendo, por exemplo, a previsão de incremento de preço um passo à frente. E no trabalho, exemplos novos, anteriormente desconhecidos, são primeiramente verificados contra uma ACS sintonizada e se a rede de previsão excede um limite de erro predefinido, a rede de previsão NÃO é ligada, ou o robô comercial não reage ao sinal da rede. Em resumo, utilizamos o ACS para detectar anomalias e não negociamos sobre elas. Exemplo prático: Estamos no outono de 2008. Treinamos a rede neural e decidimos negociar durante o trimestre. Há um colapso na dinâmica em todos os pares principais, a maior parte dos exemplos ACS simplesmente filtra e não permite tomar decisões comerciais. Mas para mim isso é tudo teoria. E blá blá blá blá. Não o testei na prática.
O que pode ser interessante sobre isso (além da tarefa de treinar seu cérebro)?
Nenhum NS pode trabalhar sem reciclagem (no sentido de aprender com novos dados). O mercado está mudando e a rede tem que aprender. A questão é: quando iniciar um novo treinamento? ;)
E então, o que você pode "consertar" na grade quando ela "quebra", mudar as camadas e o número de neurônios, outra função de transferência -.... Mas você nunca saberá exatamente o que e como e onde mudar. Enquanto você não ajustar a malha ao novo mercado, ela não vai funcionar. E não é o mesmo que se ( Price == Pergunte ) e veja que Ask = 1,2345, enquanto o Price acaba sendo 1,23449999999 por alguma razão.
Agora imagine um diálogo com um possível investidor perguntando: "Adivinhe que resposta ele gostaria de dar?
1) começar a treinar NS novamente e quando (se) aprender - deixe-o ganhar novamente (se o mercado não mudar novamente até lá)
2) Colocarei um selo de depuração nele, encontrarei o erro e o corrigirei.
Então se você estiver "interessado" - você é bem-vindo, mas se você quiser ganhar dinheiro? ;)
Já começou a interpretar papéis? Eu não sou um ajudante aqui )))) Não vou discutir isso neste tópico, você está por sua conta e risco.
Você, devido a sua limitada experiência com a NS, considera esta ferramenta apriori como um ajuste de dados, caixa preta, ancinho em branco, etc. O número de camadas, neurônios, feixes de funções são todos bagagem desnecessária nas mãos erradas. Primeiro, você deve ter uma idéia da razão pela qual a rede deve funcionar, e esta idéia deve ser testada com testes avançados extensivos em diferentes partes da série temporal. A avaliação de risco é feita com antecedência, não no início de um fluxo. Estou lhe dizendo. Eu pessoalmente não perdi um único centavo usando NS; eu perdi apenas em demonstração).
A segunda coisa que eu gostaria de dizer é que um neuroperito sério, depois de fazer todos os testes necessários, também cuida do problema da extração, ou, em russo, entender a heurística, que se forma durante o treinamento dentro da NS - a essência das regras pelas quais os sinais de saída são gerados, dependendo do que está na entrada. Todas as caixas pretas ficam à ESQUERDA. Você tem que entrar na lógica da rede neural e entender o que ela faz. Joo também escreveu sobre isso, e é lógico. Caso contrário, acontece que na Rússia soviética a NS o controla. Ha.
Como você está se saindo com as palestras? :)
Só mais ou menos. Espero que eles estejam disponíveis mais tarde para um domínio gradual. Tenho estado muito ocupado com o trabalho ultimamente.
Vou tentar me recompor e observar mais alguns. Parou nas palestras sobre descida de declive, ou seja, em geral quase no início.
Outro artigo sobre a aplicação bem sucedida da neurotecnologia à previsão.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.184.7175&rep=rep1&type=pdf
Ela utiliza técnicas da teoria do caos para gerar defasagens vetoriais de entrada. Também aplica punição à rede por previsões erradas. A amostra de teste é de 100 dias. Os resultados são legais: 80% ou mais de acertos. Mas desta vez a previsão ou é de tendência para cima (+2%) ou de tendência para baixo. A propósito, pela experiência pessoal eu diria que as tendências no mercado de ações estão bem previstas, há outras armadilhas, como se você estivesse errado, então a perda é grande, ela come a vantagem estatutária. Acredite ou não, eu também obtive 80% de precisão nos testes.