rede neural e entradas - página 14
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
Como escolher e servir o quê?
escolher uma maior e servir a chave do apartamento... em uma placa... em uma placa...
;)
escolher um maior e servir a chave do apartamento... em uma placa... em uma placa...
;)
Obrigado... Eu sabia.... :-)
Respeito!!!
Sem brincadeira -- do coração.
Obrigado... Eu sabia.... :-)
Respeito!!!
Sem brincadeira - do coração.
Obrigado.
De fato, as grades não são muito exigentes em matéria de nutrição, a dieta deve corresponder mais ou menos à tarefa em mãos. Ou seja, como estamos procurando por padrões desconhecidos, precisamos de uma série na qual há muitos, além disso, muitos correlacionados com o resultado (no nosso caso - previsão).
Daí o segundo momento - o que exatamente prever. Isto é, o que alimentar a saída e o que ensinar à rede. A questão não é sobre isso no subgênero, mas deveria ser, pois caso contrário a malha pode aprender e estabelecer registros de previsão na OutOfSample e, além disso, permanecer impotente porque na sua infância você foi submetido a um tratamento abusivo.
É apenas algo a pensar, não vou ajudá-lo com detalhes, porque eu mesmo sou muito jovem...
;)
Que tal isso?
Alimentamos o vetor de descrição da barra atual para o neurônio de entrada. Por exemplo, aumentos de preços de abertura, aumentos de preços de abertura para outros símbolos, volumes, hora atual, taxas de juros para símbolos, calendário de notícias, ciclos lunares e solares, e assim por diante. Acontece que, por mais neurônios que existam na camada de entrada, esta é a história que devemos considerar.
Depois vem a própria rede. A grade é uma matriz bidimensional de neurônios (não necessariamente para a conveniência de descrever a idéia). Para reduzir o número de cálculos em neurônios limitamos o número de sinapses, digamos, por exemplo, 5-10, mas cada sinapse pode se conectar a qualquer axônio dentro de seu alcance limitado por um determinado círculo, (você pode colocar um processador mais potente e fazer isso a qualquer axônio, qualquer neurônio). Como resultado, devemos obter uma rede de quem sabe qual configuração, com um grande número de feedbacks, que considerará o bazar de forma agregada. Então, novamente, de acordo com nossa imaginação, ligamos a função de ressaca, pregando periodicamente um par de neurônios. Função de nascimento, criar periodicamente um par de três neurônios. Como resultado, vemos que a grade se ajusta a si mesma, sua arquitetura interna e o número de neurônios, embora não tenhamos idéia de como fazer com que o número mínimo de neurônios seja suficiente.
Sinal de saída. A primeira coisa que chega no espaço ventral, construir um ts com entradas e saídas perfeitas, por exemplo, canal em polinômio de n-degrau. Saltar sobre os limites do canal e treinar a rede por esses sinais.
Ou uma função alvo de equidade perfeita, uma linha reta até o canto superior direito do monitor, e depois deixar a rede procurar as entradas e saídas corretas por conta própria.
Qualquer TS, com ou sem redes neurais, utiliza padrões que são procurados em dados passados. Portanto, em essência, não há garantia de ganho com estes padrões encontrados no futuro. Ou você tem algum método para determinar que você pode ganhar dinheiro no futuro com padrões encontrados em dados passados?
Eu não sou o único. Se você escrever em detalhes, seria muito texto, se você estiver interessado pode lê-lo no Spider, no fio do Neo sobre padrões, por exemplo, ou nos fios do Felix White. Avals aparece neste fórum, leia suas postagens.
Existem algumas regularidades universais (ou melhor, leis) que existem não apenas no mercado, mas em todos os lugares. Por exemplo, a inércia é suficiente para não ficar sem pão e manteiga. Funcionou no passado, funcionará no futuro. E se parar de funcionar, a última coisa que nos interessa é a quebra da MTS e a perda do depósito:). (Pense no que acontecerá se as leis da física mudarem, mesmo que ligeiramente.
E adivinhar se vai funcionar / não vai funcionar - não nosso método, ele vai para os ciganos.
Eu não sou o único. Se você escrever em detalhes, seria muito texto, se você estiver interessado pode lê-lo no Spider, no fio do Neo sobre padrões, por exemplo, ou nos fios do Felix White. Avals aparece neste fórum, leia suas postagens.
Existem algumas regularidades universais (ou melhor, leis) que existem não apenas no mercado, mas em todos os lugares. Por exemplo, a inércia é suficiente para não ficar sem pão e manteiga. Funcionou no passado, funcionará no futuro. E se parar de funcionar, a última coisa que nos interessa é a quebra da MTS e a perda do depósito:). (Pense no que acontecerá se as leis da física mudarem, mesmo que ligeiramente.
E adivinhar vai funcionar / não vai funcionar - não é o nosso método, são os ciganos.
Aha-ha-ha!
Também a gravidade - o preço, tipo, sobe e depois desce
Sim, sim, sim!
E a gravidade - o preço, tipo, sobe e depois desce.
É difícil adivinhar se o jogador vai bater na bola ou não, mas quando a bola já está no ar, não há necessidade de adivinhar, é claro que ela vai cair no chão. (Pode, no entanto, ficar preso em uma árvore - há um stop-loss no mercado para tais casos).
O principal é não ir adiante com previsões - antes de acertar, é inútil. Você pode dar um balanço, mas depois mudar de idéia.
Em geral, imho, o sistema deve ser construído de tal forma que comercialize alguns dos mesmos padrões.
Isto se aplica plenamente ao TS tanto com como sem nervosismo. Tal sistema, em sua essência, comercializará no OOS com atividade decadente com o tempo,
ou seja, gradualmente, o número de transações que chegam à unidade ao longo do tempo tenderá a 0 (a eficiência permanece em um nível constante, diminui apenas a rentabilidade, só precisa ser treinada adicionalmente ao longo do tempo, o que refrescaria a base dos padrões reais), porque os padrões "aprendidos" ocorrem cada vez menos....
Portanto, não deve haver nenhuma pista de interpolação/aproximação dos dados tratados pela TC.
PS MetaDriver testemunhou o conceito de tal meu TS há cerca de 2 anos.... mas aos poucos fiquei atolado em minhas infinitas experiências, que perdi o caminho certo sem perceber... é claro que existe a possibilidade de cavar em fontes de arquivos antigos, mas será tão difícil de fazer, que será mais fácil escrever tudo de novo...(
Obrigado.
De fato, as grades não são muito exigentes em matéria de nutrição, a dieta deve corresponder mais ou menos à tarefa em mãos. Ou seja, como estamos procurando por padrões desconhecidos, precisamos de séries nas quais há muitos deles, além disso, muitos correlacionados com o resultado (no nosso caso - previsão).
Daí o segundo momento - o que exatamente prever. Isto é, o que alimentar a saída e o que ensinar à rede. A questão não é sobre isso no subgênero, mas deveria ser, pois caso contrário a malha pode aprender e estabelecer registros de previsão na OutOfSample e, além disso, permanecer impotente porque na sua infância você foi submetido a um tratamento abusivo.
É apenas algo a pensar, não vou ajudá-lo com detalhes, porque eu mesmo sou muito jovem...
;)
:-)
Obrigado.
Eu peguei. Senhor. Sobre ele.