O que alimentar a entrada da rede neural? Suas ideias... - página 47

 
Maxim Dmitrievsky #:

janela de histórico... normalize todo o histórico de treinamento ou renormalize em intervalos

Não. Normalize cada janela de entradas NS ou MO.

 
Yuriy Asaulenko #:

Não. Normalize cada janela de entradas NS ou MO.

Entendi. Bem, aqui está um alimento para experimentos para o autor do tópico.

 
mytarmailS #:
Bem, volte para seu buraco...

e você não deveria ter me ensinado e corrigido quando dei bons conselhos a Alexei, se você mesmo é um completo ignorante.

Também lhe dou um link, talvez porque sua visão seja ruim e você não o tenha notado:

https://www.mql5.com/ru/forum/87536

Чемпионат Алгоритмов Оптимизации. - Написать статью, если есть в этом необходимость
Чемпионат Алгоритмов Оптимизации. - Написать статью, если есть в этом необходимость
  • 2016.06.09
  • Andrey Dik
  • www.mql5.com
Чемпионат алгоритмов оптимизации задуман как соревнование для людей ищущих. К чемпионату допускаются алгоритмы оптимизации основанные на любых принципах и теориях поиска. Организатор Чемпионата Алгоритмов Оптимизации Joo
 
Maxim Dmitrievsky #:

Entendi. Bem, aqui está um alimento para experimentos para o autor do tópico.

))

 
Andrey Dik #:

Talvez eu lhe dê um link também

Dê-me um link para a definição do que lhe foi perguntado.
Ou peça desculpas e fique irritado.
 
Stanislav Korotky #:

Na minha opinião, a condição de exclusividade e estacionariedade do máximo do FF é impossível de ser cumprida porque o próprio mercado é, por definição, um processo não estacionário, sujeito a muitas influências externas imprevisíveis (nenhuma tendência detrendida ou derivativos nos salvarão). A única coisa que podemos usar para uma otimização bem-sucedida (e posterior previsão) é a inércia relativa do mercado, mas, é claro, desde que consideremos os instrumentos mais líquidos com grandes volumes de negociações e participantes. Então, podemos encontrar uma onda de FF suficientemente ampla que, embora se mova com o tempo, ainda forneça um valor de FF próximo ao extremo na etapa entre as otimizações.

Há uma probabilidade (alta) de que nenhuma onda larga seja encontrada no FF. Eu não consideraria esse FF inadequado para o processo e o descartaria imediatamente, mas tentaria adicionar outra camada de meta-optimização/previsão - na sequência de superfícies de onda do FF no histórico (ou seja, generalizar/formalizar a transformação passo a passo das ondas e ser capaz de sintetizar a forma de onda para a próxima etapa). Idealmente, isso seria logicamente incorporado à otimização Walk-Forward, mas ainda não consegui fazer isso.

É claro que sempre temos em mente que estamos lidando com dados não estacionários, nem vale a pena mencionar isso. Mas há também o fato de que a série de preços em si é discreta.

Portanto, quando falei sobre uma ilha estacionária de FF, quis dizer algo como uma ilha cintilante, os valores de FF nessa ilha mudarão ligeiramente na janela. Os outros conjuntos de parâmetros na janela parecerão ondas extensas. Portanto, os parâmetros robustos devem ser procurados entre aqueles que "tremem" menos em termos de valores de FF. Isso pode funcionar, como você escreveu, como um Meta-FF que minimiza as flutuações do sub-FF

E sobre a incompatibilidade do processo - se não houver conjuntos estáveis mais ou menos visíveis formando "áreas de terra", então não há motivo para acreditar que o sistema tenha conjuntos estáveis. Portanto, ou o FF não corresponde ao processo, ou o processo não tem conjuntos estáveis, que é o que eu quis dizer. Você pode, é claro, continuar adicionando ou removendo métricas ao FF, mas isso seria apenas um FF diferente.

 
Yuriy Asaulenko #:

Primeiro treinamento de NS de sucesso diretamente nas citações. Avaliação do treinamento em uma amostra independente por épocas. Aqueles que já lidaram com o TensorFlow entenderão.


Isso já é suficiente para algum lucro. Pode não ser suficiente, mas foi a primeira cópia que encontrei.

Dê uma olhada rápida, eu a apagarei.)))





Você não entende os resultados do Python. Ele cola a linha de predicado à linha de fato e a linha de predicado fica pendurada atrás dela como uma cauda, como uma média móvel defasada com um período de 5. Basta verificar isso não no nível macro (a imagem é linda no nível macro), mas no nível micro - o NS não adivinha o próximo preço.



Pode ser MLP com 100500 camadas e 100500 neurônios, ou CNN+LSTM+MLP+dropouts+regularizações+escrita sagrada+adivinhação em borra de café. O mesmo acontece com RL.






Infelizmente, nada funciona em Python. UPD Você precisa de alguma abordagem de negociação criativa ou de algum sistema complexo. O único graal que funciona é a negociação sem spread. É fácil criar um. Mas não há corretoras assim.

 
Yuriy Asaulenko #:

Mais uma vez, lentamente - estimativa por época em uma amostra independente de não participantes do estudo).

Já passamos por tudo.


E na amostra independente, e na amostra vizinha, e na amostra de outra pessoa, e na quinta amostra. Vamos deixar claro: mostre uma estatística funcional. Um EA funcional. Se você tiver uma, você está certo. Caso contrário, você está no mesmo estágio de desenvolvimento que todos os participantes do fórum, no contexto da busca por um sistema consistentemente lucrativo. Muitas pessoas têm conhecimento acadêmico aqui. Elas não são citadas no contexto da arte da negociação.

 
Yuriy Asaulenko #:

Eu já volto. Vou sair correndo e pegar uma ordem de dispensa.



Bem, isso faz sentido. Filtrar os novatos.

 
Yuriy Asaulenko #:

Na verdade, o tópico é sobre ideias, não sobre medição...))))

"O que alimentar a entrada da rede neural? Suas ideias..."

Você entendeu algo errado novamente.))

Você pode fazer um backtest.
E você precisa fazer.

Qual é o objetivo de olhar para o MAE