Рыночный этикет или правила хорошего тона на минном поле - страница 34
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
to Neutron
Сергей вот график того, что у меня получилось в Маткаде. Здесь красная линия - первая разность пятичленного синуса, зеленая - попытки нейрона угадать её поведение на следующем шаге.
Похоже, что работает.
Теперь займусь в Маткаде минутками AUDUSD. Да, забыл сказать, что это был нейрон с бинарными входами, а на картинке внизу - тот же нейрон с действительными входами
Теперь займусь в Маткаде минутками AUDUSD.
Погоди.
Давай представим результаты работы твоей НС на модельном ряде в более информативном виде. Для НС с действительными входами будем откладывать прогнозируемое значение приращения ВР с учётом знака и амплитуды по о абсцисс, а прогнозное - по оси ординат. Имея достаточное количество экспериментальных точек, мы получим в итоге такую картинку:
Здесь, точками сиреневого цвета показана обучающая выборка, синими - тестовая и чёрным - тестовая на случайном ВР. Методом наименьших квадратов через облака данных проведены прямые линии. Угол наклона такой линии показывает точность прогноза (чем он ближе к 45 градусам, тем точнее прогноз), разброс точек вокруг линии - дисперсию прогноза, отличие угла наклона чёрной линии от горизонтального направления - статистическую значимость полученных результатов и заодно отсутствие ошибок в алгоритме (например, заглядывание в будущее).
Для НС работающей с бинарными входами и используемой для предсказания только знака ожидаемого движения, можно оценивать точность прогноза всего одним параметром - % точных попаданий. Его можно вычислять по такой формуле:
Где, x[i] - реальное значение приращения, y[i] - прогнозное. Эту процедуру необходимо выполнить и для обучающей выборки и для тестовой, n желательно иметь более 100.
Делаю. Уточни плиз насчет метода наименьших квадратов - я не знаю что это и как посчитать. Да, и еще: как ты картинки и формулы из Маткада в форум вставляешь?
Я их сначала копирую в графический редактор, а потом обрезаю как нужно.
Да, так же. У меня есть в графическом редакторе функция Screen Capture, которая захватывает выделенный участок монитора. Можно ещё ткнуть на график и из контекстного меню скопировать и т.д.
Вот формула для МНК:
Нужно, что бы длина векторов x и y были одинаковыми. Метод позволяет провести через набор точек прямую так, что сумма всех расстояний от каждой точки до этой прямой будет минимальная из всех возможных вариантов.
Что-то у меня не получается такого облака, как на твоем рисунке
Получается вот это:
Здесь по оси абсцисс первая разность пятичленного синуса, по оси ординат - прогноз сети
Может тип графика не тот? Он у меня все точки пытается линиями соединять. Сейчас попробую другое что-нибудь
Так ты выбери в настройках графики вместо пунктирного представления- точечное:
и раскрась эти точки в нужные цвета. И сетточку выведи (настройки в окне левее).
О! Петля гистерезиса вырисовывается, однако!
Сергей, а разве у нас обучающая выборка и тестовая выборка это не одно и то же?
У меня нейрон обучается каждый раз на n отсчетах вектора даннных, а прогнозирует n+1 -вый отсчет(того же вектора данных). Разность между прогнозом сетки и фактическим значением n+1-го отсчета я использую для вычисления коррекции. Как при таких условиях построить графики для обучающей и тестовой выборки раздельно?
Метод позволяет провести через набор точек прямую так, что сумма всех расстояний от каждой точки до этой прямой будет минимальная из всех возможных вариантов.
Позвольте Вас поправить. Не "расстояний", а "квадратов расстояний".
И, кстати, по МНК можно не только коэффициенты прямых расчитывать.
Сергей, а разве у нас обучающая выборка и тестовая выборка это не одно и то же?
У меня нейрон обучается каждый раз на n отсчетах вектора даннных, а прогнозирует n+1 -вый отсчет(того же вектора данных). Разность между прогнозом сетки и фактическим значением n+1-го отсчета я использую для вычисления коррекции. Как при таких условиях построить графики для обучающей и тестовой выборки раздельно?
Да не важно, как мы их определим, важно, что есть отсчёты на которых НС обучалась и которые прогнозировала. Вот и выведи два ряда точек.
Позвольте Вас поправить. Не "расстояний", а "квадратов расстояний".
И, кстати, по МНК можно не только коэффициенты прямых расчитывать.