То ли лыжи не едут... (еще раз про нейронные сети)
Напишите в двух словах, что подаете на входы, какой выход, какая архитектура сети, какой алгоритм обучения.
Входы нормируете?
Участок обучения не должен быть огромным, смысла учить сеть на годичной истории минуток нет.
Многие склонны считать нейросети волшебной панацей, забывая что они всего-навсево вариант реализации
нелинейной регрессии. И если области входов в принципе неразделяемы, сеть никогда работать нормально не будет.
Интересно, YDzh, что же ты ответишь:-)
Вообще к идее повторить результаты научной статьи 1 к одному отношусь скептически.
Как правило авторы случайно или намеренно забывают указать пару важных подробностей.
Ну что отвечу: входы описаны в работе: предыдущее значение Close, и пять средних. Про способ нормирования ничего не сказано - потому попробовал сначала ненормированными данными. Не вышли ни черта. Потом решил взять ln(X[n+1] / X[n]). Тут "доучил" до 54% попадания по направлению движения. Но такие красивые графики не получаются и близко. И как только переходишь с обучения на тестирование, сразу же видишь, как с каждым шагом деградирует точность прогноза (что, в общем-то, подтверждает твою идею о переобучении сети на каждом шаго - передай привет экспоненте Ляпунова ;)
Сетка 6 х 4 х 1, лучшие результаты дает гипертангенс
Есть подобная работа (кажется, китайская), которую очень часто упоминают в этой связи. После того, что "прободался" столько времени с НС, решил проверить напрямую, получится ли повторить нечто подобное. Не получается.
Здесь многие занимаются НС, хотелось бы услышать мнение сообщества. Кто может выжать из своей НС подобные результаты? Процент попадания по направлению порядка 80% ?
У меня немногим лучше, около 60-65% по направлению.
На входы я 5 последних нормированных returns подаю и еще пару штук индикаторов.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Потратив несколькко месяцев на разработку ТС на базе нейронных сетей решил вернуться к истокам и попробовать повторить одну из научных работ в этом направлении (см. приложение). Что-то у меня и близко такие результаты не получаются.
Вопрос, собственно, в чем: или у меня правда не получается, или...