На фороксе заработать невозможно!! - страница 32
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
Тут скорее всего будет важным предпроцессинг, т.е. что подается на вход системе. ИМХА, это краеугольная часть адаптивных систем. Сами эти величины должны характеризовать устойчивые фазы рынка. И генерировать синтетику нужно опираясь на эти входы. Грубо говоря именно их нужно генерировать и менять их распределение (изменение значений входных параметров адаптивной системы)
Ээээ, не нужно думать что подается на вход АТС. Нужно сначала иметь первоисточник подаваемых на вход данных, все те же OHLC, но синтетические.
В конце концов, вопрос был адресован тем, кто разбирается в статистике, т.к. я не владею предметом в достаточном объеме.
Когда реализую в рабочем коде, выложу в кодабазу. Кому интересно, поюзает.
ЗЫ Если есть что сказать по предложенной мной теме, Илья, буду рад услышать.
Ох есть и много! Как лучше всего подойти к задаче приспособливаемости? Это построить статистически подобный ряд на основе стат параметров генеральной выборки. Т.О. получится модель цены по характеристикам подобная генеральной, но движение которой будет новым, и к тому же таких данных сколько угодно. А новизна движения будет соответствовать своиствам генеральной выборки. Сетка или адаптивный советник не смогут приспособится, т.к. данные постоянно меняются. Но эти данные содержат в себе стат законы, на которые нацелится нейронка или адаптивный советник. И именно стат законы будут обобщатся (пытаться обобщаться, нужно еще о нейронке подумать). Все конец первой части. :)
Вопрос ведь был не об обучении. Вопрос был о создании синтетического ВР с заданными стат. параметрами.
Вопрос ведь был не об обучении. Вопрос был о создании синтетического ВР с заданными стат. параметрами.
Алгоритм примерно такой:
1. Определится с группой параметров генеральной совокупности. Порядка 5-10 обычно. У социологов 100-150.
2. Построить плотность вероятности по каждому признаку или сочетанию признаков.
3. Начать моделировать данные с указанными распределениями. Объединение проверяется на соответствие всем параметрам, вносятся коррективы в алгоритм генерации.
4. Данные используются для обучения советников.
Алгоритм примерно такой:
1. Определится с группой параметров генеральной совокупности. Порядка 5-10 обычно. У социологов 100-150.
2. Построить плотность вероятности по каждому признаку или сочетанию признаков.
3. Начать моделировать данные с указанными распределениями. Объединение проверяется на соответствие всем параметрам, вносятся коррективы в алгоритм генерации.
4. Данные используются для обучения советников.
Отлично! А теперь про 1,2,3 кроме 4 поподробней пожалуйста.
Каких приемчиков? если не секрет....)))
А я бы использовал (реальный сигнал + искусств.шум) для исследования ТС на предмет устойчивости.
А в чисто искусственном генераторе практического смысла не вижу. Да, я понял мысль про отладку алгоритма ТС на смоделированных спецом нужных условиях, но не уверен, что это будет адекватно. Потом, нужный участок в реальных котировках всегда найти можно и не один.
Каких приемчиков? если не секрет....)))
Ну на самом деле все просто. Я методы конечно назову, но уверен что и Вы их знаете.
1. Ранний останов
2. Перекрестная проверка
3. Снижение весов
4. Исключение весов
5. Сглаживающая аппроксимация.