- Вопрос по программированию нейросети нейросети
- Как совместить информацию по нескольким ТФ для обучения нейросети?
- Для нейросетевиков - интеграл ошибки - путь к граалю?
О сколько нам открытий чудных вопросов трудных )))
Уже вовсю обсуждают и это далеко не единственная ветка...
А предсказатели вобще тут живут, никаких нейросетей не надо, и предкажут, и покажут
О сколько нам открытий чудных вопросов трудных )))
Уже вовсю обсуждают и это далеко не единственная ветка...
А предсказатели вобще тут живут, никаких нейросетей не надо, и предкажут, и покажут
там нет ответа на вопрос, который я задал - какие есть методы нормализации ценового ряда?
классический (Percent Change) :
Name | Range | Default |
Time Series | Close | |
Periods | Int >= 1 | 10 |
Calculation:
100 * (Current X value - X value n periods ago) / X value n periods ago
where
X = Time Series
n = Periods
p.s. Обратное преобразование из нормализованного ряда (прогноза), в абсолютные значения цены, из этой же формулы.
классический (Percent Change) :
Name |
Range |
Default |
Time Series |
Close | |
Periods |
Int >= 1 |
10 |
Calculation:
100 * (Current X value - X value n periods ago) / X value n periods ago
where
X = Time Series
n = Periods
p.s. Обратное преобразование из нормализованного ряда (прогноза), в абсолютные значения цены, из этой же формулы.
Если бы прогнозирование работало, форекс бы умер давныи - давно )))
Предположим, у нас есть ряд цен. Я хочу подобрать нейросеть и обучить ее для предсказывания. Как преобразовать цены, чтобы подать на вход нейросети? Как сделать обратное преобразование на выходе, чтобы получить прогноз? Есть ли готовые примеры, общепризнанная практика?
Базовые вещи, помнится, были собраны в кучу в неплохом курсе на ИНТУИТе, стОит его почитать, если хочется быстро врубиться в тему. Общепризнанная же практика говорит о том, что нейросеть - это оружие последней очереди, когда есть 100% уверенность, что подобрать более качественный метод за разумное время не удастся. Вопрос о возможности сетей делать что-либо, что недоступно другим алгоритмам, был исчерпан еще в 20 веке. Последние лет 15 теоретически эта наука не развивается.
Если бы прогнозирование работало, форекс бы умер давныи - давно )))
Я долго над этим думал. Цель преобразования данных это привести данные к стационарному виду, т.е. убрать тренды и сделать так чтобы СКО не менялось. В конце конце пришёл к такому методу преобразования данных (подходит под любой ряд):
- Вычисляем приращения y[n] = x[n] - x[n-1]
- Находим скользящую среднюю фильтром Ходрика-Прескота: av[n] = HP(y[n])
- Убираем скользящую среднюю: y[n] = y[n] - av[n]
- Вычисляем абсолютные значения tmp[n] = abs(y[n])
- Вычисляем скользящee СКО: sd[n] = exp(HP(log(tmp[n])))
- Вычисляем нормализованные входы: y[n] = y[n]/sd[n]
- Сохраняем av[n], sd[n]
Выходные данные (то есть предсказания y[n+1]) перечисляются в обратном порядке зная av[n] и sd[n]. Тут не упомянуты много деталей, "know how". Спорить ни с кем не собираюсь насчёт "можно проще" типа y[n] = x[n]/x[n-1] или y[n] = (x[n] - x[n-1])/x[n-1].
подходит под любой ряд
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования