Минимальный код простейшей нейросети - страница 2
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
Дело в том, что все эти встроенные в МТ осцилляторы -
Точно!
Если на входы нейронной сети подать только мусор, на выходе ничего кроме мусора не получите.
Дело не в самом перцептроне.
Дело в том, что все эти встроенные в МТ осцилляторы - ̶г̶о̶в̶н̶о̶ дерьмо.
А реализация Решетова весьма оригинальна и заслуживает внимания.
Согласен, они просто искривляют цену, никакой информативности, кроме пару паттернов.
Просто Решетов писал, что данные нужно как-то нормировать, и, видимо осциляторы легче всего подошли
Согласен, они просто искривляют цену, никакой информативности, кроме пару паттернов.
Просто Решетов писал, что данные нужно как-то нормировать, и, видимо осциляторы легче всего подошли
Рано ушёл, большие перспективы были.
Рано ушёл, большие перспективы были.
Серьезно? Я не в курсе. Очень очень жаль. Умнейший человек был(((. Я кстати до сих пор его этот проект перцептрона пытаюсь развить. Для себя.
Серьезно? Я не в курсе. Очень очень жаль. Умнейший человек был(((. Я кстати до сих пор его этот проект перцептрона пытаюсь развить. Для себя.
И как успехи с развитием, удалось что нибудь?
два фактора противоположные по знакам могут сводить сумму в ноль
первый вариант: если ноль, то сигнал по умолчанию,
второй вариант: три состояния (вверх, вниз, курим),
третий вариант: нечётное количество "факторов", если использовать равные веса,
четвёртый: доминирует фактор с большим весом (если факторов больше 2-х)
Из простых вроде всё, может есть ещё варианты, конечно..
первый вариант: если ноль, то сигнал по умолчанию,
второй вариант: три состояния (вверх, вниз, курим),
третий вариант: нечётное количество "факторов", если использовать равные веса
Всё равно это не решает проблемы малых значений значений факторов, к примеру, может так оказаться, что численно малые (по модулю, вблизи нуля) значения факторов имеют большую значимость (и эффективность/прибыльность) для торгового сигнала чем их большие численные значения, то есть если сигнал показывает профиты преимущественно при около-нулевых значениях того или иного фактора, и вот в этом случае простая линейная модель с весами упускает это, так как в линейной модели большие численные значения просто перевесят малые, и в лучшем случае будет нейтральный выходной сигнал (забор/бамбук) но если сделать мультипликативную модель то будет даже ещё хуже 😁 и получается нужно тестировать несколько версий перцептрона переворачивая переменные, например для 4 переменных как в примере выше это будет 2^4=16 вариантов, не буду их перечислять, для примера покажу для случая 2 факторов, будет 4 варианта:
w1*x1 + w2*x2
w1/x1 + w2*x2
w1*x1 + w2/x2
w1/x1 + w2/x2
с доп.проверкой деления на ноль конечно же...
Потому и поинтересовался - вдруг кто придумал какие-то еще свои варианты...
Нам нужно не только взвешивать факторы в модели как в простом индексе, но и задавать градиенты значимости значений для каждого фактора.
Функция активации?
может так оказаться, что численно малые (по модулю, вблизи нуля) значения факторов имеют большую значимость (и эффективность/прибыльность) для торгового сигнала чем их большие численные значения
Для себя решил, что невозможно узнать наперёд, будет большая значимость, или нет. Как узнаешь? История одно, а реал -> переобучение. Думаю по-грубее надо, попроще, широкими мазками.
w1/x1 + w2*x2