Обсуждение статьи "Нейросети — это просто (Часть 59): Дихотомия контроля (Dichotomy of Control — DoC)"

 

Опубликована статья Нейросети — это просто (Часть 59): Дихотомия контроля (Dichotomy of Control — DoC):

В предыдущей статье мы познакомились с Трансформером решений. Но сложная стохастическая среда валютного рынка не позволила в полной мере раскрыть потенциал представленного метода. Сегодня я хочу представить Вам алгоритм, который направлен на повышение производительности алгоритмов в стохастических средах.

Дихотомия контроля — это логическая основа стоицизма. И подразумевает понимание того, что все существующее вокруг нас можно условно разделить на две части. Первая подвластна нам и полностью находятся под нашим контролем. Над второй мы не властны и события произойдут независимо от наших действий.

С первой областью мы работаем. А вторую принимаем как должное.



Подобные постулаты авторы метода "Dichotomy of Control" постарались внедрить в свой алгоритм. DoC позволяет разделить то, что подконтрольно стратегии (политике действий), и то, что находится вне ее контроля (стохастичность окружающей среды).

Автор: Dmitriy Gizlyk

 
Так просто что уже 59 статей 😅
 
Petr Zharuk #:
Так просто что уже 59 статей 😅

И ни одна не работает

 
Ivan Butko #:

И ни одна не работает

Ну вроде просто. Но я ничего не понял. Три раза начинал заново читать статьи эти. Расчёт явно на тех кто умеет их писать на другом языке)
 
Petr Zharuk # : Well, it seems simple. But I didn't understand anything. I started reading these articles again three times. The calculation is clearly on those who can write them in another language)

think about it...!

how many PHDs are working at goldmansachs? or hfts, or quantfund firms, !

if only it was THIS easy!!!

 
Дмитрий здравствуйте. Подскажите а Вы на чём учите все модели что выкладываете в своём цикле статей? Можете привести точную конфигурацию своего ПК (видеокарта, процессор, память) и сколько примерно у вас времени (дней, недель) уходит на обучение одной модели до результата? Ставите ли Вы обучение на ночь или только днём? Спасибо.
 

Хотел сказать спасибо автору за огромное количество идей, это просто Клондайк для экспериментов.

Также я думаю что статьи подходят в качестве примеров возможных методик обучения нейронных сетей, но ни как для практики. Я очень ценю труд вложенный на созданием автором собственной библиотеки для создания и обучения нейронных сетей да еще и с применением видеокарт, но она ни как не может быть использована в практических целях, и тем более конкурировать с tensorflow, keras, pytorch - Собственно все модели обученные с помощью этих библиотек уже можно давно использовать напрямую в mql5, с помощью формата onnx.

Я постепенно буду по возможности применять идеи автора с помощью этих современных библиотек.

Также нужно гораздо точный подбор индикаторов для входных данных обучения нейросетей, у меня самый удачный это bollinger bands, причем я использую сразу 48 таких индикаторов в качестве входных данных с разными настройками для рекуррентных сетей типа LSTM. Но и это не залог успеха, еще я обучаю 28 валютных пар за раз и выбираю лучшие, но и это еще не залог успеха. Далее нужно прогнать хотя бы раз 20 процедуру обучения, меняя количество слоев и их настроек в нейросетях, и на каждом этапе отбирать лучшие получившиеся модели которые себя показали хорошо в тестере стратегий, а худшие убирать, и только тогда можно добиться вменяемых результатов на практике.

В конце просто выбираем например лучшие 9 пар из 28 и торгуем ими на реальном счете, при этом советник должен также иметь у себя в арсенале мани менеджмент, не помешает сетка также, то есть используем нейросети как помощники уже к хорошим идеям советников без нейронных сетей, тем самым делая их умными уже.