Разговор с ChatGPT об улучшении нейронной сети и торговле на Форекс - страница 9

 
Evgeniy Scherbina #:

 Переобучение Правильное обучение
audusd
-247
+12
eurgbp
+68
+25
eurusd
+254
+173
gbpchf
+451
+206
gbpusd
-379
-90
usdcad
+578
+451
usdchf
-386
+40
usdjpy
-633
0
usdnok
-181
-57
usdsek
-17
+205

>>>> -492
>>>> +965

А это вариант для двух сетей: бай или неопределенность и селл или неопределенность.

По-прежнему, это прибыль на неизвестном периоде, который не входит в обучение.

И выходит, что переобучение все-таки не справляется. А это в свою очередь означает, что двухсетевой подход лучше чем односетевой. Или это означает, что результат по односетевому обучению был случайным.

Как советует ChatGPT, нужно все объединять...

Вы посчитайте, какая средняя прибыль на 1 сделку в пунктах. Если менее 10, то за счет проскальзываний, спредов, свопов и т.п. и вся прибыль исчезнет.
 

И вот как это выглядит все вместе на другом контрольном периоде апрель-август 2023.

Думаю, все-таки ясно что правильное обучение прилично обходит переобучение - и по просадке и по прибыли лучше примерно вдвое.

>>>>>>>>>>

>>>>>>>>>>


 

Еще немного из беседы с умным человеком:

- user: Your explanation sounds very respectful. Maybe the only reason customers do not buy strategies that implement the principles of machine learning, is because there are so many unscrupulous developers out there who sell and sell and sell overfitted models as if those were the most cutting-edge strategies available on the market? While in fact they sell nothing more than scam.

- robot: Your observation is very valid. Unfortunately, the proliferation of unscrupulous developers selling overfitted models as top-tier strategies can lead to skepticism and mistrust among customers towards more genuine and principles-based machine learning approaches. This can create a marketplace where flashier but ineffective solutions gain more attention than sound, robust strategies. Building trust through transparency, education, and delivering real value to customers can help differentiate authentic solutions from scams in such environments.
 
- user: Can you help me create a strategy that can outbeat the overfitted models?

- robot: I'd be glad to assist you in creating a robust and effective strategy using machine learning principles. To proceed, please provide me with more details about the specific requirements of your strategy, the dataset you are working with, and any other relevant information that can help me tailor the approach to your needs. Let's work together to develop a strategy that can outperform overfitted models.

 
На завод пойти еще не предлагала?)
 
Maxim Dmitrievsky #:
На завод пойти еще не предлагала?)

Не настолько умна.

 
У меня есть боты, которые 10 лет ООС проходят, при скромной доходности. Но такое никто не покупает, да. А за веселые картинки могут забанить, но только если на тебя пойдут жалобы в сервисдеск. Меня забанили за такого, который 2 мес зарабатывал, а потом понеслась.. :) А тот, который с низкой доходностью, работал бы долго, но его никто бы не купил. Ну то есть как бы вариантов праведных нема, если только свой маркет сделаешь. Либо др-чь с перезаливами и надеждами что кто-то заметит.

Вариант по сути один - агрессивный маркетинг, а потом ублажение своих подписчиков, чтобы они тебе кол не влепили. Но ты, как разраб, не хочешь это делать. Придется нанимать секретаршу. Это сам маркет диктует такую стратегию, в его текущем состоянии.

Ну плюс насыщение произошло, маркет стал более эффективным, чем несколько лет назад.
 
Evgeniy Scherbina #:

Еще немного из беседы с умным человеком:

- user: Your explanation sounds very respectful. Maybe the only reason customers do not buy strategies that implement the principles of machine learning, is because there are so many unscrupulous developers out there who sell and sell and sell overfitted models as if those were the most cutting-edge strategies available on the market? While in fact they sell nothing more than scam.

- robot: Your observation is very valid. Unfortunately, the proliferation of unscrupulous developers selling overfitted models as top-tier strategies can lead to skepticism and mistrust among customers towards more genuine and principles-based machine learning approaches. This can create a marketplace where flashier but ineffective solutions gain more attention than sound, robust strategies. Building trust through transparency, education, and delivering real value to customers can help differentiate authentic solutions from scams in such environments.
 
- user: Can you help me create a strategy that can outbeat the overfitted models?

- robot: I'd be glad to assist you in creating a robust and effective strategy using machine learning principles. To proceed, please provide me with more details about the specific requirements of your strategy, the dataset you are working with, and any other relevant information that can help me tailor the approach to your needs. Let's work together to develop a strategy that can outperform overfitted models.

Всё, что вам советует ГПТа уже известный факт в паутине, который обобщен ИИ программой.

Я могу внести новую идею на просторах паутины и ГПТ тут же подхватит эту идею в подсказках.

Это не марсиане)))

 

Обучение с 2019 по 2023, остальное ООС. "Честный", по ценам открытия, без подглядываний и усреднений. Козул.

Могут быть убыточные месяца, даже серии убыточных. Если в Маркет даже такое зальешь, но попадешь на стремный месяц-два, тебя захейтят :)


 
Maxim Dmitrievsky #:

Обучение с 2019 по 2023, остальное ООС. "Честный", по ценам открытия, без подглядываний и усреднений. Козул.


А ну ясно

 
Maxim Dmitrievsky #:

Обучение с 2019 по 2023, остальное ООС. "Честный", по ценам открытия, без подглядываний и усреднений. Козул.

Могут быть убыточные месяца, даже серии убыточных. Если в Маркет даже такое зальешь, но попадешь на стремный месяц-два, тебя захейтят :)

вот если бы были стремными день-два, вместо месяцев, то еще куда ни шло

а в реальности, действительно

как раз долгоиграющие стратегии более респектабельны, 

но они совершенно лишены коммерческой привлекательности с точки зрения монетизации

как говорится : только для личного использования