Нейронный советник - 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
ждем результаты теста торговли
Эта сеть еще не обучена! По готовности опубликую полную версию и тесты.
Еще бы понять как к этому эксперту код трейлинг стоп добавить!
у нейронок не может быть трала, т.к. пуск и стоп срабатывает по алгоритму
у нейронок не может быть трала, т.к. пуск и стоп срабатывает по алгоритму
у нейронок не может быть трала, т.к. пуск и стоп срабатывает по алгоритму
Поищите советник NeuroStar, там все реализовано и трал и т.д.
Наверное из этой темы:
https://www.mql5.com/en/articles/706
Поищите советник NeuroStar, там все реализовано и трал и т.д.
Наверное из этой темы:
https://www.mql5.com/en/articles/706
В этой статье советник не проверяется на форварде. У автора в магазине все советники переобучены и на новых данных - сливают (только что проверил).
То есть, понятно, ради чего статья. Ради того же, что и про NeuroPro - показать возможность покрутить нейронки самому в руках, если не умеешь их кодировать.
Это не плохо, а нормально. Пусть и не работают, но возможность поюзать в руках - это довольно занимательно.
Простую MLP сложно научить что-то там распознавать, у неё задача другая - усреднить веса под задачи оптимизации: ради высокого баланса на оптимизируемом периоде, либо ради низкой просадки и так далее.
Но на новых данных она не умеет работать, не умеет адаптироваться, поскольку в ней нет интеллектуальной начинки. Нет механизма адаптации, нечему адаптироваться.
А найти рабочую ТС - это значит найти комплекс каких-то взаимосвязей, сложных взаимосвязей. Тут нужно что-то "посложней" обычной MLP
Но на новых данных она не умеет работать, не умеет адаптироваться, поскольку в ней нет интеллектуальной начинки. Нет механизма адаптации, нечему адаптироваться.
А какую архитектуру нейронной сети с механизмами адаптации к новым данным вы можете порекомендовать?
Как вы думаете, нейронная сеть с какой архитектурой способна справиться с этой задачей?
А какую архитектуру нейронной сети с механизмами адаптации к новым данным вы можете порекомендовать?
Как вы думаете, нейронная сеть с какой архитектурой способна справиться с этой задачей?
Хаа!
Тут спецы пишут 100500-ую статью про нейросети с супер-пупер архитектурами на 8000 строк кода включаемых файлов - и ни одна не работает.
А Вы меня спрашиваете))
У меня чисто интуитивно, попробовав разные архитектуры, представление: что-то типа свёрточных сетей. То есть, нечто, что читает контекст рынка. Не просто четкие паттерны, а ситуации, когда один и тот же паттерн сейчас говорит в бай, а потом говорит в сел.
Либо такой подход: есть двигатель. Чтобы он потянул груз, нужны десятки деталей и конструкций, чтобы сопровождать работу двигателя.
Или микрофон. Если его подсоединить к динамику, провод к проводу - почему он не работает? Почему я говорю в него, а динамик ничего не передаёт? Ну окей, нужна энергия, давайте батарейки подключим. Подключаем - начинается какой-то шум в динамике, скрежет, а микрофон так и не работает.
Чтобы он заработал - нужна интеллектуально-сложная начинка из преобразований электричества, и только потом подключать к динамику, только тогда микрофон начинает работать.
Тоже самое и с нейросетями: мы пихаем входные данные в нейросеть, которая перемножает эти числа, и даёт на выходе число. Всё. Аналогично микрофон воткнуть в динамик, без каких-то дополнительных действий, аналогично движок без свечей зажигания, залил бензин - а он не едет.
И вот, мне представляется какая-то сложная система с преобразованием чисел, которые будут бегать по "отделам" из нескольких нейросетей, каждая там что-то отвечает, либо другие какие-то преобразования.
В этой связи кажутся интересными всякие CNN, LSTM и прочие, при которых новые данные не являются критически "другими", как это является дла MLP, ведь если в последнюю пихать ряд цен, то при сдвиге окна всего лишь на новую цену, при которой остальные 10 штук остаются как и в пролый раз такими же (просто прибаляется новая цена) - все они 10 штук перемножаются на совершенно разные числа весов, ведь веса в MLP не имеют окна сдвига, и не двигаются за временным рядом.
Но, к великому сожалению, даже в Питоне, с его готовыми наборами всех известных нейросетей, даже если комбинровать (CNN+LSTM+MLP+дропауты/регуляризации/и прочее) - ни-че-го не работает. Питон все абсолютно комбинации архитектур сетей превращает в запаздывающую скользящую среднюю, когда на макроуровне график ПРЕДИКТ/ФАКТ кажется ГРААЛЕМ, а на микроуровне видишь, что отработка каждого шага 50 на 50, просто предикт разворачивается за ценой, как скользащяя средняя с малыми периодом.
В то же время, в моей теме "Что подать на вход нейросети" бывают такие сеты, которые отрабатывают по несколько лет на одном простейшем нейроне. Вообще без какой-либо интеллектуальной и сложной начинки. Как это всё эксплуатировать в стабильную систему - лично я не нашёл. Ни сам, ни на этом сайте.
UPD
Последний интересный случай - гребневая регрессия.
Я запихал в неё все валютные пары, кроме йеновских - и она угадывает следующую цену по EURUSD в 70% случаев. Либо это ошибка у меня, либо это удачный период графика. Всё это надо проверять. Пока не скажу ничего за стабильность.
Мое отношение к нейросетям:
https://www.mql5.com/ru/blogs/post/750485