Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2475
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Bir sinir ağında bunu başarmak için, nöronların türü mümkün olduğunca farklı olmalı ve katmanların sayısı ve bileşimi de keyfi olmalıdır, o zaman bu mümkündür.
peki, 1 çıktıya indirgemek amacıyla diğerlerinden bağımsız olan parametreleri yaklaşık olarak tahmin etmek için - aslında, şu anki ana kadar derinlemesine tarihsel istatistiksel verileri tartmanız gerekir - yani. temsili bir örneğe sahip olmak (ne kadar - hedefi vurma olasılığı o kadar yüksek) ... onları kara kutuda işlemek (tartmak) ... ancak bunların hepsi istatistiktir ve mevcut ekonomik aşamadan bile uzak olabilir . .. - sadece büyük bir varyansla bir ortalama elde edin (ve önyükleme için bir varyasyon katsayısı)
30 yıl içinde görünüyoruz ve tam bir ekonomik döngüden geçtik - şu anda benzer bir ekonomik gelişme aşamasından eğitim için işaretler almak daha iyidir (bence) - başlangıç örneğini azaltmak için . data () ... ama kişisel olarak bu verilere sahip değilim (bu kadar uzun bir süre için tam teşekküllü bir analizin geçerliliğine inanmam gerekiyor) ....
Herkes temelde sabit bir mimari sinir ağı kullanır, ancak bir nedenden dolayı mimarinin de esnek olması gerektiğini anlamıyorlar, bu esnekliği yok ediyoruz, aşırı eğitimi en aza indirme olasılığını yok ediyoruz. Genel olarak tabiki aynı kriterler basit modellere de uygulanabilir gerekirse hatta o zaman mutlaka iyi bir ilerleme olur benim modelim kesinlikle bir kaç ay ileride kar verir ve ayarlar bir gün içinde güncellenebilir . Ana püf noktalarından biri, mümkün olduğu kadar çok veriyi (10 yıllık geçmiş ve üzeri) almaktır , bu durumda, küresel kalıplar aranır ve bunlar piyasanın kendi fiziğine ve çoğu durumda temel alınır. hala çok uzun süre çalışıyor.
bu bir hile değil, gerçeklikten uzaklaşma girişimidir ... IMHO
(Ayrıca, şu andaki kabuğu ve anlamsızlığı analiz etmeden daha düşük maliyetlerle - mantıklı olanlarla - normal bir ileri adım atabilirsiniz - her şey yalnızca karşılaştırmalı olarak ve bir kara kutuda bilinmesine rağmen , ancak yine de, ilk önce açılır beyin ve hatta o kadar derin makine öğrenimi değil, ancak mevcut piyasa durumunda önemli olan işaretlere göre sadece mevcut anın bir kısmı ile ilgili) - ve o zaman tarihten gerekli tüm veriler mevcut değil ...
Ne de olsa, Ekosistemi anlamak ve içindeki metabolizma ve enerji hakkında bir bilgi tabanı, sürüş haberlerinin/olaylarının zamanında farkındalığıyla birleştiğinde, yalnızca ortalama ve dağılım uğruna bu tür PC kapasitelerini yüklemeden Evrimi tahmin etmenin bir yoludur. .. BENİM NACİZANE FİKRİME GÖRE
ama gözlemleriniz için teşekkürler... ama benim için böyle bir derin öğrenmeye ihtiyaç tartışılabilir (muhtemelen kara kutu için tartışılmaz olsa da)
Tabii ki vizyonum bir standart değil, temelde zamandan tasarruf açısından tartışıyorum, çünkü birçok insanla konuştum ve 5 yıl içinde bu forumu okuyacağımız ve belki güleceğimiz bir sır değil. kendimiz, bana öyle geliyor ki, tüm başarılar boş değil ve alınanları ölçeklendirmeye çalışmanız gerekiyor. Çoğu zaman her şeyi cehenneme göndermek istedim ama nedense para getirmese de yapmadım. Bana öyle geliyor ki bunun nedeni, bu deneyimin çok değerli olması, herkesin kendine ait olması, ancak elimizdeki tek şey ya devam etmek, hatta bir meyhaneye gidip uyumak.. Bana öyle geliyor ki, sadece ihtiyacımız var. başlangıcı olan her şeyi ölçeklendirmek ve güçlendirmek - bir şey ve hala bana öyle geliyor ki, büyük olasılıkla her şey çok basit. Bir şeyi ne kadar karmaşık hale getirirsem ve orada anlaşılmaz bir matematiği o kadar çok kullanmak istersem, her şey o kadar az tahmin edilebilir olur. Dürüst olmak gerekirse, bunun için yıllarını harcayan herkes, ayda yüzde 100 göremeyeceğini anlıyor ve bu zamanı harcamayanlar, yılda 100'ünüze bakıp, ayda 100'ü para bile ödemeden bir sinyal alacaklar. 2 ay asılı kalmasına dikkat
peki, 1 çıktıya indirgemek amacıyla diğerlerinden bağımsız olan parametreleri yaklaşık olarak tahmin etmek için - aslında, şu anki ana kadar derinlemesine tarihsel istatistiksel verileri tartmanız gerekir - yani. temsili bir örneğe sahip olmak (ne kadar - hedefi vurma olasılığı o kadar yüksek) ... onları kara kutuda işlemek (tartmak) ... ancak bunların hepsi istatistiktir ve mevcut ekonomik aşamadan bile uzak olabilir . .. - sadece büyük bir varyansla bir ortalama elde edin (ve önyükleme için bir varyasyon katsayısı)
30 yıl içinde görünüyoruz ve tam bir ekonomik döngüden geçtik - şu anda benzer bir ekonomik gelişme aşamasından eğitim için işaretler almak daha iyidir (bence) - başlangıç örneğini azaltmak için . data () ... ama kişisel olarak bu verilere sahip değilim (bu kadar uzun bir süre için tam teşekküllü bir analizin geçerliliğine inanmam gerekiyor) ....
bu bir hile değil, gerçeklikten uzaklaşma girişimidir ... IMHO
(Ayrıca, şu andaki kabuğu ve anlamsızlığı analiz etmeden daha düşük maliyetlerle - mantıklı olanlarla - normal bir ileri adım atabilirsiniz - her şey yalnızca karşılaştırmalı olarak ve bir kara kutuda bilinmesine rağmen , ancak yine de, ilk önce açılır beyin ve hatta o kadar derin makine öğrenimi değil, ancak mevcut piyasa durumunda önemli olan işaretlere göre sadece mevcut anın bir kısmı ile ilgili) - ve o zaman tarihten gerekli tüm veriler mevcut değil ...
Ne de olsa, Ekosistemi anlamak ve içindeki metabolizma ve enerji hakkında bir bilgi tabanı, sürüş haberlerinin/olaylarının zamanında farkındalığıyla birleştiğinde, yalnızca ortalama ve dağılım uğruna bu tür PC kapasitelerini yüklemeden Evrimi tahmin etmenin bir yoludur. .. BENİM NACİZANE FİKRİME GÖRE
ama gözlemleriniz için teşekkürler... ama benim için bu tür derin öğrenmeye duyulan ihtiyaç tartışmalıdır (muhtemelen bir kara kutu için tartışılmaz olsa da))
Varyans ve diğer sapmalar, olasılıklara dayalı ancak diferansiyel denklemlere dayalı olmayan bir sistemin analizinin doğal bir sonucudur, elde edebileceğiniz tek şey, değişkenlerin "belirli olayların olasılığına" dikkat edildiği bir diferansiyel denklemler sistemidir, sizin için önemli görünen olaylar ve bu olasılığı tahmin etmenin mümkün olduğu ancak kesin değeri olmayan her şey. Bunu anladığınızda, her şey daha kolay hale gelir ve dağılma veya başka şeylerden korkmazsınız. Her zaman sapmalar alacaksınız, göreviniz sadece onları en aza indirmek. Sistemin davranışını uzun vadede yüzde 100 doğrulukla tahmin etmek imkansızdır, ancak karlı ticaret için yeterli olacak belirli göstergelere ulaşmak mümkündür. Demek istediğim, onun işini araba için yapmak zorunda değilsin, ona özgürlüğünü ver ve onun hangi verilere ihtiyacı olduğunu senden çok daha iyi bildiğini göreceksin. Bu arada, kara kutu hakkında, kutu ne kadar siyahsa, o kadar akıllıdır. AI tam olarak bu prensip üzerine inşa edilmiştir.
. Demek istediğim, onun işini araba için yapmak zorunda değilsin, ona özgürlüğünü ver ve onun hangi verilere ihtiyacı olduğunu senden çok daha iyi bildiğini göreceksin. Bu arada, kara kutu hakkında, kutu ne kadar siyahsa, o kadar akıllıdır. AI tam olarak bu prensip üzerine inşa edilmiştir.
- peki, girişte (ve seçim için işaretler) ne kadar fazla veri varsa, yaklaşık tahminin ve hatta buna dayanan tahminin (hala hata olasılığı olsa da) o kadar doğru olduğu açıktır ...
Gönderilerinizden sonra geliştiricinin sorumluluk alanı biraz daha netleşir,
Varyans ve diğer sapmalar, olasılıklara dayalı ancak diferansiyel denklemlere dayalı olmayan bir sistemin analizinin doğal bir sonucudur, elde edebileceğiniz tek şey, değişkenlerin "belirli olayların olasılığına" dikkat edildiği bir diferansiyel denklemler sistemidir, sizin için önemli görünen olaylar ve bu olasılığı tahmin etmenin mümkün olduğu ancak kesin değeri olmayan her şey.
Newton İleri Fark Formülünü Kullanarak Türevleri Bulma Algoritması
. Her zaman sapmalar alacaksınız, göreviniz sadece onları en aza indirmek.
evet, biraz daha önce bıraktığım bağlantıda bir yerde, bir resim vardı ~ tahminin ve hataların parabolün en altına yakınsaması (bu, çok fazla yeniden eğitmemek ve zamanında durmamak için) - Evrim içeri giriyor bu noktaya bir spiral (sanırım, ivmede bir azalma ile , tamamen durana kadar - büyükten küçüğe farkın dalgalanmaları azalana kadar, bir huniye nasıl düşülür)
ps
VBA ile Örtülü Volatiliteyi Hesapla - Newton-Raphson Yineleme ile Örtülü Volatiliteyi Hesapla örneğini izleyerek bir şekilde kodladım - herhangi bir sinyal bulamadım ... ve bu anlaşılabilir (çünkü Black-Sholes para birimi üzerinde hiç çalışmıyor, çünkü Her şey, hayal etmek isteyeceğiniz gibi, orada iki terimli olarak dağıtılmaz)
... Açıkçası, Newton'u hiç tanımıyorum - çok farklı şeyler icat etti mi (?), yoksa (sizin ileri ve benim İma Edilen Volatilite'm) - bu aynı operadan ve aynı perspektiften ve öz aynı ve aynı hesap...? modelleme
ama yine de amaç fonksiyonunu seçme sorunu devam ediyor ... - geliştiricinin de sorumluluğu ... - ne tavsiye edersiniz?
(evet, ileri fark kullanmış olsanız da)
ps
serbestlik derecesine göre - tekrar bakacağım
Ben Talep-Arz'a inanıyorum... örümcek benzeri bir modele (esnekliğe ve Walras'a odaklanın) - denge-dengesizliğine - yönü belirlemek için... (bir dairenin trende girme olasılığı için) - sadece OI ve zaman yönetimi (kendini Walras'a yönlendirmenin her zaman mümkün olmadığı da dahil)...
bir gerçek için - bir bardak (seviyelerin veya oops analizi - bir açılır buzdağı) - elbette, sökmemek daha iyidir, ancak biri zaten seviyeyi demonte ettiğinde ve Zıt YOK mevcutsa (test ile daha iyi) sakince gidin arızadan sonra - bardakta ve bantta da görülebilir)
Walras'ta
Peynir köyünü ve şarap terapi merkezini çok beğendim.
Sadece Newton dilinde konuşabilirim. Anladığım kadarıyla, geçmişteki mevcut eğriye dayalı ileriye dönük tahmin, bunu çok uzun zaman önce yaptım, fiyatla hiç çalışmıyor, eğer bahsediyorsanız, kelimeden hiç. Ancak, ileriye dönük test programını tahmin etmeye çalışırsanız işe yarar, ancak bunun gibi nüanslar vardır:
Bu tamamen benim deneyimim. Bir şeyi tahmin etmenin herhangi bir yöntemi, bir fonksiyonun bir polinom tarafından enterpolasyonuna, ardından bir devamın oluşturulmasına dayanır, Newton'un nasıl yaptığını bilmiyorum, ama büyük olasılıkla ne kadar derin mertebenin türevleri hesaplanır ve sonra varsayılır. bu işlev için sabit oldukları, elbette zamanla tüm bu değişikliklere rağmen (piyasada bu tür tahminler hiç çalışmıyor, doğrulandı). İleriye dönük bir geriye doğru test öngörüyorsanız, grafiği mümkün olduğunca düz yapmanız ve içinde mümkün olduğunca çok nokta bulundurmanız gerekir (bu durumda veri veya işlemler, o zaman biraz ileriye bakabilirsiniz). Başka bir deyişle, mümkün olduğunca çok sayıda birinci türevin oldukça dar dalgalanma aralıklarına sahip bir örnek bulduysak, bu tür ekstrapolasyon yöntemleri kısmen işe yarayacaktır, asıl mesele açgözlü olmamak ve zamanında durmamaktır, işte ilk iki rakamlar, bunlar iki durum, ikincisi bize yakışıyor ve ilki rastgele verecek. Aşağıda, parti büyüklüğünü kullanarak belirsizlikle nasıl başa çıkılacağını gösteriyorum (eğer tahminin gücünü tam olarak nerede kaybedeceğini bilmiyorsak). Burada yöntemlerin kendileri zaten arka plana düşüyor, Fourier'i enterpolasyon yapmak ve geleceğe bir devam çizmek mümkündür, ancak bu keyfi işlevlerle çalışmayacaktır. Öğrenme hunisine gelince, yeniden eğitimi farklı şekillerde kontrol edebilirsiniz, başka insanların formüllerini hiç almadım, çünkü gerekirse kendim kendiminkini hemen perçinleyebilirim ve büyük olasılıkla daha basit ve daha kullanışlı olacaklar, basitçe çünkü her şeyi anlıyorum. Hep böyleydi, hiç sorun yaşamadım.
Sadece Newton dilinde konuşabilirim. Anladığım kadarıyla, geçmişteki mevcut eğriye dayalı ileriye dönük tahmin, bunu çok uzun zaman önce yaptım, fiyatla hiç çalışmıyor, eğer bahsediyorsanız, kelimeden hiç.
Bu tamamen benim deneyimim. Bir şeyi tahmin etmenin herhangi bir yöntemi, bir fonksiyonun bir polinom tarafından bir devamın müteakip inşası ile enterpolasyonuna dayanır, Newton'un nasıl yaptığını bilmiyorum, ama ... (bu tür tahminler piyasada hiç çalışmaz, bu Doğrulandı).
bu sonucun benim için ilginçti - teşekkürler! -
Öğrenme hunisine gelince, yeniden eğitimi farklı şekillerde kontrol edebilirsiniz, başka insanların formüllerini hiç almadım, çünkü gerekirse kendim kendiminkini hemen perçinleyebilirim ve büyük olasılıkla daha basit ve daha kullanışlı olacaklar, basitçe çünkü her şeyi anlıyorum Bu hep böyleydi, hiç sorun yaşamadım.
+1, ama fizikçi değilim ... kendi mantığım bana diğer insanların modellerini kullanmaktan daha yakın olsa da
İleriye dönük bir geriye doğru test öngörüyorsanız, grafiği mümkün olduğunca düz yapmanız ve içinde mümkün olduğunca çok nokta bulundurmanız gerekir (bu durumda veri veya işlemler, o zaman biraz ileriye bakabilirsiniz). Başka bir deyişle, mümkün olduğunca çok sayıda birinci türevin yeterince dar dalgalanma aralıklarına sahip bir örnek bulmuşsak, bu tür ekstrapolasyon yöntemleri kısmen işe yarayacaktır,
genel olarak, 1. türevinin doğrusal olacağı normal bir parabole sahip olmak ... sonuç olarak, tanımladığınız tüm eşlik eden şeylerle (dar aralık) sadece eğim katsayısını (bir trend gibi, gürültüden arındırılmış) elde ederiz. çok sayıda 1x türevi) ... Yüzüm mavi olana kadar kendimi tartmalı mıyım? (çıktıda bir parabol elde edene kadar birkaç katman)? .. daha doğrusu, 1x türevlerinin doğrudan doğrusu
Burada yöntemlerin kendisi zaten arka plana düşüyor, Fourier'i enterpolasyon yapmak ve geleceğe bir devam çizmek mümkündür, ancak bu keyfi işlevlerle çalışmayacaktır.
bu, dağılımı göstermemek ve tablo / ampirik ile karşılaştırmamak ve istatistiksel olarak her hapşırmanın onayını aramamak için sinir ağlarında ilgimi çekiyor (“ortalamayı doğru belirledim mi” ye kadar), boş hipotezi karşılaştırarak tablo göstergesiyle ... - bu genel olarak, geçen yüzyılın bazı istatistikleri. işleme ... genel olarak, hem modelin hem de tahminin ve hataların güvenilirliğini kanıtlamamak için ve tüm bunlar geçen yüzyıldan kalma tabletlerle (ifade için üzgünüm)
veya alternatif olarak, sadece çok katmanlı tartım (anladığım kadarıyla bir sinir ağı) ... daha önce söylediğim gibi: maviye dönene kadar? (çıktıda bir parabol elde edene kadar birkaç katman)? .. daha doğrusu, 1x türevlerinin doğrudan doğrusu
??? veya genel olarak herhangi bir işlevi unutun (parabol dahil ) ve sadece ağırlık*sinyal(olay) -> sonraki seviyeyi arayın ... ve her seviyede Excel'de olduğu gibi kabaca önemsiz bir işlev seçin Bir Çözüm Bulmak (doğrusal için) bağımlılık veya doğrusal olmayan bağımlılıklar veya bağımsız veriler için) [Excel'de bu isimlerle başlığın altında ne olduğunu bilmiyorum, ancak bunlar ayrıntılar, mantığa vurgu]
ve bir sonraki seviyedeki sinyallerin yakınsama noktasında (önceki ağırlıkları dikkate alarak), alınan sinyallerin tüm farklarını hesaplayın...
? Herhangi bir eğriye/düz çizgiye bağlı kalmaya gerek kalmadan kaosun makine güçleri tarafından sinir ağını ve farklılaşmasını doğru anlıyor muyum - ki bu bana göre sadece kaos yapılanmasının bir sonucu olabilir , başlangıç noktası değil... Ben tamamen geliştiricinin sorumluluğundayım - yüzgeçte yatmak için hiçbir neden inanmıyorum ve görmüyorum. kitaplardan / bloglardan / makalelerden (ve istatistik işlenmiş dağıtımlardan) herhangi bir finansal modelin kaos tahmini / enterpolasyonu ile analizi ... çıktının daha fazla tahmin edilmesi için
ps
Derinlerde, sadece hız (x'te katsayı) ve ivme (x ^ 2'de katsayı) ve serbest üyenin yer değiştirmesi olduğunu anlıyorum - bir parabolde, elbette, bunun 1. türevi doğrusaldır ... formüller genellikle beni korkutur, özellikle yabancı modeller
Burada bazı gerçekler var, ancak modelimi kontrol ettim, asıl şey ne tür bir ileriye güvendiğimizi bilmek. Sorun yeniden eğitimdedir, yeniden eğitmemek için, analiz edilen veri miktarının nihai ölçüt kümesine maksimum oranı için çaba göstermeniz gerekir, başka bir deyişle, burada veri sıkıştırma gerçekleşir, örneğin, analiz edebilirsiniz. parabol grafiğinin verilerini alın ve birkaç bin puan alın ve her şeyi üç katsayıya indirin A * X ^ 2 + B*X + C . Orada veri sıkıştırma kalitesinin daha yüksek olduğu ve bir ilerlemenin olduğu yer burasıdır. Fazla takma, bu veri sıkıştırmasını hesaba katan doğru skaler performans ölçüleri girilerek kontrol edilebilir. Benim durumumda, bu daha basit bir şekilde yapılır - sabit sayıda katsayı alınır ve örnek boyutu mümkün olduğunca büyük alınır, bu daha az verimlidir ancak çalışır.
Cevabınızı daha önce buldum... muhtemelen, bir önceki gönderi için acelem vardı... muhtemelen, gerçekten, hareketi hız ve ivme ile tanımlayan bir fonksiyon olarak en azından bir parabolden itmeye değer... (hatta bir keresinde bununla ilgili bir araştırma gördüm) tür çizelgeler ve Yunanlılar (delta ve gama) seçenekleri - hatırlayıp bulana kadar - ve bu gerekli değil - çünkü zaman analizine ihtiyacınız var - dikey değil yatay)