GRAIL yolunda kenar etkisi - sayfa 4
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Telefonu kapatmak. Anladım.
Sadece bir DLL'nin nasıl oluşturulacağını bulmak için kalır.
Matematik için:
İlginç fikir. Ancak. :) Gerçek şu ki, kişi kusurlu olması nedeniyle belirli sınır koşullarında çalışan bir şey icat etme eğilimindedir.
Kara için çarktan, deniz için küreklerden başlayıp trend ve düz stratejilerle biten. Sistemlerimizi birkaç alt sistemden oluşturuyoruz:
bir ticaret stratejisi, sınır koşullarını belirleyen bir filtre sistemi ve ilk ikisinin başarısızlıklarını sınırlamak için tasarlanmış bir para yönetimi alt sistemi.
Bu sadece alıştığımız şekilde. Ancak fiyatın temel (temel) özelliklerine dayanan bu ticaret stratejisinin (yöntemi) varlığı ve dolayısıyla,
kârlıdır, "yama" alt sistemlerinin geri kalanını basitçe gereksiz kılar. Ve bu sistem basit olmalıdır.
Ne yazık ki (ya da neyse ki), henüz kimse bulamadı. Ve bulursan haberimiz olmaz :)
işe dönüyorum.
Kalıpları ararsanız, fiyatın kendisinde.
Bu doğru!
Asıl hatamız, diferansiyel hesabın matematiksel aygıtını (Taylor serisi vb.) fiyat tipi VR için kullanmaya çalışmamızdır. Tabii ki, bu imkansız. fiyat serisi düzgün değil (ilk fark işaret değişkendir) ve bu durumda bir sonraki "parlak" adımı atıyoruz - orijinal VR'yi hareket veya dalgacıklarla düzeltiyoruz ve bunu unutarak zaten düzgün seriyle her şeyi yapıyoruz prosedür, zaten sahip olduğunuza herhangi bir yararlı bilgi eklemez. Mecazi anlamda kendimizi bataklıktan saçımızla çekmeye çalışırken zamanı işaretliyoruz. Fiyat serisini yumuşatmak ve ardından orijinal VR'de olmayan bilgileri elde etmek için (herhangi bir şekilde) temelinde bir tahmin oluşturmak imkansızdır.
Bu nedenle, zaman ve emek harcamamanın tek yolu, doğrudan veya dolaylı olarak diferansiyel hesaplama yöntemlerini kullanmadan orijinal fiyat serileri ile çalışmaktır, örneğin Millet Meclisi aparatını, gerileme yöntemlerini vb. kullanmak mantıklıdır. .
Bu doğru!
Asıl hatamız, diferansiyel hesabın matematiksel aygıtını (Taylor serisi vb.) fiyat tipi VR için kullanmaya çalışmamızdır. Tabii ki, bu imkansız. fiyat serisi düzgün değil (ilk fark işaret değişkendir) ve bu durumda bir sonraki "parlak" adımı atıyoruz - orijinal VR'yi hareket veya dalgacıklarla düzeltiyoruz ve bunu unutarak zaten düzgün seriyle her şeyi yapıyoruz prosedür, zaten sahip olduğunuza herhangi bir yararlı bilgi eklemez. Mecazi anlamda kendimizi bataklıktan saçımızla çekmeye çalışırken zamanı işaretliyoruz. Fiyat serisini yumuşatmak ve ardından orijinal VR'de olmayan bilgileri elde etmek için (herhangi bir şekilde) temelinde bir tahmin oluşturmak imkansızdır.
Bu nedenle, zaman ve emek harcamamanın tek yolu, doğrudan veya dolaylı olarak diferansiyel hesaplama yöntemlerini kullanmadan orijinal fiyat serileri ile çalışmaktır, örneğin Millet Meclisi aparatını, gerileme yöntemlerini vb. kullanmak mantıklıdır. .
Hiç kimse mevcut dönüştürme yöntemlerine bazı bilgiler eklemekten bahsetmiyor.
Ben tam tersini söylüyorum, dönüşüm gereksiz bilgileri ortadan kaldırmanın ve yararlı bileşenine odaklanmanın bir yolu.
Bu arada, NN'yi saf fiyat verileriyle eğitemezsiniz. Yine de, bir şekilde normalleştirilmeleri ve düzleştirilmeleri gerekecek. Bu da bir dönüşüm :)
Regresyon yöntemlerine aşina değilim, bu yüzden onlar hakkında tartışmayacağım.
Ben tam tersini söylüyorum, dönüşüm gereksiz bilgileri ortadan kaldırmanın ve yararlı bileşenine odaklanmanın bir yolu.
Bu arada, NN'yi saf fiyat verileriyle eğitemezsiniz. Yine de, bir şekilde normalleştirilmeleri ve düzleştirilmeleri gerekecek. Bu da bir dönüşüm :)
Doğru söylediğin bu.
Bu arada sinir ağları herhangi bir veri üzerinde tam olarak ne eğitilebilir, tek soru ne kadar süreceği... Eğitim çok kaynak yoğun bir süreç ve bizim görevimiz girdi verisini görevi yapacak şekilde hazırlamak. sinir ağı için mümkün olduğunca kolay, ancak aynı zamanda onun için çözmeyin :-)
NN için verilerin ön yumuşatılmasına gelince, bu saçmalıktır, çünkü bu prosedür sırasında kaçınılmaz FD, NN'yi öngörücü niteliklerinden tamamen mahrum bırakacak veya daha doğrusu ona yeni bir şey vermeyecektir. Ama kendimi tekrar ediyorum.
Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время...
Ancak veriler gürültülüyse eğitim daha az başarılı olur, değil mi? Ayrıca örnekler zamanla değişir. Ve uzun bir eğitim dönemi seçerseniz, veriler tutarsız olacaktır. Kurallar ve kitlelerin olaylara tepkisi değiştikçe ağın sürekli olarak yeniden eğitilmesi gerekiyor.
Öğrenme çok kaynak gerektiren bir süreçtir ve bizim görevimiz, girdi verilerini görevi NN için mümkün olduğunca kolaylaştıracak, ancak aynı zamanda onun için çözmeyecek şekilde hazırlamaktır :-)
Kabul ediyorum :)
NN için verilerin ön yumuşatılmasına gelince, bu saçmalıktır, çünkü bu prosedür sırasında kaçınılmaz FD, NN'yi öngörücü niteliklerinden tamamen mahrum bırakacak veya daha doğrusu ona yeni bir şey vermeyecektir. Ama kendimi tekrar ediyorum.
Ağı düzgünleştirilmemiş veriler üzerinde eğitmeyi gerçekten başardınız mı ve böylece eğitim seti dışında bir süre çalışacak mı?
Ancak veriler gürültülüyse eğitim daha az başarılı olur, değil mi?
Gürültünün nerede olduğunu ve faydalı bilgilerin nerede olduğunu yargılamayı taahhüt ediyorsunuz? Gerçeği bildiğimden bu kadar emin olmazdım, bırakın Ulusal Meclis bu değerli görevi onun için çözsün.
Ayrıca örnekler zamanla değişir. Ve uzun bir eğitim dönemi seçerseniz, veriler tutarsız olacaktır. Kurallar ve kitlelerin olaylara tepkisi değiştikçe ağın sürekli olarak yeniden eğitilmesi gerekiyor.
%100 katılıyorum
Ağı düzgünleştirilmemiş veriler üzerinde eğitmeyi gerçekten başardınız mı ve böylece eğitim seti dışında bir süre çalışacak mı?
Ağı tahminin her adımında (her örnekte) yeniden eğitiyorum veya daha doğrusu sıfırdan eğitim yapmıyorum, tam olarak düzgünleştirilmemiş veriler üzerinde yeniden eğitiyorum.
Şu anda, eğitim dönemlerinin (y ekseni) bir fonksiyonu olarak doğru olarak tanınan fiyat hareketi yönlerinin (y ekseni) oranını araştırıyorum. Veriler, gizli katmanda 8 nöron ve 3 giriş bulunan iki katmanlı doğrusal olmayan bir NN için verilmiştir. Eğitime katılmayan veriler üzerinde kırmızı eğitim setini, mavi test setini gösterir. Her nokta, 100 bağımsız deneyin istatistiksel işlenmesinin sonucudur.
Matlab 7.01'i yükledim. Güçlü şey.
Bulunan dalgacıklar.
Sinyalimi sisteme nasıl yükleyebilirim?
Örneğin bir metin dosyasından MATOV'a bir dönüştürücü var mı?
Neden son 77 değil? Özellikle dll ile çalışırken hataları düzeltir. Periyodik olarak asılan 7.1'den bir dll'im var, nedenini aramak için işkence gördüm, bulamadım. 77 ile gayet iyi çalışıyor, ayrıca dosya içeren fazladan klasör yok. Bir disk satın aldıysanız, onu en son R2008b ile değiştirmenizi tavsiye ederim.
Ağın vakaların %30'unda yönü tahmin ettiğini şekilden doğru mu anladım?
Ağlar kuruluyla çalışmayı denemedin. Örneğin, çözümü netleştirmek için 3 veya 5 ile.
Veya bir çift ağ ile: biri yalnızca yukarıyı, ikincisi yalnızca aşağıyı tahmin eder.
Bu arada, neden tam olarak 3 (veya 5, kafam karıştı;)) giriş nöronları. 4, 7 veya 15 girişli ağlarla yeni tanıştım :)
ps
Biraz deneme yaptım. mevcut olana en benzer durumları arayan ve tüm hikayeyi hafızaya aldı.
vektör mesafesi yöntemiyle (elbette normalleştirilmiş vektörler). Vakaların %60'ında tarih tekerrür eder :)
Ancak her şey hala tahmin aralığına ve vektörün uzunluğuna bağlıdır.
Neden son 77 değil? Özellikle dll ile çalışırken hataları düzeltir. Periyodik olarak asılan 7.1'den bir dll'im var, nedenini aramak için işkence gördüm, bulamadım. 77 ile gayet iyi çalışıyor, ayrıca dosya içeren fazladan klasör yok. Bir disk satın aldıysanız, onu en son R2008b ile değiştirmenizi tavsiye ederim.
Pekala, bu ilk bulduğum şey. Daha sonra 7.7 ile değiştireceğim.
Araç kutusunda analiz edilen dalgacıklar. Meyer kesinlikle Daubechies'ten daha uygundur.
Ama yine de bazen yanlış. Örneğin, kusmadan önceki durgunluk anında net bir maksimum gösterir :).
Bununla birlikte, son seviyenin detayı yakın atışa işaret ediyordu. Asgari düzeydeydi.
Sentezlenmiş bir sinyalden ve iki ayrıntıdan bir gösterge yapmak ve bağımlılıkları görmek istiyorum.
Şimdi DLL oluşumu ile anlıyorum.