交易中的机器学习:理论、模型、实践和算法交易 - 页 346 1...339340341342343344345346347348349350351352353...3399 新评论 Maxim Dmitrievsky 2017.05.13 18:49 #3451 nowi:但是......使用这种技术的意义并不在于它比人做得更酷,而只是在于它的方便、快速和高性能。 他们在这方面做得更好,识别错误更少。高度专业化的神经网络在识别图像方面更出色,速度也更快。另一件事是,如果一个物体在训练样本之外,不能被正确识别,一个人就会连接他或她的其他大脑资源,而这些资源根本不包括在NS他们不会发现任何直接 "隐藏 "的东西,在我看来,你只需要有意识地选择预测器。 至于LSTM,在我看来,它们应该只是对时间序列有好处,因为它们不仅可以概括出买入和卖出的信号,而且还可以根据市场的变化和预测者过去的行为,调整预测者在不同环节上的效率变化,这将是NS的 "记忆" nowi 2017.05.13 19:03 #3452 Maxim Dmitrievsky: 他们的工作更酷,识别错误更少高度专业化的神经网络在识别图像方面更出色,速度也更快。另一件事是,如果对象超出了训练样本,不能正确识别,一个人就会连接他或她的其他大脑资源,而这些资源根本不包括在NS他们不会发现任何直接 "隐藏 "的东西,在我看来,你只需要有意识地选择预测器即可。 好吧,你难道没有尝试过设置某个明显可以解决 但非常困难的任务,以检查网络在实验中的真正能力吗?例如,一个非常嘈杂的人工生成的样本,有一个已知的确定性成分,一些复杂的函数,如果事先不知道,光靠眼睛是不可能计算的...也许有一些链接到这种研究....。 还有一件事:试试时滞网络...它最适合预测时间序列...我没有试过,因为我不太擅长这个。 Yuriy Asaulenko 2017.05.13 19:05 #3453 nowi:顺便说一下,你认为神经网络在预测方面有什么用......我会解释。我们需要了解主要的事情--要么神经网络能够检索真正隐藏在眼睛里的复杂关系,要么将一些复杂的过程自动化,这些过程不容易被形式化,如模式识别,但人脑/眼睛很容易处理,但有必要将人类从这种常规任务中解脱出来......一个简单的例子:机场的人脸识别。人类可以很容易地做到这一点,但现在这个过程需要自动化,它不能用通常的方法来完成......一些技术,如神经网络被使用......使用这种技术的重点不是说它比人类更酷,而只是方便、快速和高性能......这在交易中是怎么回事:使用神经网络进行模式识别的任务......为什么?"人脑不能解决这个问题吗?"比如人脸识别......在1000人中,一个人在瞬间就能认出一张熟悉的脸。神经网络是否真的有潜力超越生物神经元?NS的潜力超过了 "人类神经元",至少在人脸识别和一切一切方面)。这很明显,我想。将人类的工作量减少几十倍甚至几百倍。 一般来说,神经元不是用来预测的。神经元的预测更像是识别(分类)的一个副作用。如:太阳在日落时分是红色的(认识)--明天是个大风天(预测)。如果真的有超越生物神经网络的潜力......一个好的交易员通常用手交易比任何系统都好,自动系统也不会做得更好,但不要盯着显示器,不要坐立不安)。 nowi 2017.05.13 19:09 #3454 尤里-阿索连科。NS具有超过 "人类神经元 "的潜力,至少在人脸识别和所有方面)。这 很明显,不是吗?它将人类的劳动投入减少了几十倍甚至几百倍。 一般来说,神经元不是用来预测的。神经元的预测更像是识别(分类)的一个副作用。如:日落的太阳是红色的(认识),明天是个大风天(预测)。一个好的交易员通常用他的手进行交易比任何系统都要好,自动系统也不会做得更好,但为了不盯着显示器和坐在裤子的位置上)。 这不是一个矛盾的问题吗.... Maxim Dmitrievsky 2017.05.13 19:12 #3455 nowi: 好吧......但你是否尝试过设置一个已知 可以解决但非常复杂的具体问题,以检查网络在实验中的真正能力......例如,一个非常嘈杂的人工样本,有一个已知的确定性成分,一些复杂的函数,如果事先不知道,是不可能用眼睛计算出来的...是否有任何关于这种研究的参考资料.... 我没有太多的经验,现在我只有用国家计算机改进已经工作的策略的结果......也就是说,国家计算机在相同的预测因素下,找到了比我试图做的更好的市场进入 信号......这是一个事实......我没有任何偏见,我稍后会看一下市场。我将阅读关于时滞网络的资料,谢谢,我不知道。 Yuriy Asaulenko 2017.05.13 19:26 #3456 nowi: 这不是一个矛盾的问题吗....你认为什么是矛盾的?我没有看到。根据之前的帖子。神经元上有噪声抑制器。 nowi 2017.05.13 19:43 #3457 尤里-阿索连科。你认为什么是矛盾的?我没有看到。根据之前的帖子。有神经网络的噪音消除器。 好比在什么...NS至少比 "人类神经元学 "更有 潜力 在面部识别和所有这些方面。 但与此同时,手动交易员,即没有人工智能,潜力较低,应对所有这些任务的能力差得多,为什么会突然 比 任何系统 更好地 进行交易呢?这是最纯粹的矛盾。尤里,让我们保持直呼其名,因为我已经有点吓坏了......被所有的你原谅我......) Yuriy Asaulenko 2017.05.13 20:13 #3458 nowi: 好比在什么...NS有可能至少超过 "人类神经元"。 在面部识别和所有这些方面。 但与此同时,一个手动交易员,即不使用人工智能,潜力较低,而且由于某种原因,应对所有这些任务的能力要差得多,却突然 比 任何系统都要 好......这就是最终的矛盾。我是尤里,让我们保持直呼其名,因为这让我有点害怕......这一切你原谅我......)我很抱歉,但我更习惯于被称呼为 "你")。随你的便吧,这并不妨碍我。 一个先进的现代NS的大脑就像一只蟑螂一样多。一只蟑螂成功地应对了相当广泛的任务。由于NS的高速度,以及整个NS只解决一类问题的事实,它只应对这一类问题,而没有其他问题。交易员可以看到NS没有经过训练(或没有学到)的东西)。不仅如此,与NS不同,他能够应对更广泛的任务。也就是说,即使在理论上,如果不需要超快的反应,交易者有更多的可能性,能够比NS更好地进行交易。顺便说一下,NS也会犯错误。90%的可靠性对NS来说不是一个糟糕的指标。 СанСаныч Фоменко 2017.05.13 21:07 #3459 关于网络和一般的哲学思考,有如此美丽的文字。但我没有看到任何证据,甚至没有对再培训网的主题进行思考。那么,你的所有网络是否都被重新训练过?PS。这是该主题开始时的主要问题。 Forester 2017.05.13 21:20 #3460 马克西姆-德米特里耶夫斯基。 有RNN和RN3以及其未发表的MQL5的文章。在优化器中,RNN比RNN3效果更好。因为RN3有一个错误 - 已要求提供5个点的数据,而概率是按4个点计算的,而且你不是从当前的条形图a0开始,而是从a1开始,有一个偏移的周期。概率的计算不是针对当前时刻,而是针对a1点--因此对a0的结果是不好的))// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно double a0 = rsi[0] / 100.0; double a1 = rsi[p] / 100.0; double a2 = rsi[2*p] / 100.0; double a3 = rsi[3*p] / 100.0; double a4 = rsi[4*p] / 100.0;// Вычисление вероятности double results=RNN(a1,a2,a3,a4);即=RNN(a0,a1,a2,a3)。那么,为了计算5个点--你需要将对数矩阵增加到32条规则,即25 条。 以此类推,如果需要更多的点/输入。如果我们有10个输入,这将意味着210= 1024个输入变量 ))))我不知道MT5是否可以处理这样的优化? Machine learning in trading: 初学者的问题 MQL5 MT5 MetaTrader 新人对MQL4和MQL5的任何问题,对算法和代码的帮助和讨论 1...339340341342343344345346347348349350351352353...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
但是......使用这种技术的意义并不在于它比人做得更酷,而只是在于它的方便、快速和高性能。
他们在这方面做得更好,识别错误更少。
高度专业化的神经网络在识别图像方面更出色,速度也更快。另一件事是,如果一个物体在训练样本之外,不能被正确识别,一个人就会连接他或她的其他大脑资源,而这些资源根本不包括在NS
他们不会发现任何直接 "隐藏 "的东西,在我看来,你只需要有意识地选择预测器。
至于LSTM,在我看来,它们应该只是对时间序列有好处,因为它们不仅可以概括出买入和卖出的信号,而且还可以根据市场的变化和预测者过去的行为,调整预测者在不同环节上的效率变化,这将是NS的 "记忆"他们的工作更酷,识别错误更少
高度专业化的神经网络在识别图像方面更出色,速度也更快。另一件事是,如果对象超出了训练样本,不能正确识别,一个人就会连接他或她的其他大脑资源,而这些资源根本不包括在NS
他们不会发现任何直接 "隐藏 "的东西,在我看来,你只需要有意识地选择预测器即可。
好吧,你难道没有尝试过设置某个明显可以解决 但非常困难的任务,以检查网络在实验中的真正能力吗?
例如,一个非常嘈杂的人工生成的样本,有一个已知的确定性成分,一些复杂的函数,如果事先不知道,光靠眼睛是不可能计算的...
也许有一些链接到这种研究....。
还有一件事:试试时滞网络...它最适合预测时间序列...我没有试过,因为我不太擅长这个。顺便说一下,你认为神经网络在预测方面有什么用......我会解释。
我们需要了解主要的事情--要么神经网络能够检索真正隐藏在眼睛里的复杂关系,要么将一些复杂的过程自动化,这些过程不容易被形式化,如模式识别,但人脑/眼睛很容易处理,但有必要将人类从这种常规任务中解脱出来......
一个简单的例子:机场的人脸识别。人类可以很容易地做到这一点,但现在这个过程需要自动化,它不能用通常的方法来完成......一些技术,如神经网络被使用......使用这种技术的重点不是说它比人类更酷,而只是方便、快速和高性能......
这在交易中是怎么回事:使用神经网络进行模式识别的任务......为什么?"人脑不能解决这个问题吗?"比如人脸识别......
在1000人中,一个人在瞬间就能认出一张熟悉的脸。
神经网络是否真的有潜力超越生物神经元?
NS的潜力超过了 "人类神经元",至少在人脸识别和一切一切方面)。这很明显,我想。将人类的工作量减少几十倍甚至几百倍。
一般来说,神经元不是用来预测的。神经元的预测更像是识别(分类)的一个副作用。如:太阳在日落时分是红色的(认识)--明天是个大风天(预测)。
如果真的有超越生物神经网络的潜力......一个好的交易员通常用手交易比任何系统都好,自动系统也不会做得更好,但不要盯着显示器,不要坐立不安)。
NS具有超过 "人类神经元 "的潜力,至少在人脸识别和所有方面)。这 很明显,不是吗?它将人类的劳动投入减少了几十倍甚至几百倍。
一般来说,神经元不是用来预测的。神经元的预测更像是识别(分类)的一个副作用。如:日落的太阳是红色的(认识),明天是个大风天(预测)。
一个好的交易员通常用他的手进行交易比任何系统都要好,自动系统也不会做得更好,但为了不盯着显示器和坐在裤子的位置上)。
这不是一个矛盾的问题吗....
好吧......但你是否尝试过设置一个已知 可以解决但非常复杂的具体问题,以检查网络在实验中的真正能力......
例如,一个非常嘈杂的人工样本,有一个已知的确定性成分,一些复杂的函数,如果事先不知道,是不可能用眼睛计算出来的...
是否有任何关于这种研究的参考资料....
我没有太多的经验,现在我只有用国家计算机改进已经工作的策略的结果......也就是说,国家计算机在相同的预测因素下,找到了比我试图做的更好的市场进入 信号......这是一个事实......我没有任何偏见,我稍后会看一下市场。
我将阅读关于时滞网络的资料,谢谢,我不知道。
这不是一个矛盾的问题吗....
你认为什么是矛盾的?我没有看到。
根据之前的帖子。神经元上有噪声抑制器。
你认为什么是矛盾的?我没有看到。
根据之前的帖子。有神经网络的噪音消除器。
好比在什么...
NS至少比 "人类神经元学 "更有 潜力 在面部识别和所有这些方面。 但与此同时,手动交易员,即没有人工智能,潜力较低,应对所有这些任务的能力差得多,为什么会突然 比 任何系统 更好地 进行交易呢?
这是最纯粹的矛盾。
尤里,让我们保持直呼其名,因为我已经有点吓坏了......被所有的你原谅我......)
好比在什么...
NS有可能至少超过 "人类神经元"。 在面部识别和所有这些方面。 但与此同时,一个手动交易员,即不使用人工智能,潜力较低,而且由于某种原因,应对所有这些任务的能力要差得多,却突然 比 任何系统都要 好......
这就是最终的矛盾。
我是尤里,让我们保持直呼其名,因为这让我有点害怕......这一切你原谅我......)
我很抱歉,但我更习惯于被称呼为 "你")。随你的便吧,这并不妨碍我。
一个先进的现代NS的大脑就像一只蟑螂一样多。一只蟑螂成功地应对了相当广泛的任务。由于NS的高速度,以及整个NS只解决一类问题的事实,它只应对这一类问题,而没有其他问题。
交易员可以看到NS没有经过训练(或没有学到)的东西)。不仅如此,与NS不同,他能够应对更广泛的任务。也就是说,即使在理论上,如果不需要超快的反应,交易者有更多的可能性,能够比NS更好地进行交易。
顺便说一下,NS也会犯错误。90%的可靠性对NS来说不是一个糟糕的指标。
关于网络和一般的哲学思考,有如此美丽的文字。
但我没有看到任何证据,甚至没有对再培训网的主题进行思考。
那么,你的所有网络是否都被重新训练过?
PS。
这是该主题开始时的主要问题。
有RNN和RN3以及其未发表的MQL5的文章。在优化器中,RNN比RNN3效果更好。
因为RN3有一个错误 -
已要求提供5个点的数据,而概率是按4个点计算的,而且你不是从当前的条形图a0开始,而是从a1开始,有一个偏移的周期。概率的计算不是针对当前时刻,而是针对a1点--因此对a0的结果是不好的))
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
即=RNN(a0,a1,a2,a3)。
那么,为了计算5个点--你需要将对数矩阵增加到32条规则,即25 条。 以此类推,如果需要更多的点/输入。如果我们有10个输入,这将意味着210= 1024个输入变量 ))))我不知道MT5是否可以处理这样的优化?