交易中的机器学习：理论、模型、实践和算法交易 - 页 46

新评论
 
mytarmailS:

我同意，这很有趣...但对我来说，几乎没有什么是清楚的，从意识形态开始，到代码本身，它非常复杂，许多运算符我甚至不知道。

如果有人能解释这一切，至少通过基本的例子，说明如何在交易中应用它，这将是对我这种没有经验的人进行实验的良好激励。

你应该自己在互联网上寻找例子。
 
阿列克谢-伯纳科夫。
你应该自己在互联网上寻找例子。
没有例子
 
mytarmailS:
非常有趣的神经网络http://gekkoquant.com/2016/05/08/evolving-neural-networks-through-augmenting-topologies-part-3-of-4/，你认为有可能让它自己交易并从错误中学习吗？如果是的话，怎么做，我想讨论一下。

这种神经网络的特殊性在于其自适应拓扑结构。这不仅仅是一组输入、隐藏的神经元和输出；它是一个模型，神经元在演化过程中相互连接和断开，改变它们的权重，因此网络逐渐适应并获得越来越好的结果。最终的结果应该是一个具有独特的神经连接和权重的网络，很适合于特定的任务。
对于外汇来说，没有奇迹会发生，网络只是通过初步准备的例子来学习，就像通常的网络一样。最有可能的是，它甚至会对它们产生100%的准确性。但在前面的测试中，它可能会耗尽整个余额，为什么不应该呢？:)

我曾经尝试在专家顾问本身中训练神经元，在每个新的柱子上重新训练它。该网络增加了它的余额，但在一些时间间隔后，它的损失突然超过了它的收入。然后它又开始增加余额，过了一段时间，它又突然失去了很多。就像有时发生的事件突然改变了外汇对行为的所有内部过程，模型在一段时间内完全无法使用，直到它重新学习。我已经放弃了这种方法，它太难了，我们需要调整学习新数据的速度，引入 "如果利润在Y天内下降了X点，那么就停止交易Z天 "这样的逻辑，审查和优化这一切。每月从头开始训练一个新的网络更容易。

 
Dr.Trader:

这种神经网络的特殊性是自适应拓扑结构。这不仅仅是一组输入、隐藏的神经元和输出；这是一个模型，在进化的过程中，神经元相互连接和断开，改变它们的权重，所以逐渐适应网络给出越来越好的结果。最终的结果应该是一个具有独特的神经连接和权重的网络，很适合于特定的任务。
对于外汇来说，没有奇迹会发生，网络只是通过初步准备的例子来学习，就像通常的网络一样。最有可能的是，它甚至会对它们产生100%的准确性。但在前面的测试中，它可能会耗尽整个余额，为什么不应该呢？:)

我曾经试图在EA本身中训练一个神经元，通过在每个新条形上重新训练它。该网络增加了它的余额，但在一些时间间隔后，它的损失突然超过了它的收入。然后它又开始增加余额，过了一段时间，它又突然失去了很多。就像有时发生的事件突然改变了外汇对行为的所有内部过程，模型在一段时间内完全无法使用，直到它重新学习。我已经放弃了这种方法，它太难了，我们需要调整学习新数据的速度，引入 "如果利润在Y天内下降了X点，那么就停止交易Z天 "这样的逻辑，审查和优化这一切。每月一次从头开始训练一个新的网络是比较容易的。

这很有意思。

我们的想法是，如果你正确设置实验（早期学习停止！），这种适应可能是有益的。

他们似乎正在为R准备一个包裹。有必要将其考虑在内。

 
Dr.Trader:

1）不会有外汇的奇迹，这个网络只是从预先准备好的例子中学习，就像一个正常的网络一样。最有可能的是，它甚至会给他们带来100%的准确性。但在前面的测试中可能会失去所有的平衡，为什么不呢？:)

2）我曾经试图在专家顾问中训练神经元，在每个新的条形图上对其进行额外训练。这不是好事--网络增加了它的余额，但在一些间隔之后，它的损失突然超过了它的收入。然后它又开始增加余额，过了一段时间，它又突然失去了很多。

1）是的，你可能是对的，但这个网能够教自己如何做决定，它不是通常的分类，没有老师，这意味着你可以实现我早就说过的概念--你可以不用买-卖-买或00011101011这样的标准目标来教它，而是用更抽象的方式来表达条件，比如："网！"。我不在乎你如何交易，但我希望你的利润至少是每天0.5%缩水的1%，它将为此寻找规则和组合。如果我错了，在这里胡说八道，请为了我自己的利益纠正我）。

2）我前天还尝试了一个类似但略有不同的...在一个5分钟的150支蜡烛的滑动窗口上，在每个新的蜡烛 上，我训练Forest并进行交易，然后在一个新的蜡烛上我重新训练模型，等等。结果是惊人的好，大约有5次我在相同的数据上运行这样的交易，模型总是在每月8%到20%的正值，我已经很兴奋了，想再运行一次），然后梅花，再一次梅花））。简而言之，事实证明，只是偶然的机会，该模型在赚取...

顺便说一下，我尝试了以下事情--在每次通过RF中的 "importense "重新训练后，我发现了最重要的特征，所以我 "随心所欲"，只在重要的特征上训练模型--在那之后，模型开始工作，大约差了2倍))))，这让我非常惊讶))

 

一个非常有趣的话题。

但是，如果我们与NS合作，在我看来，应该尽可能地减少输入的数量。

每一个额外的输入都会 "拖累 "网络，降低其可学习性，导致简单的数据记忆，或者像这里讨论的那样，在输入/重新学习之间进行折腾。

 
Vadim Shishkin:

一个非常有趣的话题。

但是，如果我们与NS一起工作，在我看来，应该尽可能地减少输入的数量。

每一个额外的输入都会 "拖累 "网络，降低其可学习性，导致简单的数据记忆，或者像这里讨论的那样，在输入/重新训练之间折腾。

这不是一个问题。你可以在训练前选择你想要的任何数量的输入。
 
阿列克谢-伯纳科夫。
这不是一个问题。你可以在训练前选择任何需要的输入数量。

这倒是真的。

但是，不幸的是，有一种观点认为你提交的越多越好。

而国民议会，他们说，会自己拿走需要的东西。

错误的方法。

 
Vadim Shishkin:

这倒是真的。

但是，不幸的是，有一种观点认为你提交的越多越好。

而国民议会，他们说，会自己把需要的东西拿走。

错误的方法。

嗯，是的。一个人必须自己把它带走。为什么不明显呢？但它是有效的。
 

我再补充一下阴谋 -- 你不必投其所好，交易物品的汇率变化。

这就像拖着自己的头发走出沼泽。

也要寻找其他的数据来源。

愿利润与你同在!

:)

1...394041424344454647484950515253...3399
新评论