Прогноз на пятницу сработал, цель была взята с запасом. Результат можно увидеть на графике слева. Прогноза как такового далее не будет - надвигаются праздники, закрытие торгов, вялый рынок и т.д. Поэтому на правом графике просто приведена общая картина, так сказать, предположительный обзор будущей ситуации. Поскольку год подходит к завершению и...
在。经验。
全部读完。包括参考文献。
特别是最后一条。
https://www.mql5.com/ru/users/better
神经系统已被淘汰。
http://forex-pamm.com/
:-)
你必须能够准备好输入数据。
这与识别市场中的模式 是一样的，在这种情况下肯定不需要网格。
尽管如此，在某一特定领域培训电网是一个缺点，它将不得不定期重新培训，尽管所有的烹饪技能......。
是的，这似乎被称为维度的诅咒 :)事实上，在我的案例中，在输入端有一堆相同的振荡器，所有这些都应该被删除，只留下一个。
另一个问题--当对输入的数据进行归一化时，是在一个周期内同时对所有向量进行归一化，考虑整个集合的最大和最小值，还是对每个输入单独进行归一化，考虑每个特定向量的最大和最小值？
有一个Hlaiman神经网络躺在身边。
我正在研究黄金，这给我带来了慢性损失。
我曾经制作过基于神经元的EA。而我为他们奉献了几年的艰苦研究。
我的看法是，神经网络不适合用于金融市场。
有更容易和更可靠的方法来赚钱。
但作为一种爱好和选修课--为什么不呢？
https://www.mql5.com/ru/forum/8158/page10#comment_334926
在。经验。
全部读完。包括参考文献。
特别是最后一条。
https://www.mql5.com/ru/users/better
神经系统已被淘汰。
http://forex-pamm.com/
:-)
我曾经制作过基于神经元的EA。而我为他们奉献了几年的艰苦研究。
我的看法是，神经网络不适合用于金融市场。
有更容易和更可靠的方法来赚钱。
但作为一种爱好和选修课--为什么不呢？
在你让它产生交易想法之前，非网络不会带来优势。你有一堆指标，它们已经有了你选择的硬参数。想一想你想从非网络中得到什么？你创造了一个错误的理论，它就会纠正它？
我的神经网络工作，是的。好吧，减去，零，这并不重要。最主要的是，它是有效的。我在图表上 看交易，我看到的是--它预测了之字形的方向（或者它试图这样做），你甚至可以看到，有时交易是非常准确的。但问题是，它本身并不创造任何东西，而是试图准确地做它被训练的事情。而由于市场本身是非线性的，事实证明，一个非线性的神经网络函数试图对抗一个具有无限自由的各种模式的非线性市场。这些模式，有时可能是相似的，但并不意味着它们预测了相同的后果。(或者说，从分形理论来看，它是这样的吗？)因此，我们在这里可以谈论什么具体的模式创造？我们只能谈论在找到和使用的训练样本之外保持某种依赖性。但市场上存在噪音，混乱的振荡，这些振荡的积累使系统失去了平衡。而即使是最小的偏差也会累积起来，完全改变系统的行为，而神经网络对此无能为力。它又如何能实时地筛选出一些东西呢？
如果我们谈及一般的建模，有一个由Weierstrass-Mandelbrot函数描述的资产回报率Mandelbrot的多分形模型。我一直对这个话题感兴趣，f-y构造的图表与市场图表非常相似。因此，如果网格以某种方式使用它进行训练，也许它将学会 "捕捉 "那些非常混乱的偏差，并产生一个有趣的预测。换句话说，这将是一个真正的市场模式。但这都是非常复杂和想象的，我当然不会去做。
有一个Hlaiman神经网络躺在身边。
我正在研究黄金，这给我带来了慢性损失。