下午好!
对神经网络有一点熟悉。它从BrainMaker软件包开始,随后是MathLab。这个主题的主旨是神经网络的 能力,我可以建议你去熟悉一下塔肯斯定理。
如果一个时间序列是由一个动态系统产生的,即数值D_0是这样一个系统状态的任意函数,存在一个浸入深度d(大致等于该动态系统的有效自由度数),它可以对时间序列的下一个数值进行明确的预测。
怀疑论者认为不可能预测,因为下一个刻度方向的概率是50/50(上升或下降),他们可能会注意到,如果这是真的,那么数学期望值将是0,因此在长时间框架上我们将看到一条 "直线"。
但我们看到数学期望值不等于0的趋势。
但在现实中,我们看到价格在某个函数附近震荡,即这个过程是STOCKASTIC。
总而言之,尽管预测似乎是数据的EXTRAPOLATION,但神经网络实际上是在解决INTERPOLLATION的问题,这在本质上增加了解决方案的可靠性。时间序列的预测被简化为一个典型的神经分析问题--通过一组给定的例子对许多变量的函数进行逼近--使用多维空间中的序列浸入程序。
注意到。
kirillov.
我想代表怀疑论者指出。
市场不是一个动态系统。
市场是一个开放的随机系统。
开放意味着它受到许多外部因素的影响。
而这些外部因素不仅是不可控的(不可测量的)。
但即使他们的人数也不确定。
此外,该系统本身并不随时间而变化。
其元素(部分)可以任意改变其行为。
有时可能会屈服于集体效应,也可能不会。
它们在系统中的行为受到季节、天气、太阳活动变化的影响。
甚至是月相...
这个系统的主要部分是人。
因此,我们可以得出结论,预测一个价格的意义。
不仅不是数据的INTERPOLATION,而且也不是数据的EXTRAPOLATION。
(推断意味着一个动态系统)。
对于随机系统,我们可以谈论预测其
统计学属性--概率、分布函数、期望等。
但还是那句话,前提是它们(FRs、期望值......)的存在,并且随着时间的推移是不变的。
市场不是一个动态系统。
市场是一个开放的随机系统。
开放意味着它受到许多外部因素的影响。
而这些外部因素不仅是不可控的(不可测量的)。
但即使他们的人数也不确定。
此外,该系统本身并不随时间而变化。
其元素(部分)可以任意改变其行为。
有时可能会屈服于集体效应,也可能不会。
它们在系统中的行为受到季节、天气、太阳活动变化的影响。
甚至是月相...
这个系统的主要部分是人。
因此,我们可以得出结论,预测一个价格的意义。
不仅不是数据的INTERPOLATION,而且也不是数据的EXTRAPOLATION。
(推断意味着一个动态系统)。
对于随机系统,我们可以谈论预测其
统计学属性--概率、分布函数、期望等。
但还是那句话,前提是它们(FRs、期望值......)的存在,并且随着时间的推移是不变的。
Mak:
我想代表怀疑论者指出。
市场不是一个动态系统。
我想代表怀疑论者指出。
市场不是一个动态系统。
我不同意,因为动态系统是一个系统,其状态根据固定的数学规则随时间变化;后者通常由方程给出,将系统的未来状态与当前状态联系起来。如果这些规则没有明确包括机会的因素,这样的系统就是决定性的。
这种提法的弱点是 "固定的数学规则",但目前还没有人证明这一点,而整个预测的历史都依赖于此。
问候,基里洛夫。
你好!和这里的许多人一样,我也曾一度为时间序列预测 制作网格,并得出了以下结论。
- 使用网格来预测汇率甚至是汇率的方向,证明不如使用简单的经典技术分析方法有效。相对简单的网格的预测率不超过70-75%。
- 为了获得75%或更高的预测率,你需要在超级计算机上建立复杂的自学结构,并花费数年时间来开发这种东西,而且不能保证它一定会成功。
- 网格对于解决难以用统计或数学手段描述的特定的、定义明确的战术问题很有用。分类网和模式识别网络可以非常有效地应用于解决战术问题。这方面有一些发展,但非常耗费时间,没有足够的时间来做。谁有兴趣写,我们就一起合作:favorit_box@inbox.ru
P.S. 在神经网络会议的档案材料中。对莱克诺贝斯来说很有趣。
- 使用网格来预测汇率甚至是汇率的方向,证明不如使用简单的经典技术分析方法有效。相对简单的网格的预测率不超过70-75%。
- 为了获得75%或更高的预测率,你需要在超级计算机上建立复杂的自学结构,并花费数年时间来开发这种东西,而且不能保证它一定会成功。
- 网格对于解决难以用统计或数学手段描述的特定的、定义明确的战术问题很有用。分类网和模式识别网络可以非常有效地应用于解决战术问题。这方面有一些发展,但非常耗费时间,没有足够的时间来做。谁有兴趣写,我们就一起合作:favorit_box@inbox.ru
P.S. 在神经网络会议的档案材料中。对莱克诺贝斯来说很有趣。
附加的文件:
neur_conference___.zip
130 kb
VBAG:
- 事实证明,使用网格来预测汇率甚至是汇率的方向,不如使用简单的经典技术分析方法有效。对相对简单的网格的预测不超过70-75%。
我想代表从业者指出。- 事实证明,使用网格来预测汇率甚至是汇率的方向,不如使用简单的经典技术分析方法有效。对相对简单的网格的预测不超过70-75%。
以70-75%的比例预测货币汇率的走向是来自幻想的领域。
我已经做了很长时间的这种预测,通过一个博彩公司工作,该公司对一种货币在固定时间内(日内)的升值/贬值进行投注。起初,博彩公司的佣金非常少,只有52%的预测正确率的策略能带来利润。 起初,我使用了一个基于tehanalysis的简单系统,它给我带来了大约54-55%的利润。
然后,博彩公司的佣金增加了,我不得不改进交易系统。 我把我使用的所有指标都放进了一个神经网络。 胜率增加到59%-60%。因此,不管怀疑论者的意见如何,在有些任务中,神经网络 是占主导地位的!"。
Better:
预测货币汇率的走向70-75%是来自于幻想的领域。
也许我们谈论的是不同的百分比,但这不是重点。广为人知的MACD、OsMA、回归分析 等,做出的预测并不比相当复杂的网格差。而且往往还更高。我的主要想法是,如果我们想与经典方法相比获得质的飞跃,我们应该使用МtLabe或SNNS创建复杂的自我训练框架(或者最好自己编写),而不是依赖像NeuroShellDayTrader这样的漂亮包装程序(完全是胡说八道)。 VBAG:
- 使用网格来预测汇率甚至是汇率的方向,不如使用简单的经典技术分析方法有效。对相对简单的网格的预测不超过70-75%。
我谨代表从业人员指出:- 使用网格来预测汇率甚至是汇率的方向,不如使用简单的经典技术分析方法有效。对相对简单的网格的预测不超过70-75%。
预测货币汇率的走向70-75%是来自于幻想的领域。
如果我们想把MACD预测质量提高几个百分点,最好在一个晚上用好的NeuroSell2或BrainMaker创建一个网格,用C代码编译(带有系数的简单转移函数集)并在专家顾问中实现它。它的效果相当好。但它不会解决如何成为百万富翁的问题。
VBAG:
如果我们想把MACD预测质量提高几个百分点,最好在一个晚上用好的NeuroSell2或BrainMaker创建一个网格,用C代码编译(带有系数的简单转移函数集)并在专家顾问中实现它。它的效果相当好。但它不会解决成为百万富翁的问题。
。
如果我的预测准确率为65-70%,是否足以在外汇市场上获利?你用线性回归 分析得到这样的百分比吗?或者通过一般的技术分析(不是在单独的区间,而是在有代表性的数据上)?
更好:
,以70-75%的比例预测货币汇率的走向是来自于幻想的范畴。
。
也许我们谈论的是不同的百分比,但这不是重点。广为人知的MACD、OsMA、回归分析等,做出的预测并不比相当复杂的网格差。而且往往还更高。我的主要想法是,如果我们想与经典方法相比获得质的飞跃,我们应该使用МtLabe或SNNS创建复杂的自我训练框架(或者最好自己编写),而不是依赖像NeuroShellDayTrader这样的漂亮包装程序(完全是胡说八道)。 VBAG:
- 使用网格来预测汇率甚至是汇率的方向,不如使用简单的经典技术分析方法有效。对相对简单的网格的预测不超过70-75%。
我谨代表从业人员指出:- 使用网格来预测汇率甚至是汇率的方向,不如使用简单的经典技术分析方法有效。对相对简单的网格的预测不超过70-75%。
,以70-75%的比例预测货币汇率的走向是来自于幻想的范畴。
。
如果我们想把MACD预测质量提高几个百分点,最好在一个晚上用好的NeuroSell2或BrainMaker创建一个网格,用C代码编译(带有系数的简单转移函数集)并在专家顾问中实现它。它的效果相当好。但它不会解决成为百万富翁的问题。
。
许多交易者谈论神经网络,但很少有人知道它们是什么以及它们在现实中能做什么。这篇文章对人工智能的世界有了一点了解,解释了如何为网络准备数据,还举了一个借助Matlab进行预测的例子。
作者:Shashev Sergei