如何正确形成NS的输入值。 - 页 21 1...141516171819202122232425262728...31 新评论 Леонид 2008.07.10 13:18 #201 StatBars писал (а)>> 这里有一只火鸡。 它太梦幻了,不像是现实生活))))。而我们并不是生活在童话故事中..... TheXpert 2008.07.10 13:23 #202 StatBars писал (а)>> 而这里是火鸡。 在这只火鸡上添加其他东西有什么意义呢?他自己就很可爱。:) Artem Titarenko 2008.07.10 13:36 #203 TheXpert писал (а)>> 在这只火鸡上添加其他东西有什么意义呢?他自己就很可爱。:) 它重画了。我们把它当作是给出网络将选择的信号。 然后我们采取这些信号,忘记这个指标。然后,我们将需要决定如何描述NS给出的输入。选择一个输入范围(信号旁边的条形和点的数量,但我们也将把它们作为一个训练的)。 同样可以用Klot的指标(它有GA)。 Candid 2008.07.10 14:25 #204 StatBars писал (а)>> >>什么的公式? 目标函数的公式,如果我们谈论的是一个优化程序。但从LeoV的 信息来看,这个函数(最佳买入/持有/卖出)并没有做任何优化,也就是说,它与NS无关。这是一个相当普通的功能,真正着眼于未来。而且,它绝对不在乎是通过平仓还是通过平滑指标来做。如果你把它与2ZZ相比,我还是倾向于认为它会给人带来太多的输入。或太少,这取决于人们如何解释之前的酒吧。.在实时情况下,这些输入将对应于每个新条形图开盘时的输入,这一点我之前已经批评过了:)。 Sceptic Philozoff 2008.07.10 15:12 #205 我要在这里插一句,尽管我是神经网络的业余爱好者。在我看来,目标函数(TF)必然要反映神经网络所处理的数值的概率分布。误差的平方之和是TF的最著名和最标准的形式,但这个函数只对高斯值尽可能好。 概率分布和根据最大似然函数最大限度地减少的误差之间存在着一种关系。对于高斯分布来说,这是幅度之差的平方,对于指数分布来说,这是幅度的模数,等等。 RIP 2008.07.10 17:22 #206 StatBars писал (а)>> 我们把NS中最无情的透支指标,教给NS,让它发出正确的信号。自然,我们要得到的结果是 因此,我们的输入将是完美的,或几乎是完美的......这些价值观应该被当作国家安全局的老师。这里的好处是,我们提供的是网络本身选择的最佳向量 "买"/"卖"。但一组矢量Hold必须手动修剪。只是为了确保样本不包括90%的持有向量和只有5%的买入/卖出向量......。 为什么采用指标?在metastock中有一个有趣的工具--最大利润系统(MPS),旨在比较系统的盈利能力。MPS应该计算出所有可能的交易,并取得积极的结果。在其基础上建立MLPs的训练阵列是非常方便的。 附加的文件: mps.mq4 6 kb Леонид 2008.07.10 18:56 #207 StatBars писал (а)>> 它被重新绘制。我们认为它给了网络自己选择的信号。 然后我们采取这些信号,忘记这个指标。然后,我们将需要决定如何描述NS给出的输入。选择一个输入范围(信号旁边的条形和点的数量,但我们也将把它们作为一个训练的)。 同样可以用Klot的指标(它有GA)。 不幸的是,你应该明白,为输出选择输入(甚至不是为输出,而是为买/卖信号)是一项不真实的任务。太棒了。 你不知道这些信号在未来会发生什么?它们将来是否会像训练中那样正确地运行,你能否正确地选择输入,在将来提供正确的信息以打开正确的条目(如训练中)?另一方面,这些输入端将来是否会被正确打开,以便为它们选择输出?问题多于答案..... P.S. 你不会迷惑自己--没有人会)))))。 Artem Titarenko 2008.07.10 20:03 #208 LeoV писал (а)>> 不幸的是,你必须意识到,将输出(甚至不是输出,而是买/卖信号)与输入相匹配是一项不现实的任务。太棒了。 你不知道这些信号在未来会发生什么?它们在未来是否会像训练中那样正确地运行,你能否正确地选择输入,在未来为打开这些正确的条目提供正确的信息(如训练中)?另一方面,这些输入端将来是否会被正确打开,以便为它们选择输出?问题多于答案..... P.S. 你不会迷惑自己--没有人会)))))。 在我们的业务中总是有很多问题,而答案要么是相对的,要么是非常少。因此,这并不令人惊讶。 输入的选择是通过对不同样本的统计分析完成的。样本应该细分如下,更确切地说,我们应该找到这样的样本。 其中包含Sell/Hold或Buy/Hold。 当然,这三个类别都可以使用,但Buy/Sell类别中的任何一个都应该被最小化。 因此,我们应该得到3组矢量,其中买。买入和卖出(如果有人根据给定的信号找到所有3类都不相交的向量集,我们就不需要NS了)。确切地说,这些集合然后被送入输入端进行训练。同样,矢量值应该是相对的(MACD也可以,虽然它的最大值也可能会改变)。然后对输入数据进行预处理,等等。 当然,如果我们的NS会发出信号,并不意味着买入后会有卖出,但有许多系统可以帮助安全 ... 2撕裂 谢谢!如果我理解正确的话,这就是所需要的,尽管我还没有看过。 Леонид 2008.07.10 20:15 #209 StatBars писал (а)>> 输入的选择是通过对不同样本的统计分析完成的。样本应该按以下方式分解,更确切地说,我们应该找到这样的样本。 其中包含卖出/持有,或买入/持有,当然三者都有,但买入/卖出类的任何一个都应该包含其中的最小值。 因此,我们应该得到3组矢量,其中买。买入和卖出(如果有人根据给定的信号找到所有3类都不相交的向量集,我们就不需要NS了)。确切地说,这些集合然后被送入输入端进行训练。同样,矢量值应该是相对的(MACD也可以,虽然它的最大值也可能会改变)。然后对输入数据进行预处理,等等。 当然,如果NS会给出信号,并不意味着买入后会有卖出,但有很多系统可以帮助对冲。 你不允许这种想法,这可能是一个有缺陷的理论吗? Artem Titarenko 2008.07.10 20:23 #210 LeoV писал (а)>> 你不允许这可能是一个有缺陷的理论的想法吗? 这不是一个理论,这只是我认为可以导致良好(盈利)结果的方法之一。 我当然知道。你能证明它是错的吗,证明吧,我将非常感谢你,因为你节省了时间。 1...141516171819202122232425262728...31 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
这里有一只火鸡。
它太梦幻了,不像是现实生活))))。而我们并不是生活在童话故事中.....
而这里是火鸡。
在这只火鸡上添加其他东西有什么意义呢?他自己就很可爱。:)
在这只火鸡上添加其他东西有什么意义呢?他自己就很可爱。:)
它重画了。我们把它当作是给出网络将选择的信号。
然后我们采取这些信号,忘记这个指标。然后,我们将需要决定如何描述NS给出的输入。选择一个输入范围(信号旁边的条形和点的数量,但我们也将把它们作为一个训练的)。
同样可以用Klot的指标(它有GA)。
>>什么的公式?
目标函数的公式,如果我们谈论的是一个优化程序。但从LeoV的 信息来看,这个函数(最佳买入/持有/卖出)并没有做任何优化,也就是说,它与NS无关。这是一个相当普通的功能,真正着眼于未来。而且,它绝对不在乎是通过平仓还是通过平滑指标来做。如果你把它与2ZZ相比,我还是倾向于认为它会给人带来太多的输入。或太少,这取决于人们如何解释之前的酒吧。.在实时情况下,这些输入将对应于每个新条形图开盘时的输入,这一点我之前已经批评过了:)。
我要在这里插一句,尽管我是神经网络的业余爱好者。在我看来,目标函数(TF)必然要反映神经网络所处理的数值的概率分布。误差的平方之和是TF的最著名和最标准的形式,但这个函数只对高斯值尽可能好。
概率分布和根据最大似然函数最大限度地减少的误差之间存在着一种关系。对于高斯分布来说,这是幅度之差的平方,对于指数分布来说,这是幅度的模数,等等。
我们把NS中最无情的透支指标,教给NS,让它发出正确的信号。自然,我们要得到的结果是
因此,我们的输入将是完美的,或几乎是完美的......这些价值观应该被当作国家安全局的老师。这里的好处是,我们提供的是网络本身选择的最佳向量 "买"/"卖"。但一组矢量Hold必须手动修剪。只是为了确保样本不包括90%的持有向量和只有5%的买入/卖出向量......。
为什么采用指标?在metastock中有一个有趣的工具--最大利润系统(MPS),旨在比较系统的盈利能力。MPS应该计算出所有可能的交易,并取得积极的结果。在其基础上建立MLPs的训练阵列是非常方便的。
它被重新绘制。我们认为它给了网络自己选择的信号。
然后我们采取这些信号,忘记这个指标。然后,我们将需要决定如何描述NS给出的输入。选择一个输入范围(信号旁边的条形和点的数量,但我们也将把它们作为一个训练的)。
同样可以用Klot的指标(它有GA)。
不幸的是,你应该明白,为输出选择输入(甚至不是为输出,而是为买/卖信号)是一项不真实的任务。太棒了。
你不知道这些信号在未来会发生什么?它们将来是否会像训练中那样正确地运行,你能否正确地选择输入,在将来提供正确的信息以打开正确的条目(如训练中)?另一方面,这些输入端将来是否会被正确打开,以便为它们选择输出?问题多于答案.....
P.S. 你不会迷惑自己--没有人会)))))。
不幸的是,你必须意识到,将输出(甚至不是输出,而是买/卖信号)与输入相匹配是一项不现实的任务。太棒了。
你不知道这些信号在未来会发生什么?它们在未来是否会像训练中那样正确地运行,你能否正确地选择输入,在未来为打开这些正确的条目提供正确的信息(如训练中)?另一方面,这些输入端将来是否会被正确打开,以便为它们选择输出?问题多于答案.....
P.S. 你不会迷惑自己--没有人会)))))。
在我们的业务中总是有很多问题,而答案要么是相对的,要么是非常少。因此,这并不令人惊讶。
输入的选择是通过对不同样本的统计分析完成的。样本应该细分如下,更确切地说,我们应该找到这样的样本。
其中包含Sell/Hold或Buy/Hold。 当然,这三个类别都可以使用,但Buy/Sell类别中的任何一个都应该被最小化。
因此,我们应该得到3组矢量,其中买。买入和卖出(如果有人根据给定的信号找到所有3类都不相交的向量集,我们就不需要NS了)。确切地说,这些集合然后被送入输入端进行训练。同样,矢量值应该是相对的(MACD也可以,虽然它的最大值也可能会改变)。然后对输入数据进行预处理,等等。
当然,如果我们的NS会发出信号,并不意味着买入后会有卖出,但有许多系统可以帮助安全 ...
2撕裂 谢谢!如果我理解正确的话,这就是所需要的,尽管我还没有看过。
输入的选择是通过对不同样本的统计分析完成的。样本应该按以下方式分解,更确切地说,我们应该找到这样的样本。
其中包含卖出/持有,或买入/持有,当然三者都有,但买入/卖出类的任何一个都应该包含其中的最小值。
因此,我们应该得到3组矢量,其中买。买入和卖出(如果有人根据给定的信号找到所有3类都不相交的向量集,我们就不需要NS了)。确切地说,这些集合然后被送入输入端进行训练。同样,矢量值应该是相对的(MACD也可以,虽然它的最大值也可能会改变)。然后对输入数据进行预处理,等等。
当然,如果NS会给出信号,并不意味着买入后会有卖出,但有很多系统可以帮助对冲。
你不允许这种想法,这可能是一个有缺陷的理论吗?
你不允许这可能是一个有缺陷的理论的想法吗?
这不是一个理论,这只是我认为可以导致良好(盈利)结果的方法之一。
我当然知道。你能证明它是错的吗,证明吧,我将非常感谢你,因为你节省了时间。