通往GRAAL的道路上的边缘效应 - 页 5 123456789101112...14 新评论 Neutron 2009.01.07 15:15 #41 Desperado писал(а)>> 我从图中假设,网络在30%的时间里猜到了方向,这是否正确? 你是否尝试过用网子的集合来工作?例如用3个或5个来细化决定。 或者用一对网子:一个人只往上猜,另一个人只往下猜。 顺便说一下,为什么正好是3个(或5个,我糊涂了;)输入神经元。我只是遇到了有4、7或15个输入的网络 :) p.s. 我曾经做过一个实验,我记住了我所有的历史,并搜索与当前情况最相似的情况 使用矢量距离法(当然是归一化矢量)。在60%的情况下,历史重演 :) 但它仍然取决于预测范围和矢量长度。 不不正确,网格是猜测蓝色显示的10-15%的内容。红色显示的是训练样本。我没有使用网格委员会--我还没有感觉到需要它。如果孤立的NS的预测能力被证明是不够的,那么我就和委员会一起工作。 顺便说一下,至于再培训。我可以严格地表明,以n个步骤重新训练NS,相当于将预测范围增加n倍。这样做的后果是,NS的预测能力的提高与功率有关。例如,如果NS在训练后正确预测了10%的价格运动方向的迹象,那么在训练后的一个步骤中,预测能力下降到1%,在2个步骤中--0.1%,以此类推,这是一个医学事实!显然,对于价格类型的时间序列来说,每一步的重新训练都是极其重要的。 [删除] 2009.01.07 16:39 #42 Neutron >> : 不是的,网格是猜测10-15%的蓝色显示的内容。训练样本以红色显示。我不使用网格委员会--我觉得还没有这个必要。如果孤立的NS的预测能力被证明是不够的,那么我就和委员会一起工作。 顺便说一下,至于再培训。我可以严格地表明,以n个步骤重新训练NS,相当于将预测范围增加n倍。这样做的后果是增加NS的预测能力的权力依赖。例如,如果NS在训练后正确地预测了10%的价格运动方向的迹象,那么在一个步骤后,预测的持久性下降到1%,在2个步骤中的3-0.1%,等等。显然,对于像价格序列这样的时间序列,每一步的再训练都是极为重要的。 你是否真的成功地预测了什么,还是只是在目击者面前泼水?如果是,有多少,什么,你在你的神经系统的输出中使用什么?你研究过这个系列的可预测性吗?此外,你仍然没有回答我的问题:在不知道某段时间内货币朝某个方向变动的情况下,你如何交易? Desperado,小波属于弱的逼近器,用它来做预测以及SSA和统计学的频谱分析、回归和其他技巧都是不可取的。 Neutron 2009.01.07 18:37 #43 registred писал(а)>> 你研究过这个系列的可预测性吗?此外,你仍然没有回答我的问题,如果不知道一段时间内货币在这个或那个方向的变动,你如何进行交易? 我对你的整个评论无话可说,但关于系列的可预测性,这是一个有趣的观点,你对所述的估计是否有算法(想法,思路)? Ярослав 2009.01.07 18:58 #44 registred >> : 你是否真正成功地预测了什么,还是只是在给看热闹的人泼水?如果是,你用了多少,什么,你的神经科学的输出是什么?你研究过这个系列的可预测性吗?此外,你仍然没有回答我的问题:在不知道某段时间内货币朝某个方向变动的情况下,你如何交易? Desperado,小波属于弱的逼近器,用它来做预测并不合适,比如SSA,或者有频谱分析、回归和其他技巧的统计。 如果这不是一个秘密,那么用什么好呢? [删除] 2009.01.07 19:02 #45 Neutron >> : 关于你的整个评论,我还无话可说,但关于系列的可预测性,这是一个有趣的观点,你对所述的估计有什么算法(想法,思路)吗? 例如,赫斯特指数对市场状况及其可预测性给出了相当好的估计。 [删除] 2009.01.07 19:05 #46 sol >> : 如果没有秘密,那么用什么好呢? 这远远不是一个秘密。非线性动态模型,包括神经网络、MGUA和径向基函数。现在已经创造了许多东西。 Neutron 2009.01.08 07:03 #47 registred писал(а)>> 例如,赫斯特指标 提供了对市场条件和可预测性时刻的良好估计。 Hurst指数并不揭示BP中存在的内部非线性规律性,它是一个积分指数,与初始BP的第一差值系列中的相邻样本之间的相关系数有很强的亲和力(这可以严格证明)。因此,利用这一特征所能构建的都是一阶自回归模型或其衍生物。正如你在上面正确指出的那样,使用NS仪器解决的问题更广泛,不限于线性自回归模型,当然也不限于估计隐藏模式的方法。我最近讨论了"箱体计数",这是一种量化真实金融工具可预测性的方法,我认为我们应该讨论类似的东西。 [删除] 2009.01.09 09:34 #48 谁告诉你外汇中有隐藏的模式?)那里的一切都很开放,都可以进入。另一件事是你是否有足够的信息来深入研究一个系列。但这更多是关于基本面分析。从技术分析的角度来看,一切都可以为你所用。 Neutron 2009.01.09 12:15 #49 registred писал(а)>> 另一件事是你是否有足够的信息来深入研究这一行。 有这样一件事。此外,即使有足够的信息,也不能保证它不会已经过时和无用......。简而言之,这一切都与妥协有关! [删除] 2009.01.10 14:41 #50 又是谁阻止你使用基本面分析与你的预测系统?例如,SaxoTrader中的新闻是实时传递的。 123456789101112...14 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
我从图中假设,网络在30%的时间里猜到了方向,这是否正确?
你是否尝试过用网子的集合来工作?例如用3个或5个来细化决定。
或者用一对网子:一个人只往上猜,另一个人只往下猜。
顺便说一下,为什么正好是3个(或5个,我糊涂了;)输入神经元。我只是遇到了有4、7或15个输入的网络 :)
p.s.
我曾经做过一个实验,我记住了我所有的历史,并搜索与当前情况最相似的情况
使用矢量距离法(当然是归一化矢量)。在60%的情况下,历史重演 :)
但它仍然取决于预测范围和矢量长度。
不不正确,网格是猜测蓝色显示的10-15%的内容。红色显示的是训练样本。我没有使用网格委员会--我还没有感觉到需要它。如果孤立的NS的预测能力被证明是不够的,那么我就和委员会一起工作。
顺便说一下,至于再培训。我可以严格地表明,以n个步骤重新训练NS,相当于将预测范围增加n倍。这样做的后果是,NS的预测能力的提高与功率有关。例如,如果NS在训练后正确预测了10%的价格运动方向的迹象,那么在训练后的一个步骤中,预测能力下降到1%,在2个步骤中--0.1%,以此类推,这是一个医学事实!显然,对于价格类型的时间序列来说,每一步的重新训练都是极其重要的。
不是的,网格是猜测10-15%的蓝色显示的内容。训练样本以红色显示。我不使用网格委员会--我觉得还没有这个必要。如果孤立的NS的预测能力被证明是不够的,那么我就和委员会一起工作。
顺便说一下,至于再培训。我可以严格地表明,以n个步骤重新训练NS,相当于将预测范围增加n倍。这样做的后果是增加NS的预测能力的权力依赖。例如,如果NS在训练后正确地预测了10%的价格运动方向的迹象,那么在一个步骤后,预测的持久性下降到1%,在2个步骤中的3-0.1%,等等。显然,对于像价格序列这样的时间序列,每一步的再训练都是极为重要的。
你是否真的成功地预测了什么,还是只是在目击者面前泼水?如果是,有多少,什么,你在你的神经系统的输出中使用什么?你研究过这个系列的可预测性吗?此外,你仍然没有回答我的问题:在不知道某段时间内货币朝某个方向变动的情况下,你如何交易?
Desperado,小波属于弱的逼近器,用它来做预测以及SSA和统计学的频谱分析、回归和其他技巧都是不可取的。
你研究过这个系列的可预测性吗?此外,你仍然没有回答我的问题,如果不知道一段时间内货币在这个或那个方向的变动,你如何进行交易?
我对你的整个评论无话可说,但关于系列的可预测性,这是一个有趣的观点,你对所述的估计是否有算法(想法,思路)?
你是否真正成功地预测了什么,还是只是在给看热闹的人泼水?如果是,你用了多少,什么,你的神经科学的输出是什么?你研究过这个系列的可预测性吗?此外,你仍然没有回答我的问题:在不知道某段时间内货币朝某个方向变动的情况下,你如何交易?
Desperado,小波属于弱的逼近器,用它来做预测并不合适,比如SSA,或者有频谱分析、回归和其他技巧的统计。
如果这不是一个秘密,那么用什么好呢?
关于你的整个评论,我还无话可说,但关于系列的可预测性,这是一个有趣的观点,你对所述的估计有什么算法(想法,思路)吗?
例如,赫斯特指数对市场状况及其可预测性给出了相当好的估计。
如果没有秘密,那么用什么好呢?
这远远不是一个秘密。非线性动态模型,包括神经网络、MGUA和径向基函数。现在已经创造了许多东西。
例如,赫斯特指标 提供了对市场条件和可预测性时刻的良好估计。
Hurst指数并不揭示BP中存在的内部非线性规律性,它是一个积分指数,与初始BP的第一差值系列中的相邻样本之间的相关系数有很强的亲和力(这可以严格证明)。因此,利用这一特征所能构建的都是一阶自回归模型或其衍生物。正如你在上面正确指出的那样,使用NS仪器解决的问题更广泛,不限于线性自回归模型,当然也不限于估计隐藏模式的方法。我最近讨论了"箱体计数",这是一种量化真实金融工具可预测性的方法,我认为我们应该讨论类似的东西。
谁告诉你外汇中有隐藏的模式?)那里的一切都很开放,都可以进入。另一件事是你是否有足够的信息来深入研究一个系列。但这更多是关于基本面分析。从技术分析的角度来看,一切都可以为你所用。
另一件事是你是否有足够的信息来深入研究这一行。
有这样一件事。此外,即使有足够的信息,也不能保证它不会已经过时和无用......。简而言之,这一切都与妥协有关!
又是谁阻止你使用基本面分析与你的预测系统?例如,SaxoTrader中的新闻是实时传递的。