Нужен вразумительный ответ, от людей имеющих достаточный опыт работы с нейро-сетями и генетическими алгоритмами, на следующий вопрос:
"Возможно ли это сделать с использованием нейро-сетевых технологий?"
Задача заключается в следующем-допустим,есть кластерный индикатор который генерирует несколько десятков различных сигналов Buy/Sell. для каждого инструмента входящего в кластер,т.е. имеем группу сигналов,причем каждый сигнал может принимать несколько десятков значений скажем от 10 - 120 типов. Все сигналы уникальны и формализованы. В итоге получается несколько сотен уникальных сигналов Buy/Sell. Теперь сама суть задачи:
-Возможно ли с помощью нейро-сетей моделировать качество этих сигналов на исторических данных инструментов входящих в кластер, для определения степени риска?
-Если возможно,то в какую сторону "рыть", т.е. какие инструменты наиболее подходят для решения поставленной задачи?
Kos>>: Не совсем так, уникальность сигналов обеспечивается за счет анализа свечных формаций(групп свечей состоящих из 2х и более свечей), на основе анализа модели присваивается уникальный код например 4506. Почему столько много сигналов? просто некоторые модели имеют несколько десятков видов. Стоит задача выявить наиболее важные модели среди всего многообразия.
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
Это понятно. Чем меньше ошибка тем больше профит? Или какая взаимосвязь?(я об этом)
你能描述一下你希望看到的关系的大致形式吗？这是一个公式，还是我在第二或第三页给你的例子就足够了...
只需描述你希望看到的关系，因为不清楚到底什么是关系......
向大家问好!
我需要一个合理的答案，由对神经网络和遗传算法 有足够经验的人回答以下问题。
"是否有可能利用神经网络技术做到这一点？"
任务如下--假设有一个集群指标，为集群中包含的每个符号产生几十个不同的信号Buy/Sell.，即我们有一组信号，每个信号可以取几十个值，比如说，从10到120种。所有的信号都是独特的、正式的。其结果是几百个独特的信号买/卖。现在，问题的实质就在这里。
-是否有可能使用神经网络来模拟这些信号的质量，对列入该组的工具的历史数据进行模拟，以确定风险程度？
-如果可能的话，那么向什么方向 "挖"，也就是说，哪些工具最适合这项工作？
Приветствую всех!
Нужен вразумительный ответ, от людей имеющих достаточный опыт работы с нейро-сетями и генетическими алгоритмами, на следующий вопрос:
"Возможно ли это сделать с использованием нейро-сетевых технологий?"
Задача заключается в следующем-допустим,есть кластерный индикатор который генерирует несколько десятков различных сигналов Buy/Sell. для каждого инструмента входящего в кластер,т.е. имеем группу сигналов,причем каждый сигнал может принимать несколько десятков значений скажем от 10 - 120 типов. Все сигналы уникальны и формализованы. В итоге получается несколько сотен уникальных сигналов Buy/Sell. Теперь сама суть задачи:
-Возможно ли с помощью нейро-сетей моделировать качество этих сигналов на исторических данных инструментов входящих в кластер, для определения степени риска?
-Если возможно,то в какую сторону "рыть", т.е. какие инструменты наиболее подходят для решения поставленной задачи?
我想争论的是他们的独特性......:)
任务不明确，即看完"-"后，我还是不明白需要处理什么，你能不能更详细地描述一下...
这些信号是以闭路方式出现的吗？也就是说，买入后是卖出，卖出后是买入？ 粗略地说，信号的形式是1111000111110000011100000111100000000，其中0-卖出，1-买入 如果是这样，你可以检查这些信号有多独特...
Не совсем так, уникальность сигналов обеспечивается за счет анализа свечных формаций(групп свечей состоящих из 2х и более свечей), на основе анализа модели присваивается уникальный код например 4506. Почему столько много сигналов? просто некоторые модели имеют несколько десятков видов. Стоит задача выявить наиболее важные модели среди всего многообразия.
按任何标准都是重要的？你自己如何判断重要性？
Важные по какому то критерию? Как Вы сами судите о важности?
我们所说的 "重要性 "是指信号出现的频率，预测价值（利润系数，缩水），也就是说，有必要对每一种类型的模型进行统计监测。原则上，没有网络也很容易组织这一切，但我想，在这种情况下，可能使用神经网络技术是最有希望的。如果我错了，请纠正我，我只是从来没有修整过网络:)
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
如果你这样想，并不意味着情况就是这样。
为了训练网络，你仍然需要在网络之前得到一个重要性标准，以便为它提供例子。网络本身不会知道什么是重要的，什么是不重要的，因为它没有心灵感应的能力。它需要具体的例子。
Под "важностью" подразумевается частота появления сигнала, прогностическая ценность(профит фактор, просадка), т.е. возникает необходимость отслеживать статистику по каждому типу модели. В принципе организовать думаю все это будет несложно и без сетей, но предполагаю, что возможное использование, в данном случае нейро-сетевых технологий будет наиболее перспективным. Если не прав-поправьте, просто не возился ни разу с сетями:)
信号的频率是很容易计算的，不需要网络、GA...
预测价值我认为也是，但有选择地使用GAs。
一般来说，你没有设定任务，到目前为止，我根据答案判断......这就是为什么没有人能够帮助你。
信号的唯一性是通过分析烛台形态（由2个或更多烛台组成的烛台组）来提供的。 根据对形态的分析，分配唯一的代码，如4506。为什么会有这么多信号呢？ 只是有些模型有几十种类型。任务是在所有品种中找出最重要的模式。
一个专家顾问，参数是 "信号类型" - 进入优化器，通过这个参数，你会发现它。非常、非常多的任务可以在没有神经网络的情况下轻松解决。