神经网络。来自专家的问题。 - 页 8

 
LeoV >>:
Честно говоря, не ощутил каким образом профит зависит от ошибки....))))

例如,假设你对TS产生尽可能多的利润和尽可能多的次数感兴趣,也就是说,你正试图增加盈利交易的百分比,当然还有MO。

根据这一原则训练的网络可望在OOS上也能产生利润。你需要应用一个均方根误差,在有助于这些目标的模式上突出网络。也就是说,该网络专注于导致某种效果的特定模式。

如果你使用均方根误差,你是在 "平均化 "模式,而不是强调它们。


 
joo писал(а)>>

例如,假设你对TS产生尽可能多的利润和尽可能多的次数感兴趣,也就是说,你正试图增加盈利交易的百分比,当然还有MO。

根据这一原则训练的网络可望在OOS上也能产生利润。你需要应用一个均方根误差,在有助于这些目标的模式上突出网络。也就是说,该网络专注于导致某种效果的特定模式。

如果你使用均方根误差,你是在 "平均化 "模式,而不是强调它们。

什么是均方根误差?

 

致LeoV

这是给你的问题,反过来说,关于利润最大化。你会选择哪一个TS,数值是指定的,嗯,以美元计算。


维宁

根数之和的算术平均值。

 
joo >>:

Об этом уже говорилось раньше в этой ветке. Топикстартер хотел именно так работать, как... как он работает.

这是我第一次在这个论坛上遇到和我想法差不多的人......:)

一心一意...

 
StatBars >>:

Впервые встречаю на форуме человека который мыслит практически также как и я... :)

Единомышлинник...

谢谢你。很高兴能在智力方面遇到兄弟...:)

 

利润<-->错误。

我相信(当然是通过实验证实)。

如果网络误差被保存在反馈上,在网络信号比随机信号好得多的情况下,权益的增加/减少将被保存。

如果不保存网络错误,股权将是随机的,也就是说,股权可以上升或下降(缓慢/快速/跳跃),但它仍然是随机的。

可以确定每个问题的利润<-->错误率。

//-------------------------------------------//

至于LeoV正在进行的培训。

自然是猜想,主要是根据他的帖子推理。

训练是使用遗传算法 完成的,你可以在其中设置任何健身函数。

IN NSH4-5...你训练的不仅是利润,还有系统指标的不同组合,通过最大化/最小化,我们拉动整个系统,而不仅仅是利润,也就是说,我们得到了股权的平稳增长。

我忘了补充:"用遗传算法,它真的不知道如何训练才能在OOS上获得稳定的结果,独立样本上的滑动控制/测试方法在这里已经无济于事了,甚至相反会作弊..."。

这就是为什么误差可能不同,但利润却差不多,目标函数不是误差最小化。

对我来说,NS4-5是一个黑匣子,即使我在那里得到了一个好的、稳定的系统,股权平稳增长,这在QE上得到了测试,我只是把它放在一边,等待更坏的时机。

如果你不是在NSh4-5中训练网络,而是在为更多学术目的创建的程序中训练,你至少可以了解错误是什么,为什么网络不能带来利润,以及一堆不同的问题,在找到答案后,你可以自信地谈论神经网络交易。

而不是说和什么都没有关系,只有上帝知道它是否能成功,输入是否需要装饰,输入是否需要消除与输出的关联,承诺或不承诺更好,等等.....。简单地说,就是随机的漫谈...

 
StatBars >>:

Для меня НШ 4-5 чёрный ящик, даже получив там прибульную стабильную систему с плавным ростом эквити, прошедшую тестирование на ООС, я просто отложил её до худших времён.

Если обучать сетки не в НШ4-5, а в программах созданных для более академических целей, то можно хотя бы разбираться в чём ошибка, почему сеть не приности прибыль, и ещё кучу разных вопросов, найдя ответ на которые, можно будет УВЕРЕННО говорить о торговле с помощью нейронных сетей.

А не так что связей нигде ни с чем нет, на ООС только богу известно будет оно работать или нет, входы надо декоррелировать/не надо, нужно убирать корреляцию входов с выходом или нет, что лучше коммитет или не коммитет и тд..... Проще говоря случайное блуждание...

正是由于这些原因,一段时间以来,我已经完全放弃了 "现成的 "网络包。我自己准备我需要的东西。

 
StatBars писал(а)>> 如果你不是在NSH4-5中训练网络,而是在为更多学术目的创建的程序中训练,那么你至少可以理解错误是什么,为什么网络不能带来利润,以及一堆不同的问题,在找到答案后,你可以真正谈论在神经网络帮助下的交易。

而不是说和什么都没有联系,在反馈上只有上帝知道是否会成功,输入是否需要装饰相关,输入是否需要与输出相关,什么比提交或不提交更好,等等.....。简单地说,就是随机的漫谈...

joo 写道(a)>> 正是由于这些原因,我已经完全放弃了 "现成的 "网络包,有一段时间了。我自己准备我需要的东西。
你在这个领域有多成功?
 
LeoV >>:
Как успехи на этом поприще?

现在谈论成功还为时过早。当你成功的时候,也许我会支付你来回的机票来拜访我。:)

目前,我对以下事实感到满意:至少我完全控制了学习过程和网络的学习目标(如果这是你的意思)。

 
joo писал(а)>> 现在谈论成功还为时过早。当你成功时,也许我会付给你一张去我那里的往返机票。:)

这是件好事。))))我的荣幸。)谢谢你))))。

但基本上,我的问题是什么?这个话题对我来说非常有趣。我问的是错误和OOS的利润之间的关系。这是一个非常有趣的话题,由于与这个行业的许多专业人士交谈,他们不知道这个问题的答案。你对我说什么了?

joo 写道>>

假设你对TS产生尽可能多的利润感兴趣,而且是尽可能多的,也就是说,试图增加盈利交易的百分比,当然还有MO。

你可以期望根据这一原则训练的网络在OOS上也能产生利润。你需要应用一个均方根误差,在有助于这些目标的模式上突出网络。也就是说,该网络专注于导致某种效果的特定模式。

如果你使用均方根误差,你是在 "平均化 "模式,而不是强调它们。

и

StatBars wrote(a) >>

关于利润<-->错误。

我相信(当然是通过实验证实)。

如果网络误差被保存在反馈上,股权的增长/下降也将被保存,它适用于网络信号比随机信号好很多的情况。

如果不保存网络错误,股权将是随机的,也就是说,股权可以上升或下降(缓慢/快速/跳跃),但它仍然是随机的。

可以确定每项任务的利润<-->误差。

好吧,这些都不是答案,你必须明白)))。这些只是 "关于这个问题 "的一般思考。好吧,我们采取NS(不是交易员)或Solution,这并不重要(为了 "学术目的"),制作一个网络(不管是什么)并开始训练。直到什么时候,我们才会训练它?直到最小误差?应该理解,这将是一个100%的过度训练。没有达到最小误差?然后直到什么错误?利润是什么?究竟为什么会出现这种错误呢?如果我们稍微减少误差,利润是增加还是减少?如果你增加误差呢?

所以它是这样的.....))))