SOM: 烹饪方法 - 页 2 12345678 新评论 Alexey Burnakov 2011.04.29 18:35 #11 顺便说一下,这些引文来自Finam的网站。但我也用Metakvots试过(从1989年到2011年)--结果没有根本性的不同。 Alexey Burnakov 2011.04.30 07:06 #12 下午好! 继续这个主题。在日线上对英镑兑美元进行了分析,从1989年到2011年。同样的方法,但我做了一个更小的BVS(5*5),因此输入向量的分离变得更粗,但没有任何结果。 这是学习ACS的结果。我没有把它分成几团,以免使它变得更粗。我取了5800个例子进行训练,输入向量的大小是一样的--40。 我分析了未来价格变动的概率,条数不定(未来从1到15)。横向走神经元的数量,然后是击中它们的样本数量,然后是未来1-15条的概率,首先是向上移动,然后是向下的价格移动的块。 通过这个表格的图形。只有在这里的横条上才有未来,在竖条上有--神经元。我正是采取了那些用紫色突出显示的案例来建立一个交易策略。大于0.6的概率模数。 结果。培训。 接下来,我将OOS期的数据反馈给训练好的SOM,并得到神经元的编号。我运用了这个策略。 OOS-期间(从2010年初到现在)。 最后,我建立了一个平均输入向量,对应于概率最高的单元格的例子。 我也可以根据要求发布包含所有数据的文件。 Andrey Dik 2011.04.30 07:17 #13 第二种ts的规则!:) Alexey Burnakov 2011.04.30 07:42 #14 在我测试过的所有仪器上,都能观察到可预测性。 Andrey Dik 2011.04.30 07:49 #15 alexeymosc: 在我测试过的所有工具上,都能观察到可预测性。很好,我甚至会说很好!- 或者,你知道,赌场,随机性.... 现在,如果你不介意,并且在你的神经网络技术内有可能的话,试着在不使用交易预测 时间限制(未来的条数)的情况下进行预测。我非常好奇,网格的相同预测能力是否会持续下去。 TheXpert 2011.04.30 09:56 #16 据我所知,这个表是基于事实的,所以如果没有时间限制,你必须想出另一种方法来建立这个表。 Alexey Burnakov 2011.04.30 12:25 #17 joo: 很好,我甚至会说很好!- 你知道,赌场,随机.... 现在,如果你不介意,并且在你的神经网络技术内有可能的话,试着在不使用时间限制交易预测(未来的条数)的情况下进行预测。我非常好奇,网格是否会保留同样的预测能力。 我认为对算法有一些误解。自组织地图不预测....。它将多维的例子空间分割成类似例子集中的紧凑区域。神经网络不知道未来会发生什么。(虽然有时未来的数据被送入训练ACS,然后它可以专注于利润最大的集群,同时学习这种有利可图情况之前的输入向量)。然后我建立一个电子表格,看看由神经网络聚类的案例的平均未来价格行为。 而没有时间表,你如何进行预测呢?我们可以预测未来,但不能预测无限大。 Alexey Burnakov 2011.04.30 12:29 #18 TheXpert: 据我所知,这个表格是基于事实的,所以在没有时间限制的情况下,你必须想出另一种方法来建立这个表格。 是的,当然了。你可以尝试预测takeprofit的成就,但你同样需要设定一个时间限制,至少是一些。 我们也可以不看价格在n个柱子中升高或降低的概率,而是看交易的平均利润,考虑到n个柱子的公开交易的时间。而所有这些都可以在已经存在的分解成SCP单元的例子上进行观察。 我希望听到一些关于用这种方法还能预测什么的想法。 Andrey Dik 2011.04.30 13:27 #19 alexeymosc: 我认为对算法有一些误解。一个自组织地图不会预测....它将实例的多维空间分割成类似实例集中的紧凑区域。神经网络不知道未来会发生什么。 我明白自组织地图是如何工作的(显然,你不明白我为什么要问这个问题,但如果你不知道,我就不解释了,否则他们可能会指责我自我吹捧)。我不是在说牌(牌的预测),而是在说一般的TC。而TC从事的正是预言工作,无论谁说什么。 而且,如果没有一个时间框架,我们怎么能做出预测?我们可以预测未来,但不能预测无限大。 呀。在这个论坛上酝酿的所有TC中,99%的百分比没有预测的时间框架。这对我来说似乎很奇怪(也许对你来说也是),但这是事实。一个典型的例子:在两个或一个波段上交易,通过交叉点进入(你进入但不知道何时退出,也许永远不会),通过相反的信号退出/进入。 我很高兴这个论坛上有人理解黑体字的意思。 我希望听到一些想法,用这种方法还能预测到什么。 那么我们毕竟是在预测吗?:) 人们可以预测价格在特定时间间隔内保持在特定范围内的概率(一般来说,我不喜欢 "预测 "这个词,尤其是与 "概率 "这个词结合使用)--人们也可以在这方面赚钱。 Alexey Burnakov 2011.04.30 14:23 #20 ---乌伊。在这个论坛上酝酿的所有TC中,99%的百分比没有预测的时间框架。这对我来说似乎很奇怪(也许对你来说也是如此),但它确实如此。一个典型的例子:在两个或一个波段上交易,通过交叉点进入(我们进入但不知道何时退出,也许永远不会),通过相反的信号退出/进入。 是的,我明白这一点。如果我们把它与输入和输出都由指标产生的TS相比较,我们可以做如下工作:我们给NS提供输入,获得神经元编号,输入位置,等待NS给我们另一个神经元的编号来退出。我们在策略测试器中 选择输入和输出神经元的数量。当然,为此,我们应该编写一个专家顾问,并对其进行测试。但我喜欢先想一想这种方法是否可行......我的想法是,我们基本上是在处理一个系统从一个状态到另一个状态的过渡问题。系统的状态被形式化为属于紧凑类(SCS单元)。理论上,可能存在这样的情况,即从状态x到状态y的高概率转换会带来利润。但到目前为止,这只是一个幻想 )你怎么看? ---你可以预测价格在某一时间区间停留在某一区间的概率(一般来说,我不喜欢 "预测 "这个词,尤其是与 "概率 "这个词结合使用)---你也可以在这上面赚钱。 是的,当然,我们根据对所产生的数据组的分析结果,以概率的方式做出预测 )没有什么可以说是肯定的,总会有例外。我把数据文件,有单元格数字,OOS期是灰色的。你也可以尝试自己预测,在Excel中编一个关于训练期的策略,然后在OOS上检查。例如,我们分析价格在未来会达到什么最大值和最小值(通过条形图),但在这里我们可以马上说,通道在未来会延伸。那么如何在这个想法上显示TS的积极数学预期呢? 该文件附在后面。 附加的文件: gbpusd1440-som.zip 3346 kb 12345678 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
下午好!
继续这个主题。在日线上对英镑兑美元进行了分析,从1989年到2011年。同样的方法,但我做了一个更小的BVS(5*5),因此输入向量的分离变得更粗,但没有任何结果。
这是学习ACS的结果。我没有把它分成几团,以免使它变得更粗。我取了5800个例子进行训练,输入向量的大小是一样的--40。
我分析了未来价格变动的概率,条数不定(未来从1到15)。横向走神经元的数量,然后是击中它们的样本数量,然后是未来1-15条的概率,首先是向上移动,然后是向下的价格移动的块。
通过这个表格的图形。只有在这里的横条上才有未来,在竖条上有--神经元。我正是采取了那些用紫色突出显示的案例来建立一个交易策略。大于0.6的概率模数。
结果。培训。
接下来,我将OOS期的数据反馈给训练好的SOM,并得到神经元的编号。我运用了这个策略。
OOS-期间(从2010年初到现在)。
最后,我建立了一个平均输入向量,对应于概率最高的单元格的例子。
我也可以根据要求发布包含所有数据的文件。
在我测试过的所有工具上,都能观察到可预测性。
很好,我甚至会说很好!- 或者,你知道,赌场,随机性....
现在,如果你不介意,并且在你的神经网络技术内有可能的话,试着在不使用交易预测 时间限制(未来的条数)的情况下进行预测。我非常好奇,网格的相同预测能力是否会持续下去。
很好,我甚至会说很好!- 你知道,赌场,随机....
现在,如果你不介意,并且在你的神经网络技术内有可能的话,试着在不使用时间限制交易预测(未来的条数)的情况下进行预测。我非常好奇,网格是否会保留同样的预测能力。
我认为对算法有一些误解。自组织地图不预测....。它将多维的例子空间分割成类似例子集中的紧凑区域。神经网络不知道未来会发生什么。(虽然有时未来的数据被送入训练ACS,然后它可以专注于利润最大的集群,同时学习这种有利可图情况之前的输入向量)。然后我建立一个电子表格,看看由神经网络聚类的案例的平均未来价格行为。
而没有时间表,你如何进行预测呢?我们可以预测未来,但不能预测无限大。
据我所知,这个表格是基于事实的,所以在没有时间限制的情况下,你必须想出另一种方法来建立这个表格。
是的,当然了。你可以尝试预测takeprofit的成就,但你同样需要设定一个时间限制,至少是一些。
我们也可以不看价格在n个柱子中升高或降低的概率,而是看交易的平均利润,考虑到n个柱子的公开交易的时间。而所有这些都可以在已经存在的分解成SCP单元的例子上进行观察。
我希望听到一些关于用这种方法还能预测什么的想法。
我认为对算法有一些误解。一个自组织地图不会预测....它将实例的多维空间分割成类似实例集中的紧凑区域。神经网络不知道未来会发生什么。
我明白自组织地图是如何工作的(显然,你不明白我为什么要问这个问题,但如果你不知道,我就不解释了,否则他们可能会指责我自我吹捧)。我不是在说牌(牌的预测),而是在说一般的TC。而TC从事的正是预言工作,无论谁说什么。
而且,如果没有一个时间框架,我们怎么能做出预测?我们可以预测未来,但不能预测无限大。
呀。在这个论坛上酝酿的所有TC中,99%的百分比没有预测的时间框架。这对我来说似乎很奇怪(也许对你来说也是),但这是事实。一个典型的例子:在两个或一个波段上交易,通过交叉点进入(你进入但不知道何时退出,也许永远不会),通过相反的信号退出/进入。
我很高兴这个论坛上有人理解黑体字的意思。
我希望听到一些想法,用这种方法还能预测到什么。
那么我们毕竟是在预测吗?:)
人们可以预测价格在特定时间间隔内保持在特定范围内的概率(一般来说,我不喜欢 "预测 "这个词,尤其是与 "概率 "这个词结合使用)--人们也可以在这方面赚钱。
---乌伊。在这个论坛上酝酿的所有TC中,99%的百分比没有预测的时间框架。这对我来说似乎很奇怪(也许对你来说也是如此),但它确实如此。一个典型的例子:在两个或一个波段上交易,通过交叉点进入(我们进入但不知道何时退出,也许永远不会),通过相反的信号退出/进入。
是的,我明白这一点。如果我们把它与输入和输出都由指标产生的TS相比较,我们可以做如下工作:我们给NS提供输入,获得神经元编号,输入位置,等待NS给我们另一个神经元的编号来退出。我们在策略测试器中 选择输入和输出神经元的数量。当然,为此,我们应该编写一个专家顾问,并对其进行测试。但我喜欢先想一想这种方法是否可行......我的想法是,我们基本上是在处理一个系统从一个状态到另一个状态的过渡问题。系统的状态被形式化为属于紧凑类(SCS单元)。理论上,可能存在这样的情况,即从状态x到状态y的高概率转换会带来利润。但到目前为止,这只是一个幻想 )你怎么看?
---你可以预测价格在某一时间区间停留在某一区间的概率(一般来说,我不喜欢 "预测 "这个词,尤其是与 "概率 "这个词结合使用)---你也可以在这上面赚钱。
是的,当然,我们根据对所产生的数据组的分析结果,以概率的方式做出预测 )没有什么可以说是肯定的,总会有例外。我把数据文件,有单元格数字,OOS期是灰色的。你也可以尝试自己预测,在Excel中编一个关于训练期的策略,然后在OOS上检查。例如,我们分析价格在未来会达到什么最大值和最小值(通过条形图),但在这里我们可以马上说,通道在未来会延伸。那么如何在这个想法上显示TS的积极数学预期呢?
该文件附在后面。