使用神经网络预测货币汇率 - 页 3 1234567 新评论 Mihail Marchukajtes 2013.04.28 11:09 #21 说实话,我也不相信预测,但分类,这更有趣... Jeremy Falcon 2013.04.28 11:15 #22 LeoV: 那么,你的课件应该包括一句话:"用神经网络预测汇率是不可能的"。)))这就是整个课程作业))))。 为什么不可能呢?很有可能 :)。就拿我们最喜欢的专家顾问来说吧,我们就是靠它吃饭的(每个人都有这样的 "主力")。我们在那里找到一个线性回归,或类似的东西。用神经元学取代线性回归...Voila :) Vasiliy Sokolov 2013.04.28 11:20 #23 LeoV: 那么,你的学期论文应该包括一句话:"使用神经网络进行利率预测是不可能的"。)))这就是整个课程作业))))。 这是否意味着你对神经网络和一般的市场预测感到失望?仅仅知道 你在这个领域研究了多少年,听到你这么说就很奇怪。 Леонид 2013.04.28 11:39 #24 C-4: 这是否意味着你对神经网络和一般的市场预测感到失望?仅仅知道 你在这个领域研究了多少年,听到你这么说就很奇怪。 我不是从预测的角度来研究这个方向,而是从寻找模式的角度来研究,这些模式最好能有70%以上的概率在某个时间点上获利,也就是说,不是在每一个新出现的柱子上获利。你必须同意,这些是根本不同的事情。你不需要预测,即在未来的每一个新条形上延续工具线,以便获利。 Vasiliy Sokolov 2013.04.28 12:21 #25 LeoV:我不是从预测的角度来研究这个方向,而是从寻找模式的角度来研究,这些模式最好能有70%以上的概率在某个时间点上获利,也就是说,不是在每一个新出现的柱子上获利。你必须同意,这些是根本不同的事情。你不需要预测,即在未来的每一个新的条形图上继续仪器线,以便获利。 但是,在进入市场 的那一刻,我们仍然期望在未来,价格会朝着我们进入的方向变化,这就是预测。 Yury Reshetov 2013.04.28 12:26 #26 C-4: 这是否意味着你对神经网络和一般的市场预测感到失望?仅仅知道 你在这个领域研究了多少年,听到你这么说就很奇怪。 这意味着多层神经网络不适合用于外推法(预测)。它们只有在插值范围内才是好的。简单地说,这个方法是这样的。训练网格训练结束后,我们在归一化之前检查输入的数值。如果非正态化的输入值超出了训练样本的范围,我们将处理外推法,网络将在这里断裂,也就是说,最好是等待这样的输入信号。如果它在范围内,那么就进行内插,网格更有可能给出一个适当的结果。谁不相信,让他试试一个简单的任务,即教一个双向多层的0到9的整数的乘法表。然后通过输入插值,即从0到9的任何实数来测试它。然后进行外推,即确保至少有一个输入的数值小于0或大于9。内插是由网格处理的,外推则被搞乱了。原因很简单:sigmoid神经元的输出切断了所有超出训练样本范围的数值,这些数值略大于训练样本的范围。也就是说,sigmoids在输出端有一个极限值,无论其输入端是什么值,都不能超过这个极限。见下图:sigmoid输入可以是任何数值,sigmoid输出不能大于1,也不能小于0,也就是说,在有限的输出范围之外将是一个噩耗。事实证明,一方面,由于sigmoids的存在,多层网络的训练速度提高了,因为没有它们,误差反向传播的算法就会失去收敛性。但另一方面,这种网格成为内插器,不能在训练样本的范围之外充分工作。C-4: 不过,在进入市场的时候,我们预计未来价格会向我们进入的方向变化,这就是预测。 每条鲱鱼都是一条鱼,但不是每条鱼都是鲱鱼。预测内插法和预测外推法是不同的事情,不应混淆。你可以尝试用电视机来敲打钉子,但锤子更适合它。这就是为什么聪明人用回归法进行外推,用多层神经网进行内插。同样,不要忘记,回归分析也有其局限性,不是万能的,在某些情况下会失败。 Jeremy Falcon 2013.04.28 13:01 #27 回归不是也适用于插值吗?为什么要建立一个网格? Yury Reshetov 2013.04.28 13:14 #28 IronBird:回归不是也适用于插值吗?为什么要建立一个网格?尝试多元回归 和多层神经网络,并比较插值的RMS。你还将了解到,所有工具都有其最有效的功能限制。 anonymous 2013.04.28 13:17 #29 IronBird:回归不是也适用于插值吗?为什么要建立一个网格?多层神经网络 是非参数化的非线性回归方法之一。在某些情况下,可以放弃神经网络而采用线性/线性/非线性参数化方法。 Dmitry Fedoseev 2013.04.28 13:45 #30 预测不一定是延续到未来的线。这里的任何分析手段都是在预测价格是否会上涨或下跌。 1234567 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
那么,你的课件应该包括一句话:"用神经网络预测汇率是不可能的"。)))这就是整个课程作业))))。
为什么不可能呢?很有可能 :)。就拿我们最喜欢的专家顾问来说吧,我们就是靠它吃饭的(每个人都有这样的 "主力")。我们在那里找到一个线性回归,或类似的东西。用神经元学取代线性回归...Voila :)
那么,你的学期论文应该包括一句话:"使用神经网络进行利率预测是不可能的"。)))这就是整个课程作业))))。
这是否意味着你对神经网络和一般的市场预测感到失望?仅仅知道 你在这个领域研究了多少年,听到你这么说就很奇怪。
我不是从预测的角度来研究这个方向,而是从寻找模式的角度来研究,这些模式最好能有70%以上的概率在某个时间点上获利,也就是说,不是在每一个新出现的柱子上获利。
你必须同意,这些是根本不同的事情。
你不需要预测,即在未来的每一个新条形上延续工具线,以便获利。
我不是从预测的角度来研究这个方向,而是从寻找模式的角度来研究,这些模式最好能有70%以上的概率在某个时间点上获利,也就是说,不是在每一个新出现的柱子上获利。
你必须同意,这些是根本不同的事情。
你不需要预测,即在未来的每一个新的条形图上继续仪器线,以便获利。
但是,在进入市场 的那一刻,我们仍然期望在未来,价格会朝着我们进入的方向变化,这就是预测。
这是否意味着你对神经网络和一般的市场预测感到失望?仅仅知道 你在这个领域研究了多少年,听到你这么说就很奇怪。
这意味着多层神经网络不适合用于外推法(预测)。它们只有在插值范围内才是好的。
简单地说,这个方法是这样的。
谁不相信,让他试试一个简单的任务,即教一个双向多层的0到9的整数的乘法表。然后通过输入插值,即从0到9的任何实数来测试它。然后进行外推,即确保至少有一个输入的数值小于0或大于9。内插是由网格处理的,外推则被搞乱了。
原因很简单:sigmoid神经元的输出切断了所有超出训练样本范围的数值,这些数值略大于训练样本的范围。也就是说,sigmoids在输出端有一个极限值,无论其输入端是什么值,都不能超过这个极限。见下图:sigmoid输入可以是任何数值,sigmoid输出不能大于1,也不能小于0,也就是说,在有限的输出范围之外将是一个噩耗。
事实证明,一方面,由于sigmoids的存在,多层网络的训练速度提高了,因为没有它们,误差反向传播的算法就会失去收敛性。但另一方面,这种网格成为内插器,不能在训练样本的范围之外充分工作。
不过,在进入市场的时候,我们预计未来价格会向我们进入的方向变化,这就是预测。
回归不是也适用于插值吗?为什么要建立一个网格?
回归不是也适用于插值吗?为什么要建立一个网格?
尝试多元回归 和多层神经网络,并比较插值的RMS。你还将了解到,所有工具都有其最有效的功能限制。
回归不是也适用于插值吗?为什么要建立一个网格?
多层神经网络 是非参数化的非线性回归方法之一。在某些情况下,可以放弃神经网络而采用线性/线性/非线性参数化方法。