이론가들의 모든 문제는 현실에 존재하지 않는 이론들을 끌어내는 것이다. 그러나 현실은 때때로 이론과 같습니다. 얼마나 유사한지를 결정하는 것만 남아 있습니까? 실제로 이것 또는 그 이론의 검사자가 하는 일. 솔직히 트레이더는 테스터와 같습니다. 그는 그의 중개인에게 예금에 대한 전략이나 이론을 테스트합니다 (가장 겁이없는 사람은 이론을 사용하지 않고 단순히합니다 :)) ... 음, 겁쟁이 (나 같은) ... 그리고 모든 것을 무한대로 확인합니다 :) 이것은 ... 거래 이론에 몰입! 그러나 모든 일이 실제로 어떻게 발생합니까? ... 확실히 알 수는 없습니다. 우리는 영향을 줄 수 있는 것만 알 수 있습니다. 어떤 영향을 미치는지 정확히 이해해야 한다고 생각합니까? 예를 들어 암호화폐의 성장? 오일 배럴을 낮추기 위해. 엔 등의 급격한 변동에 대해 등. 이 정보는 어디서 얻나요? 솔직히 말해서...모르겠습니다. 나는 이전 사람들의 경험을 봅니다 ... 데이터를 가져온 리소스가 단순히 사라지고 ... 모든 기능이 단순히 사라졌습니다. 따라서 기본 분석은 빠르고 두려움이 없는 트레이더를 위한 것입니다. 좋아... 현실화하자... 우리가 할 수 있는 모든 것은... 경향을 포착하고 역사에서 그 경향을 반복하는 것입니다. 우리는 어리석게 할 수 있습니다 ...
1. 일정한 시간에 같은 것을 잡다 (하락추세, 상승추세, 스윙, 정지, 돌파)
2. 추세에 기여하는 몇 가지 매개변수(저항, 지지선)를 시도합니다.
3. 중요하거나 잘 알려진 이벤트에 대한 가격 반응.
모든 것. 다른 무엇을 신호로 사용할 수 있는지 모르겠습니다. 차트에서 가격 그리기 옵션을 사용할 수 있습니다... 마치 무당이 탬버린을 가지고 춤추는 것과 같습니다! :) 사람들은 일반적으로 기뻐합니다. 글쎄요, 무당은 무엇인지 알고 있습니다. :) 물론, 신뢰할 수 있는 출처에서 정보를 알면 좋겠지만 최근에는 종종 신뢰도가 점점 낮아지고 있습니다. 따라서 그것은 단지 어리석은 일입니다 ... 우리는 무엇을 복사했는지 :) 이것을 수행하는 방법은 무엇입니까? ... 음... 복사 매개변수를 약간 정의합니다. 예? 이게 뭔가요?
악기의 모든 것은 모든 것과 관련이 있습니다. 그리고 이것은 불가피하기 때문입니다. 모든 것은 동일한 데이터에서 동일한 시계열의 변환을 통해 얻습니다.
그건 그렇고, PCA를 통해 다중 공선성을 없애고 입력의 차원을 줄이거 나 단일 값 분해를 시도 할 수 있습니다.
일반적으로 원칙적으로 NN을 역사의 한 부분에 맞추는 데 문제가 없으며 적응 모드 및 자체 재교육에 문제가 있습니다. 나는 아직 주제를 잘 드러내는 기사와 다른 정보를 접하지 못했습니다 .. 작은 자체 개발이 있지만 지금까지는 잘 작동하지 않습니다. 따라서 RF 및 적응형 시스템에 대한 내 기사는 적응성에 대한 주제를 완전히 밝히고 싶었기 때문에 당분간 그것에 대해 멈췄습니다.
이제 다른 차트에서 + - 올바른 신호를 제공하는 적응형 예측기의 솔루션을 보았고, 실제로 기본 ns는 1회만 훈련되거나 자주 훈련되지 않을 것입니다. 문제를 제거해야 합니다. - 언제 NN을 재훈련하고 문제 자체를 재훈련하는지, 시장이 변할 때 예측자가 작동을 멈출 때
그건 그렇고, PCA를 통해 다중 공선성을 없애고 입력의 차원을 줄이거 나 단일 값 분해를 시도 할 수 있습니다.
일반적으로 원칙적으로 NN을 역사의 한 부분에 맞추는 데 문제가 없으며 적응 모드 및 자체 재교육에 문제가 있습니다. 나는 아직 주제를 잘 드러내는 기사와 다른 정보를 접하지 못했습니다 .. 작은 자체 개발이 있지만 지금까지는 잘 작동하지 않습니다. 따라서 RF 및 적응형 시스템에 대한 내 기사는 적응성에 대한 주제를 완전히 밝히고 싶었기 때문에 당분간 그것에 대해 멈췄습니다.
막심 드미트리예프스키 : 쿨초, 실제 스프레드와 커미션으로, 나는 여전히 결과를보고 싶습니다.. 거래가 짧으면 + 슬리피지
모델이 이 모든 것을 고려한 것 같습니다. 성공 여부에 관계없이 각 거래에서 30포인트가 손실된다고 믿어집니다(이것은 선물입니다). 이것은 그들에게 지옥입니다. 디버깅에 사용되지 않는 데이터에 대한 테스트 미래에 대한 디버깅 -6.17 - 이후의 미래에 대한 테스트 - 9.17. 가능하면 모든 것이 고려됩니다.)
그러나 뉘앙스는 물론 어쨌든 될 것입니다. 평소와 같이 실물은 다소 나빠질 것이라고 생각합니다.
이제 우리는 거래를 시작하는 지점에 도달했습니다. 나는 운동한다 - 나는 온라인으로 거래에 대한 약 12개의 항목을 보았다. 제대로 맞는 것 같습니다.
뉴런의 활성화 기능에 대해 읽어보세요. 원하는 값을 출력할 수 있지만 잘못된 활성화 함수는 음수 값을 생성합니다. 일반적으로 이것은 쌍곡선 탄젠트입니다. softmax 손실 기능은 제대로 작동하지 않습니다. 많은 것이 라이브러리와 손실 함수의 구현에 의존하지만. 예를 들어, Tensorflow에서 softmax 손실 함수의 출력 뉴런에는 활성화 함수가 없어야 합니다. 그리고 훈련된 네트워크를 올바르게 사용하려면 softmax 활성화를 추가해야 합니다. 나는 ALGLIB와 함께 일하지 않았습니다. 아마도 그들이 뭔가 잘못했을 것입니다. 어떤 경우든 훈련된 softmax 네트워크는 음수 값을 생성하지 않아야 합니다.
이것은 훈련 예제에서 해당 클래스 중 하나가 다른 클래스에 비해 수적으로 크게 우세한 경우에 발생합니다. 예를 들어, 2000개의 교육 예제가 매수이고 1000개가 매도입니다. Neuronka는 항상 "매수"를 발행할 수 있으며 66%의 경우에 맞을 것입니다. 각 클래스의 학습 예제의 수는 동일하게 하는 것이 좋습니다.
이론가들의 모든 문제는 현실에 존재하지 않는 이론들을 끌어내는 것이다. 그러나 현실은 때때로 이론과 같습니다. 얼마나 유사한지를 결정하는 것만 남아 있습니까? 실제로 이것 또는 그 이론의 검사자가 하는 일. 솔직히 트레이더는 테스터와 같습니다. 그는 그의 중개인에게 예금에 대한 전략이나 이론을 테스트합니다 (가장 겁이없는 사람은 이론을 사용하지 않고 단순히합니다 :)) ... 음, 겁쟁이 (나 같은) ... 그리고 모든 것을 무한대로 확인합니다 :) 이것은 ... 거래 이론에 몰입! 그러나 모든 일이 실제로 어떻게 발생합니까? ... 확실히 알 수는 없습니다. 우리는 영향을 줄 수 있는 것만 알 수 있습니다. 어떤 영향을 미치는지 정확히 이해해야 한다고 생각합니까? 예를 들어 암호화폐의 성장? 오일 배럴을 낮추기 위해. 엔 등의 급격한 변동에 대해 등. 이 정보는 어디서 얻나요? 솔직히 말해서...모르겠습니다. 나는 이전 사람들의 경험을 봅니다 ... 데이터를 가져온 리소스가 단순히 사라지고 ... 모든 기능이 단순히 사라졌습니다. 따라서 기본 분석은 빠르고 두려움이 없는 트레이더를 위한 것입니다. 좋아... 현실화하자... 우리가 할 수 있는 모든 것은... 경향을 포착하고 역사에서 그 경향을 반복하는 것입니다. 우리는 어리석게 할 수 있습니다 ...
1. 일정한 시간에 같은 것을 잡다 (하락추세, 상승추세, 스윙, 정지, 돌파)
2. 추세에 기여하는 몇 가지 매개변수(저항, 지지선)를 시도합니다.
3. 중요하거나 잘 알려진 이벤트에 대한 가격 반응.
모든 것. 다른 무엇을 신호로 사용할 수 있는지 모르겠습니다. 차트에서 가격 그리기 옵션을 사용할 수 있습니다... 마치 무당이 탬버린을 가지고 춤추는 것과 같습니다! :) 사람들은 일반적으로 기뻐합니다. 글쎄요, 무당은 무엇인지 알고 있습니다. :) 물론, 신뢰할 수 있는 출처에서 정보를 알면 좋겠지만 최근에는 종종 신뢰도가 점점 낮아지고 있습니다. 따라서 그것은 단지 어리석은 일입니다 ... 우리는 무엇을 복사했는지 :) 이것을 수행하는 방법은 무엇입니까? ... 음... 복사 매개변수를 약간 정의합니다. 예? 이게 뭔가요?
무슨 내용인지 이해하지 못하셨나요?
악기의 모든 것은 모든 것과 관련이 있습니다. 그리고 이것은 불가피하기 때문입니다. 모든 것은 동일한 데이터에서 동일한 시계열의 변환을 통해 얻습니다.
그건 그렇고, PCA를 통해 다중 공선성을 없애고 입력의 차원을 줄이거 나 단일 값 분해를 시도 할 수 있습니다.
일반적으로 원칙적으로 NN을 역사의 한 부분에 맞추는 데 문제가 없으며 적응 모드 및 자체 재교육에 문제가 있습니다. 나는 아직 주제를 잘 드러내는 기사와 다른 정보를 접하지 못했습니다 .. 작은 자체 개발이 있지만 지금까지는 잘 작동하지 않습니다. 따라서 RF 및 적응형 시스템에 대한 내 기사는 적응성에 대한 주제를 완전히 밝히고 싶었기 때문에 당분간 그것에 대해 멈췄습니다.
이제 다른 차트에서 + - 올바른 신호를 제공하는 적응형 예측기의 솔루션을 보았고, 실제로 기본 ns는 1회만 훈련되거나 자주 훈련되지 않을 것입니다. 문제를 제거해야 합니다. - 언제 NN을 재훈련하고 문제 자체를 재훈련하는지, 시장이 변할 때 예측자가 작동을 멈출 때
그건 그렇고, PCA를 통해 다중 공선성을 없애고 입력의 차원을 줄이거 나 단일 값 분해를 시도 할 수 있습니다.
일반적으로 원칙적으로 NN을 역사의 한 부분에 맞추는 데 문제가 없으며 적응 모드 및 자체 재교육에 문제가 있습니다. 나는 아직 주제를 잘 드러내는 기사와 다른 정보를 접하지 못했습니다 .. 작은 자체 개발이 있지만 지금까지는 잘 작동하지 않습니다. 따라서 RF 및 적응형 시스템에 대한 내 기사는 적응성에 대한 주제를 완전히 밝히고 싶었기 때문에 당분간 그것에 대해 멈췄습니다.
일주일 전에 모델에서 이 결과를 얻었습니다.
х - 거래 번호, y - 총 이익 p. 고정 로트와 거래.
나는 미쳤다. 그리고 이제 일주일 동안 실제 시스템을 리벳팅하고 있습니다.
일주일 전에 모델에서 이 결과를 얻었습니다.
х - 거래 번호, y - 총 이익 p. 고정 로트와 거래.
나는 미쳤다. 그리고 이제 일주일 동안 실제 시스템을 리벳팅하고 있습니다.
쿨초, 실제 스프레드와 커미션으로, 나는 여전히 결과를보고 싶습니다.. 거래가 짧으면 + 슬리피지
그리고 앞으로 :)
쿨초, 실제 스프레드와 커미션으로, 나는 여전히 결과를보고 싶습니다.. 거래가 짧으면 + 슬리피지
모델이 이 모든 것을 고려한 것 같습니다. 성공 여부에 관계없이 각 거래에서 30포인트가 손실된다고 믿어집니다(이것은 선물입니다). 이것은 그들에게 지옥입니다. 디버깅에 사용되지 않는 데이터에 대한 테스트 미래에 대한 디버깅 -6.17 - 이후의 미래에 대한 테스트 - 9.17. 가능하면 모든 것이 고려됩니다.)
그러나 뉘앙스는 물론 어쨌든 될 것입니다. 평소와 같이 실물은 다소 나빠질 것이라고 생각합니다.
이제 우리는 거래를 시작하는 지점에 도달했습니다. 나는 운동한다 - 나는 온라인으로 거래에 대한 약 12개의 항목을 보았다. 제대로 맞는 것 같습니다.
SOFTMAX 버전의 NS가 있는 ALGLIB에 문제가 있습니다. 모든 답변은 첫 번째 출구로 치우쳐 있습니다(구매했습니다).
동일한 데이터에서 NN - 3개의 출력이 있는 회귀 (선형 활성화 포함)는 더 안정적인 결과를 제공합니다.
구매 판매 NA
0.10302356, 0.01091621, 0.88606040
0.09705416, 0.01083526, 0.89211080
0.08283979, 0.12548789, 0.79167247
1.02522414 ,-0.00119697,-0.02403573
0.09498582, 0.01529507, 0.88971917
1.01878489 ,-0.00111341,-0.01767998
0.07906346, 0.05960769, 0.86132762
0.00201949, 0.00497863, 0.99300189
>0.5 이후는 그럴듯한 답변을 제공합니다.
그런데 숲도 1번 출구로 치우쳐 있습니다.
출력 뉴런의 활성화는 무엇입니까? 음수 값이 보입니다. 그들은 안된다. 출력 뉴런에서는 softmax 활성화를 사용해야 합니다. 그 값은 0-1 범위에 있습니다.
출력 뉴런에 어떤 종류의 활성화가 있습니까? 음수 값이 보입니다. 그들은 안된다. 출력 뉴런에서는 softmax 활성화를 사용해야 합니다. 그 값은 0-1 범위에 있습니다.
위의 예는 선형 출력을 사용한 회귀에서 나온 것입니다(작동하는 대로). 가르칠 때 나는 0부터 1까지 봉사한다.
softmax에서는 분명히 1분의 1 또는 수백 분의 1이 적었습니다. 그러나 모든 것이 첫 번째 출력에 있고 다른 2개의 출력은 항상 = 0입니다. 즉. ALGLIB의 softmax에 문제가 있습니다...
뉴런의 활성화 기능에 대해 읽어보세요. 원하는 값을 출력할 수 있지만 잘못된 활성화 함수는 음수 값을 생성합니다. 일반적으로 이것은 쌍곡선 탄젠트입니다. softmax 손실 기능은 제대로 작동하지 않습니다. 많은 것이 라이브러리와 손실 함수의 구현에 의존하지만. 예를 들어, Tensorflow에서 softmax 손실 함수의 출력 뉴런에는 활성화 함수가 없어야 합니다. 그리고 훈련된 네트워크를 올바르게 사용하려면 softmax 활성화를 추가해야 합니다. 나는 ALGLIB와 함께 일하지 않았습니다. 아마도 그들이 뭔가 잘못했을 것입니다. 어떤 경우든 훈련된 softmax 네트워크는 음수 값을 생성하지 않아야 합니다.
이것은 훈련 예제에서 해당 클래스 중 하나가 다른 클래스에 비해 수적으로 크게 우세한 경우에 발생합니다. 예를 들어, 2000개의 교육 예제가 매수이고 1000개가 매도입니다. Neuronka는 항상 "매수"를 발행할 수 있으며 66%의 경우에 맞을 것입니다. 각 클래스의 학습 예제의 수는 동일하게 하는 것이 좋습니다.