Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 346
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
ABER... der Sinn des Einsatzes dieser Technologie ist nicht, dass sie cooler ist als ein Mensch, sondern einfach, dass sie bequem, schnell und leistungsstark ist...
Sie können es besser, es gibt weniger Erkennungsfehler.
Hochspezialisierte neuronale Netze sind besser und schneller in der Lage, Bilder zu erkennen. Eine andere Sache ist, dass, wenn ein Objekt außerhalb der Trainingsstichprobe liegt und nicht richtig erkannt werden kann, eine Person ihre anderen Gehirnressourcen verbindet, und diese Ressourcen werden einfach nicht in die NS
und sie werden nichts direkt "Verstecktes" finden, man muss meiner Meinung nach nur bewusst die Prädiktoren auswählen.
Und was die LSTM betrifft, so sollten sie meiner Meinung nach gerade für Zeitreihen gut sein, weil sie nicht nur Signale für Kauf und Verkauf verallgemeinern können, sondern sich auch an die Veränderung der Effizienz der Prädiktoren in verschiedenen Segmenten anpassen können, abhängig von den Marktveränderungen und dem vergangenen Verhalten der Prädiktoren, dies wird das "Gedächtnis" von NS seinSie machen einen cooleren Job, es gibt weniger Erkennungsfehler
Hochspezialisierte neuronale Netze sind besser und schneller in der Lage, Bilder zu erkennen. Eine andere Sache ist, dass eine Person, wenn das Objekt über das Trainingsmuster hinausgeht und nicht korrekt erkannt werden kann, ihre anderen Gehirnressourcen verbindet, und diese Ressourcen werden einfach nicht in die NS
und sie werden nichts direkt "Verstecktes" finden, man muss meiner Meinung nach nur bewusst die Prädiktoren auswählen
Ok... Nun, haben Sie nicht versucht, eine bestimmte Aufgabe zu stellen , die offensichtlich lösbar, aber sehr schwierig ist, nur um zu überprüfen, was das Netzwerk wirklich in der Lage ist, experimentell zu tun...
Zum Beispiel eine stark verrauschte, künstlich erzeugte Probe mit einer bekannten deterministischen Komponente, einer komplexen Funktion, die, wenn sie nicht vorher bekannt war, unmöglich mit dem Auge berechnet werden kann...
vielleicht gibt es einige Links zu solchen Studien....
Und noch etwas: Versuchen Sie es mit einem Netzwerk mit Zeitverzögerung... es ist am besten für die Vorhersage von Zeitreihen geeignet... Ich habe es noch nicht ausprobiert, da ich nicht sehr gut darin bin.Übrigens, was glauben Sie, wozu neuronale Netze bei der Vorhersage gut sind... Ich werde es Ihnen erklären:
wir müssen die Hauptsache verstehen - entweder sind neuronale Netze in der Lage, wirklich verborgene, komplexe Zusammenhänge abzurufen, oder einen komplexen Prozess zu automatisieren, der nicht leicht formalisiert werden kann, wie die Mustererkennung, die dennoch leicht vom menschlichen Gehirn/Auge bewältigt werden kann, aber es besteht die Notwendigkeit, Menschen von solchen Routineaufgaben zu entlasten...
ein einfaches beispiel: gesichtserkennung am flughafen. ein mensch kann dies problemlos tun, aber nun muss der prozess automatisiert werden, was mit den üblichen methoden nicht möglich ist... es werden technologien wie neuronale netzwerke eingesetzt... der grund für den einsatz dieser technologie ist nicht, dass sie cooler ist als ein mensch, sondern einfach nur bequemlichkeit, schnelligkeit und hohe leistung...
wie wäre es damit im Handel: die Aufgabe der Mustererkennung mit Hilfe eines neuronalen Netzes...warum? kann das menschliche Gehirn dieses Problem nicht lösen? wie Gesichtserkennung...
von 1000 Menschen erkennt eine Person ein bekanntes Gesicht sofort wieder...
haben neuronale Netze wirklich das Potenzial, die biologische Neuronik zu übertreffen...
NS hat ein Potenzial, das die "menschliche Neuronik" übersteigt, zumindest bei der Gesichtserkennung und allem anderen). Das ist offensichtlich, denke ich. Reduziert die menschliche Arbeitsbelastung um das Zehn- oder sogar Hundertfache.
Neuronen sind im Allgemeinen nicht für Vorhersagen geeignet. Die Vorhersage durch Neuronen ist eher ein Nebeneffekt der Erkennung (Klassifizierung). Zum Beispiel: die Sonne ist bei Sonnenuntergang rot (Erkennen) - morgen ist ein windiger Tag (Vorhersage).
Wenn es wirklich ein Potenzial jenseits biologischer neuronaler Netze gibt... Ein guter Händler handelt in der Regel besser mit seinen Händen als jedes System, und Autosysteme machen es nicht besser, aber starren Sie nicht auf den Monitor und sitzen Sie nicht herum).
NS hat ein Potenzial, das die "menschlichen Neuronen" übertrifft (zumindest bei der Gesichtserkennung und so weiter). Das ist doch offensichtlich, oder? Sie reduziert den menschlichen Arbeitsaufwand um das Zehn- oder sogar Hundertfache.
Neuronen sind im Allgemeinen nicht für Vorhersagen geeignet. Die Vorhersage durch Neuronen ist eher ein Nebeneffekt der Erkennung (Klassifizierung). Zum Beispiel: Die untergehende Sonne ist rot (Erkennung), morgen ist ein windiger Tag (Vorhersage).
Ein guter Händler handelt in der Regel besser mit den Händen als jedes System, und Autosysteme machen es auch nicht besser, aber um nicht in den Monitor zu starren und auf dem Hosenboden zu sitzen).
ist das nicht ein Widerspruch....
Ok... aber haben Sie versucht, ein bestimmtes Problem zu stellen , das bekanntermaßen lösbar, aber sehr komplex ist, nur um zu überprüfen, was das Netzwerk wirklich experimentell leisten kann?
zum Beispiel eine stark verrauschte künstliche Probe mit einer bekannten deterministischen Komponente, eine komplexe Funktion, die, wenn sie nicht vorher bekannt war, unmöglich mit dem Auge berechnet werden kann...
vielleicht gibt es einige Links zu solchen Studien....
Ich habe nicht viel Erfahrung, jetzt habe ich nur Ergebnisse der Verbesserung der bereits funktionierenden Strategie mit dem Nationalen Computer... das heißt, der Nationale Computer, mit den gleichen Prädiktoren fand bessere Markteintrittssignale als ich versuchte, es selbst herauszufinden... das ist eine Tatsache... Ich habe keine Vorurteile, ich werde mir den Markt zu einem späteren Zeitpunkt ansehen.
Ich werde mich über die Netze mit Zeitverzögerung informieren, danke, das ist mir nicht bekannt.
ist das nicht ein Widerspruch....
Worin sehen Sie einen Widerspruch? Ich kann es nicht sehen.
Gemäß dem vorherigen Beitrag. Es gibt Rauschunterdrücker an Neuronen.
Worin sehen Sie einen Widerspruch? Ich kann es nicht sehen.
Gemäß dem vorherigen Beitrag. Es gibt neural vernetzte Geräuschunterdrücker.
Nun, wie in was...
NS hat zumindest mehr Potenzial als "menschliche Neuronen". bei der Gesichtserkennung und all dem. aber gleichzeitig sollte der manuelle Händler, d.h. ohne KI, der ein geringeres Potential hat und der mit all diesen Aufgaben viel schlechter zurechtkommt, warum sollte er plötzlich besser handeln als jedes System...
Das ist der reinste Widerspruch.
Juri, lass uns beim Vornamen bleiben, weil ich langsam ein bisschen ausflippe...bei all den du entschuldigst mich...)
Nun, wie in was...
NS hat das Potenzial, die "menschlichen Neuronen" mindestens zu übertreffenbei der Gesichtserkennung und all dem. aber gleichzeitig soll ein Händler, der manuell, d.h. ohne KI, handelt und der ein geringeres Potenzial hat und der aus irgendeinem Grund mit all diesen Aufgaben viel schlechter zurechtkommt, plötzlich besser handeln als jedes System...
Das ist der ultimative Widerspruch.
und ich heiße Yuri, bleiben wir beim Vornamen, denn das macht mir ein bisschen Angst ...das alles verzeihen Sie mir...)
Es tut mir leid, aber ich bin es eher gewohnt, mit "Sie" angesprochen zu werden.) Was immer Sie wollen, es stört mich nicht.
Ein hochentwickelter moderner NS hat ungefähr so viel Verstand wie eine Kakerlake. Eine Kakerlake bewältigt erfolgreich eine ganze Reihe von Aufgaben. Aufgrund der hohen Geschwindigkeit des NS und der Tatsache, dass der gesamte NS nur eine Klasse von Problemen löst, bewältigt er nur diese Klasse und nichts anderes.
Ein Händler kann Dinge sehen, die der NS nicht gelernt hat (oder nicht gelernt hat). Darüber hinaus ist er im Gegensatz zu NS in der Lage, ein breiteres Spektrum an Aufgaben zu bewältigen. D.h. auch theoretisch hat der Händler mehr Möglichkeiten und kann besser handeln als NS, wenn er nicht superschnell reagieren muss.
Übrigens, auch die NS machen Fehler. 90 % Zuverlässigkeit sind kein schlechter Indikator für NS.
So schöne Worte über Netzwerke und philosophisches Nachdenken im Allgemeinen.
Aber ich sehe keinen Beweis, nicht einmal eine Überlegung zum Thema Umschulungsnetze.
Wurden alle Ihre Netzwerke neu trainiert oder nicht?
PS.
Das war die Grundfrage zu Beginn des Themas.
Es gibt RNN und RNN3 und den unveröffentlichten Artikel über MQL5. RNN funktioniert im Optimierer besser als RNN3.
Weil RNN3 einen Fehler hat -
Die Daten wurden für 5 Punkte angefordert, während die Wahrscheinlichkeit für 4 Punkte berechnet wird, und Sie beginnen nicht mit dem aktuellen Takt a0, sondern mit einem Offset für eine Periode, d.h. ab a1. Die Wahrscheinlichkeit wird nicht für den aktuellen Zeitpunkt, sondern für den Punkt a1 berechnet - daher sind die Ergebnisse für a0 schlecht))
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
d.h. =RNN(a0,a1,a2,a3);
Nun, um für 5 Punkte zu rechnen, müssen Sie die logarithmische Matrix auf 32 Regeln erhöhen, d.h.25. Und so weiter, wenn mehr Punkte/Eingaben benötigt werden. Wenn wir 10 Eingänge haben, bedeutet das210 = 1024 Eingangsvariablen )))) Ich frage mich, ob MT5 mit einer solchen Optimierung umgehen kann?