Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 540
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
Ich bin auf eine verständliche Beschreibung eines LSTM-Neurons gestoßen, also habe ich einen kleinen Code geschrieben, um es zu testen. Artikel -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
Der Code nimmt 100 Balken des eurusd m5, zählt Balkeninkremente und das lstm-Neuron lernt, das nächste Inkrement auf der Grundlage des letzten bekannten Inkrements vorherzusagen.
Ich habe es ohne komplexe analytische Gleichungen trainiert, die Gewichte der Neuronen werden durch diskrete lbfgs-Optimierung angepasst, es ist schlechter, aber es reicht für einen einfachen Test.
Die Vorhersageschätzung (R2) lag bei etwas mehr als Null, was zwar sehr niedrig ist, aber immer noch besser als eine Zufallsschätzung. Unter Berücksichtigung, dass lstm Neuron nimmt nicht einige Indikatoren oder Array von Inkrementen, sondern nur einen Wert, von dem es den nächsten voraussagt, und es ist für jeden bar wiederholt, und im Allgemeinen ist es sehr einfach - das Ergebnis ist besser als ich erwartet hatte. Aber wenn wir Tausende von Balken nehmen, dann ist der R2-Wert < 0, schade. Und es scheint, dass das Ergebnis eines solchen Modells viel auf Forex auf neue Daten verschlechtert, muss ich einige Fahrräder mit Kreuzvalidierung zu erfinden, wird es keinen Gewinn in einer solchen einfachen Form.
Jetzt muss ich irgendwie ein Netzwerk aus diesen Neuronen zusammenstellen, aber das wurde in dem Artikel nicht erwähnt.
Dem Bild nach zu urteilen, sagt es den vorherigen Takt voraus. Oder verstehe ich vielleicht etwas nicht?
Ich habe die Nützlichkeit dieser Netze für irgendetwas noch nicht erkannt :)
Ich habe einen Freund, der schon immer mit ihnen brannte, lernte keras, nahm eine einfache Arbeitsserie mit saisonalem Gewinn, trainierte das Netz für fast einen Tag und schwor dann auf sie.
PS. Und die Modellkonvergenz kann bei Epoche 20-40 gestoppt werden, so dass es möglich ist, die Trainingszeit zu reduzieren.
Ich habe sie schon eine Weile nicht mehr aktualisiert, daher ist der Code alt, aber das Prinzip der Erfassung, Verarbeitung und Speicherung von Prognosen sowie Beispiele für rekurrente Netzmodelle sind vorhanden.
Ich habe die Nützlichkeit dieser Netze für irgendetwas noch nicht erkannt :)
Ich habe einen Freund, der immer von ihnen begeistert war, lernte keras, nahm eine einfache Serie bei der Arbeit mit saisonalen Gewinn und fast einen Tag oder so trainiert das Netz ... Danach schwor er auf sie für eine lange Zeit
Artikel über lstm zeigen, dass sie Zeitreihen ziemlich genau beschreiben können, besser als alle anderen Modelle. Sie können zum Beispiel sogar lernen, digitale Audiosignale (Stimme, Musik) zu reproduzieren, während dies für Wald oder gewöhnliche Neuronen eine unmögliche Aufgabe ist.
Ich denke, dass ein solches Netz bei einer großen Anzahl von Neuronen die Wachstumskurve genau genug beschreiben wird, aber gleichzeitig besteht die Möglichkeit einer Überfütterung - bei neuen Balken kann das Modell nutzlos sein.
Dem Bild nach zu urteilen, sagt es den vorherigen Takt voraus. Oder gibt es etwas, das ich nicht verstehe?
Das Lstm-Neuron sagt den nächsten Wert auf der Grundlage des vorherigen voraus, und in diesem Fall ist die Abhängigkeit so groß, dass sie sogar für das Auge sichtbar ist. Wenn Sie ihr gesamtes Netzwerk anstelle nur eines Neurons verwenden, wird dieses Problem verschwinden.
Wenn Sie interessiert sind, habe ich Repository mit Projekt auf githab.
Ich habe sie schon lange nicht mehr aktualisiert, daher ist der Code dort alt, aber es gibt einige Grundsätze für die Erfassung, Verarbeitung und Speicherung von Prognosen sowie Beispiele für wiederkehrende Modelle.
Nach den Artikeln über lstm zu urteilen, können sie Zeitreihen ziemlich genau beschreiben, besser als alle anderen Modelle. Sie können zum Beispiel sogar lernen, digitale Audiosignale (Stimme, Musik) zu reproduzieren, während dies für Wald oder gewöhnliche Neuronen eine unmögliche Aufgabe ist.
Ich denke, dass ein solches Netzbei einer großen Anzahl von Neuronen die Wachstumskurve genau genug beschreiben wird, aber gleichzeitig besteht die Möglichkeit einer Überfütterung - bei neuen Balken kann das Modell nutzlos sein.
Das dachte er auch, wenn man seine Artikel betrachtet
Hat nicht jemand eine anständige cpp-Bibliothek mit linearer Regression? das würde für eine Feature-Prüfung ermöglichen... oder Diskriminanzanalyse... oder Gerüst... etwas, das portiert werden kann :) algib ist zu einfach
Regression+Wald wäre besser
alglib ist zu einfach
Einfach ist schlecht und komplex ist schlecht...
Du bist einer meiner wenigen Schüler, der etwas im Weg hat, wie ein schlechter Tänzer.
Sie sind einer meiner wenigen Schüler, der ein schlechter Tänzer ist. Obwohl ich schon oft vor diesem ganzen ML und Programmieren gewarnt habe, dass es sich um eine Spielerei handelt, die nichts mit echtem Handel zu tun hat, sind die Menschen ängstlich, willensschwach und arm obendrein, für die der Handel im Allgemeinen verboten ist (in entwickelten Ländern auf der Ebene der Gesetzgebung), Wenn der Markt dann herausfindet, wer wer ist, und der Markt betrügt nie und kann nicht betrogen werden, wird es zu spät sein, die Ersparnisse von zehn Jahren angeheuerter Arbeit werden sich in Luft auflösen, sie werden sie nicht wieder einstellen und müssen betteln oder Glasschrott sammeln, um generell obdachlos zu sein.
und einfach ist schlecht und komplex ist schlecht...
Du bist einer meiner wenigen Schüler, der etwas im Weg hat, wie ein schlechter Tänzer.
Obwohl ich schon oft vor diesem ML und der Programmierung gewarnt habe, dass es sich um eine Spielerei handelt, die nichts mit echtem Handel zu tun hat, sind die Menschen ängstlich, willensschwach und obendrein arm, denen der Handel im Allgemeinen verboten ist (in entwickelten Ländern auf der Ebene der Gesetzgebung), Sie versuchen, sich hinter Formeln und Codes zu verstecken, um ihnen Staub in die Augen zu streuen, und wenn dann der Markt herausfindet, wer wer ist, und der Markt betrügt nie und lässt sich nicht täuschen, ist es zu spät, ihre Ersparnisse aus zehn Jahren Lohnarbeit werden sich in Luft auflösen, sie werden nicht wieder eingestellt und müssen betteln oder Glasabfälle sammeln, um im Allgemeinen obdachlos zu sein.
Du bist wie eine anhängliche Tussi, der man schon fünfmal "Nein" gesagt hat und die dir immer noch auf Facebook und per SMS schreibt.
Hat nicht jemand eine anständige cpp-Bibliothek mit linearer Regression? das würde für eine Feature-Prüfung ermöglichen... oder Diskriminanzanalyse... oder Gerüst... etwas, das portiert werden kann :) algib ist zu einfach
Regression + Gerüstbildung ist besser
https://github.com/Microsoft/CNTK - Multitool. Nicht untersucht. Als dll-Option.
https://github.com/BVLC/caffe - Für eine Billigvariante ebenfalls recht leistungsstark.
und einfach ist schlecht und komplex ist schlecht...
Du bist einer meiner wenigen Schüler, der etwas im Weg hat, wie ein schlechter Tänzer.
Obwohl ich schon oft vor diesem ML und der Programmierung gewarnt habe, dass es sich um eine Spielerei handelt, die nichts mit echtem Handel zu tun hat, sind die Menschen ängstlich, willensschwach und obendrein arm, denen der Handel generell verboten ist (in den entwickelten Ländern auf der Ebene der Gesetzgebung), Wenn der Markt dann herausfindet, wer wer ist, und der Markt betrügt nie und kann nicht getäuscht werden, wird es zu spät sein, ihre Ersparnisse nach zehn Jahren Lohnarbeit werden sich in Luft auflösen, sie werden keine Arbeit finden und müssen betteln oder Glasschrott sammeln, um generell obdachlos zu sein.
Herr Lehrer, hören Sie auf zu flunkern. Oder sind Sie ein Lehrer für Spam und Überschwemmungen?