Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 617
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
Die Antwort auf Ihre Frage: Klassifizierung. Kauf-/Verkaufs-/Pass-Signale.
Was die Bilder betrifft, so ist nicht klar, was die Linien sind.
Screenshots der MetaTrader-Handelsplattform
AUDUSD, H1, 2018.01.28
RoboForex (CY) Ltd, MetaTrader 5, Demo
Ich stimme zu, die Bilder sind aus der Karte ausgeschnitten.
Über die Klassifizierung, ist dies in der gleichen neuronalen Netzwerk angewendet werden kann?
Ein Modell im Sinne des heutigen Publikums ist ein Satz von Datensatzparametern (Spalten, Variablen) + ein Satz von mathematischen Methoden (Funktionen) + ein Ergebnis (Funktionsaufruf).
Ich verstehe, dass Sie von einem Datensatz sprechen.
Die Länge des Datensatzes beeinflusst die Qualität und die Geschwindigkeit des Lernens (Zeilen). Die Qualität der Vorhersagen wird durch die Qualität der Parameter (Säulen) beeinflusst
Ich kann nicht herausfinden, wie ich mit der Länge des Datensatzes umgehen soll. In meinem Fall kann ein und dasselbe Modell 500 Balken lang sein, aber an einem Tag kann es 200 Balken lang sein. Angenommen, ich erstelle ein Skript, das mir Datensätze für jede Stunde liefert, die jedoch unterschiedlich lang sind, wie kann ich sie dann in einem neuronalen Netz verwenden? Ich denke, dass gerade die Länge des Modells auch ein Qualitätsparameter für ein neuronales Netz ist...
https://charts.mql5.com/17/376/audusd-h1-roboforex-cy-ltd.png
Stimmt, die Bilder sind aus der Grafik ausgeschnitten.
Kann das gleiche neuronale Netz auch für die Klassifizierung verwendet werden?
Aus den Bildern geht nicht klar hervor, was die Daten sind und wo die Prognose liegt. Was bedeuten die vertikalen Linien? Im Allgemeinen gibt es, wie man sagt, keine Legende auf dem Diagramm.
Grundsätzlich ja, in der Struktur des neuronalen Netzmodells müssen Sie die Ausgabeschicht ändern (Anzahl der Neuronen, Aktivierungsfunktion) und die Daten für das Training in Klassen umwandeln (z. B. Indikatorsignale, normalisierte Kurssteigerungen).
Aus den Bildern geht nicht klar hervor, um welche Art von Daten es sich handelt und wo die Vorhersage liegt. Was bedeuten die vertikalen Linien? Im Allgemeinen gibt es, wie man sagt, keine Legende auf dem Diagramm.
Grundsätzlich ja, in der Struktur des neuronalen Netzmodells müssen Sie die Ausgabeschicht ändern (Anzahl der Neuronen, Aktivierungsfunktion) und die Daten für das Training in Klassen umwandeln (z. B. Indikatorsignale, normalisierte Kurssteigerungen).
Laut Bild zeigen die senkrechten Linien das Modell selbst, alles nach rechts senkrecht nach vorne. Der Forward verhält sich also anders, und mit Hilfe eines neuronalen Netzes möchte ich eine mögliche Erklärung für das Verhalten des Forward finden. Ich möchte die Daten von neuronet für inkrementelle Preise für die Fläche des Modells verwenden.
Ich kann nicht herausfinden, wie ich mit der Länge des Datensatzes umgehen soll. In meinem Fall kann ein und dasselbe Modell 500 Balken lang sein, aber an einem Tag kann es 200 Balken lang sein. Angenommen, ich erstelle ein Skript, das mir Datensätze für jede Stunde liefert, die jedoch unterschiedlich lang sind, wie kann ich sie dann in einem neuronalen Netz verwenden? Ich denke, dass die Länge des Modells auch ein Qualitätsindikator für ein neuronales Netz ist.
Ihr Datensatz ist eine Tabelle, deren Spalten z. B. Eröffnungs-/Schlusskurse und Zeilen Zeitpunkte, Balken, sind.
In einer elementaren Architektur eines neuronalen Netzes wird eine Zeile nach der anderen eingegeben, und für jede Zeile sollte ein Ergebnis ausgegeben werden, das nach einem Vergleich mit einem Benchmark von der Optimierungsfunktion "trainiert" wird.
Wenn Sie ihn mit mehreren Strings gleichzeitig füttern, handelt es sich um eine Zeitreihe, was bedeutet, dass er nach einem bestimmten Algorithmus gefüttert werden sollte.
Ich sollte noch hinzufügen: Studieren Sie die Artikel zu diesem Thema, ich denke, viele Fragen werden klarer werden.Laut Bild zeigen die senkrechten Linien das Modell selbst, alles nach rechts senkrecht nach vorne. Der Forward verhält sich also anders, und mit Hilfe eines neuronalen Netzes möchte ich eine mögliche Erklärung für das Verhalten des Forward finden. Ich möchte die Daten für das Neuronetz für die Preisstufen des Modells verwenden.
Ich habe angefangen, einen Artikel über den gepaarten Handel zu schreiben... aber ich bin wegen meiner Faulheit und meinem Mangel an Verständnis, wie man es richtig macht, stecken geblieben :)
Ihr Datensatz ist eine Tabelle, deren Spalten z. B. Eröffnungs-/Schlusskurse und deren Zeilen Zeitpunkte, Balken, sind.
In einer rudimentären Architektur eines neuronalen Netzes wird eine Zeile nach der anderen eingespeist, und für jede Zeile muss sie ein Ergebnis liefern, das die Optimierungsfunktion nach dem Vergleich mit der Benchmark das neuronale Netz "trainiert".
Wenn Sie mehrere Zeichenfolgen auf einmal eingeben, handelt es sich um eine Zeitreihe, was bedeutet, dass Sie sie nach einem bestimmten Algorithmus eingeben sollten.
Verzeihen Sie mir, dass ich so unverblümt bin, meine Kenntnisse über neuronale Netze sind wahrscheinlich zu oberflächlich. Ich habe zum Beispiel eine Folge von Kursen für 100 Balken und eine Folge von Terminkursen für 5 Balken. Der Input des neuronalen Netzes ist 100 und der Output ist 5 Balken. Aber jetzt hat die nächste Auswahl eine Stunde früher eine Sequenz von z.B. 200 Balken und vorwärts auch 5 Balken. die dritte Auswahl eine Stunde früher hat 250 beim Einstieg und 5 beim Ausstieg. wie kann man ein solches neuronales Netz erstellen? Überall gibt es Beispiele, die beschreiben, dass die Eingabedaten in der gleichen Menge vorliegen.
Ich habe angefangen, einen Artikel über den Doppelhandel zu schreiben... bin aber an meiner Faulheit und meinem Unverständnis, wie man es richtig macht, hängen geblieben :)
Ich grüße Sie, ich verwende nicht die gepaarte Methode, obwohl ich die gepaarte Methode kennengelernt habe. Im Moment verwende ich den Portfoliohandel, und das auch nur, weil ich jederzeit ein Portfolio für mein bequemes Stadium (Modell) erstellen kann. Und als ich feststellte, dass die Portfolioreihen allen Marktreihen ähneln, beschloss ich, mit Hilfe von Neuronet mögliche Regelmäßigkeiten für identische Reihen (visuell identisch) zu finden.
Maxim, Sie betreiben Ihre neuronalen Netze mit Monopair, nicht wahr? Haben Sie schon einmal daran gedacht, dass Sie eine bequeme Reihe erstellen können, die sich dann besser auf dem Stürmer zeigen kann? Denn, sagen wir mal, eine Kopf-Schulter-Figur kommt zum Beispiel nicht sehr oft vor, aber stellen Sie sich vor, Sie könnten sie jede Stunde machen...
Verzeihen Sie mir, dass ich so unverblümt bin, meine Kenntnisse über neuronale Netze sind wahrscheinlich zu oberflächlich. Ich habe zum Beispiel eine Folge von Kursen für 100 Balken und eine Folge von Terminkursen für 5 Balken. Der Input des neuronalen Netzes ist 100 und der Output ist 5 Balken. Aber jetzt hat die nächste Auswahl eine Stunde früher eine Sequenz von z.B. 200 Balken und vorwärts auch 5 Balken. die dritte Auswahl eine Stunde früher hat 250 beim Einstieg und 5 beim Ausstieg. wie kann man ein solches neuronales Netz erstellen? Überall gibt es Beispiele, in denen beschrieben wird, dass die Eingabedaten dieselben sind.