Randeffekt auf dem Weg zum GRAAL - Seite 4
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
Zurücktreten. Ich habe es herausgefunden.
Jetzt müssen wir nur noch herausfinden, wie wir die DLL erstellen können.
Zur mathemat:
Eine interessante Idee. Aber. :) Der Punkt ist, dass es aufgrund der menschlichen Unvollkommenheit von Natur aus menschlich ist, etwas zu erfinden, das unter bestimmten Randbedingungen funktioniert.
Angefangen von einem Rad für das Land, einem Ruder für das Meer, bis hin zu Trending und Flat-Out-Strategien. Wir bauen unsere Systeme aus mehreren Teilsystemen auf:
Die Handelsstrategie, das Filtersystem, das die Randbedingungen festlegt, und das Geldmanagement-Subsystem, das die Ausfälle der ersten beiden Systeme begrenzen soll.
Das ist einfach die Art und Weise, wie wir es zu tun gewohnt sind. Aber eine Handelsstrategie (Methode) zu haben, die auf fundamentalen (grundlegenden) Preiseigenschaften basiert
macht andere "Patch"-Subsysteme überflüssig. Und dieses einzige System muss einfach sein.
Leider (oder zum Glück) hat ihn noch niemand gefunden. Und wenn sie es gefunden haben, werden wir nichts davon wissen :)
Zurück an die Arbeit.
Wenn Sie nach einem Muster suchen, finden Sie es im Preis selbst.
Das ist richtig!
Unser Hauptfehler besteht darin, dass wir versuchen, die Differentialrechnung (Taylor-Reihen usw.) für BPs wie die Preisreihen zu verwenden. Das ist natürlich nicht möglich, weil die Preisreihe nicht glatt ist (die erste Differenz ist vorzeichenvariabel), und in dieser Situation machen wir den nächsten "genialen" Schritt - wir glätten den anfänglichen BP durch Mooing oder Wavelets und machen, was immer wir wollen, mit glatten Reihen, wobei wir vergessen, dass dieses Verfahren keine nützlichen Informationen zu dem hinzufügt, was wir bereits haben. Wir stapfen herum und versuchen, bildlich gesprochen, uns an den Haaren aus dem Sumpf zu ziehen. Man kann eine Preisreihe nicht glätten und dann (in irgendeiner Weise) eine Prognose darauf aufbauen, um Informationen zu erhalten, die nicht im ursprünglichen BP enthalten waren.
Deshalb ist die einzige Möglichkeit, Zeit und Mühe nicht zu verschwenden, mit ursprünglichen Preisreihen zu arbeiten, ohne direkt oder indirekt Methoden der Differentialrechnung zu verwenden, es ist sinnvoll, z.B. HC-Geräte, Regressionsmethoden usw. zu verwenden.
Das ist richtig!
Unser Hauptfehler besteht darin, dass wir versuchen, die Differentialrechnung (Taylor-Reihen usw.) für einen preisähnlichen GP zu verwenden. Das ist natürlich nicht möglich, weil die Preisreihe nicht glatt ist (die erste Differenz ist vorzeichenvariabel), und in dieser Situation machen wir den nächsten "genialen" Schritt - wir glätten den anfänglichen BP durch Mooing oder Wavelets und machen, was immer wir wollen, mit glatten Reihen, wobei wir vergessen, dass dieses Verfahren keine nützlichen Informationen zu dem hinzufügt, was wir bereits haben. Wir stapfen herum und versuchen, bildlich gesprochen, uns an den Haaren aus dem Sumpf zu ziehen. Man kann eine Preisreihe nicht glätten und dann (in irgendeiner Weise) eine Prognose darauf aufbauen, um Informationen zu erhalten, die nicht im ursprünglichen BP enthalten waren.
Daher ist der einzige Weg, um nicht Zeit und Mühe zu verschwenden, mit den ursprünglichen Preisreihen zu arbeiten, ohne die Verwendung von Methoden der Differentialrechnung direkt oder indirekt, ist es sinnvoll, zum Beispiel, verwenden Sie den Apparat der NS, Regressionsmethoden, usw.
Niemand spricht davon, den bestehenden Transformationsmethoden irgendwelche Informationen hinzuzufügen.
Ich sage im Gegenteil, dass die Umwandlung eine Möglichkeit ist, überflüssige Informationen zu entfernen und sich auf den nützlichen Teil zu konzentrieren.
Übrigens kann man NS nicht mit reinen Preisdaten trainieren. Sie müssen noch irgendwie normalisiert und geglättet werden. Und das ist bereits eine Transformation :)
Ich bin mit den Regressionsmethoden nicht vertraut, daher werde ich mich nicht mit ihnen auseinandersetzen.
Ich behaupte im Gegenteil, dass die Umwandlung eine Möglichkeit ist, überflüssige Informationen zu entfernen und sich auf den nützlichen Teil zu konzentrieren.
Übrigens kann man NS nicht mit reinen Preisdaten trainieren. Man muss sie noch irgendwie normalisieren und glätten. Und das ist bereits eine Veränderung :)
Sie haben Recht, das zu sagen.
Übrigens können Sie NS mit beliebigen Daten trainieren, die Frage ist nur, wie lange es dauert... Lernen, das ist ein sehr ressourcenintensiver Prozess, und unsere Aufgabe ist es, die Eingabedaten so aufzubereiten, dass die Aufgabe für die NS so weit wie möglich erleichtert wird, aber gleichzeitig nicht für sie gelöst wird :-)
Was die vorläufige Glättung der Daten für NS betrifft, so ist sie unsinnig, denn die bei diesem Verfahren unvermeidliche FS wird NS seiner Vorhersagequalitäten absolut berauben, genauer gesagt wird sie ihm nichts Neues geben. Aber ich wiederhole mich bereits.
Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время...
Aber wenn die Daten verrauscht sind, sollte das Lernen weniger erfolgreich sein, oder? Darüber hinaus ändern sich die Beispiele im Laufe der Zeit. Und wenn Sie einen langen Lernzeitraum wählen, werden die Daten inkonsistent sein. Das Netz muss ständig neu trainiert werden, da sich die Regeln ändern und die Massen auf Ereignisse reagieren.
Training, das ist ein sehr ressourcenintensiver Prozess und unsere Aufgabe ist es, die Eingabedaten so aufzubereiten, dass die Aufgabe für die NS so einfach wie möglich ist, aber gleichzeitig nicht für sie zu lösen:-)
Ich stimme zu :)
Was die Vorglättung der Daten für NS betrifft, so ist sie unsinnig, denn die bei diesem Verfahren unvermeidliche FS wird NS seiner Vorhersagequalitäten völlig berauben, oder besser gesagt, sie wird ihm nichts Neues geben. Aber ich wiederhole mich bereits.
Ist es Ihnen wirklich gelungen, das Netz auf ungeglätteten Daten zu trainieren und es für einige Zeit außerhalb der Trainingsstichprobe zum Laufen zu bringen?
Aber wenn die Daten verrauscht sind, sollte das Lernen weniger erfolgreich sein, oder?
Nehmen Sie es auf sich, zu beurteilen, wo das Rauschen ist und wo die nützlichen Informationen liegen? Ich wäre mir meines Wissens um die Wahrheit nicht so sicher, wenn die NS diese wertvolle Aufgabe für sie lösen würde.
Außerdem ändern sich Beispiele im Laufe der Zeit. Und wenn Sie einen langen Zeitraum für die Ausbildung wählen, werden die Daten inkonsistent sein. Das Netz muss ständig neu trainiert werden, da sich die Regeln und die Reaktion der Massen auf Ereignisse ändern.
Ich stimme zu 100 % zu.
Konnten Sie das Netz wirklich auf den ungeglätteten Daten trainieren und es über die Trainingsstichprobe hinaus einige Zeit arbeiten lassen?
Ich trainiere das Netz bei jedem Schritt der Vorhersage (bei jeder Stichprobe) neu, oder besser gesagt, ich trainiere es nicht von Grund auf neu, sondern ich trainiere es genau auf den ungeglätteten Daten.
Im Moment untersuche ich die Abhängigkeit des Anteils der richtig erkannten Kursbewegungsrichtungen (Ordinatenachse) von der Anzahl der Trainingsepochen (Abszissenachse). Die Daten sind für ein zweischichtiges nichtlineares NS mit 8 Neuronen in einer versteckten Schicht und 3 Eingängen angegeben. Die rote Schattierung bezieht sich auf die Trainingsstichprobe, die blaue Schattierung auf die Teststichprobe, auf nicht trainierten Daten. Jeder Punkt ist das Ergebnis der statistischen Auswertung von 100 unabhängigen Experimenten.
Installierte Matlab 7.01. Leistungsstarkes Zeug.
Ich habe die Wavelets gefunden.
Aber wie lade ich mein Signal in das System?
Gibt es einen Konverter z.B. von einer Textdatei nach Matlab?
Warum nicht die neuesten 77? Es wurden Fehler behoben, insbesondere bei der Handhabung von DLLs. Ich habe dll von 7.1 hängt regelmäßig, ich war müde, um den Grund zu finden, aber ich konnte es nicht finden. Mit 77 funktioniert es gut, außerdem gibt es keine entzogenen Ordner mit Dateien. Wenn Sie die Diskette gekauft haben, rate ich Ihnen, sie durch die neueste R2008b zu ersetzen.
Gehe ich recht in der Annahme, dass das Netz in 30 % der Fälle die Richtung errät?
Haben Sie schon einmal mit einer Sammlung von Netzen gearbeitet? Zum Beispiel mit 3 oder 5, um die Entscheidung zu verfeinern.
Oder mit einem Paar von Netzen: das eine rät nur nach oben, das andere nur nach unten.
Übrigens, warum genau 3 (oder 5, ich bin verwirrt ;) ) Eingangsneuronen. Ich habe gerade Netzwerke mit 4, 7 oder 15 Eingängen kennengelernt :)
p.s.
Ich habe einmal ein Experiment gemacht: Ich habe mir alle historischen Daten gemerkt und nach den Situationen gesucht, die der aktuellen am ähnlichsten sind.
unter Verwendung der Vektor-Distanz-Methode (natürlich normalisierte Vektoren). In 60 % der Fälle hat sich die Geschichte wiederholt :)
Es hängt aber immer noch vom Vorhersagebereich und der Vektorlänge ab.
Warum nicht die neuesten 77? Es wurden Fehler behoben, insbesondere bei der Handhabung von DLLs. Ich habe dll von 7.1 hängt regelmäßig, ich war müde, um den Grund zu finden, aber ich konnte es nicht finden. Mit 77 funktioniert es gut, außerdem gibt es keinen übermäßigen Ordner mit den Dateien. Wenn Sie es kaufen, empfehle ich Ihnen, es durch das neueste R2008b zu ersetzen.
Dies ist die erste, die ich gefunden habe. Ich werde sie später durch 7.7 ersetzen.
Analysierte die Wavelets in der Toolbox. Meyer passt definitiv besser als Dobeshi.
Aber manchmal ist es trotzdem falsch. Sie zeigt zum Beispiel ein deutliches Maximum im Moment der Stagnation vor dem Aufwärtsschub :).
Allerdings wurde der schnelle Wurf durch die letzte Stufe angezeigt. Das war der Tiefpunkt.
Ich möchte einen Indikator aus einem synthetischen Signal und zwei Details erstellen und die Abhängigkeiten sehen.
Ich bin gerade dabei, die Formation der DLL auszuarbeiten.