Einsatz neuronaler Netze im Handel. - Seite 5
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
Obwohl ich mich nicht mit neuronalen Netzen auf dem Markt beschäftige, würde ich persönlich die Vermutung wagen, dass eine gewöhnliche lineare Normalisierung besser wäre als eine Normalisierung nach Einheitsvarianz, da ein erneutes Trainieren des Netzes auf neue Daten viel besser sein sollte, ohne die Lücke der potenziellen Streuung der neuen Daten zu verändern, was natürlich nicht möglich ist, indem man die Reihe auf eine zentrierte Reihe bringt. Bei einer solchen Normalisierung muss man buchstäblich alles im Netz ändern, sogar die Gewichtungskoeffizienten, d.h. man muss das Netz einfach neu trainieren, anstatt seine Gewichtungskoeffizienten zu verbessern. Aber das ist nur eine Vermutung. Sie muss getestet werden.
Obwohl ich mich nicht mit neuronalen Netzen auf dem Markt beschäftige, würde ich persönlich die Vermutung wagen, dass eine gewöhnliche lineare Normalisierung besser wäre als eine Normalisierung nach Einheitsvarianz, da ein erneutes Trainieren des Netzes auf neue Daten viel besser sein sollte, ohne die Lücke der potenziellen Streuung der neuen Daten zu verändern, was natürlich nicht möglich ist, indem man die Reihe auf eine zentrierte Reihe bringt. Bei einer solchen Normalisierung muss man buchstäblich alles im Netz ändern, sogar die Gewichtungskoeffizienten, d.h. man muss das Netz einfach neu trainieren, anstatt seine Gewichtungskoeffizienten zu verbessern. Aber das ist nur eine Vermutung. Sie muss getestet werden.
Ich habe ein Netzwerk, das einfach alle 24 Stunden neu trainiert. Ich weiß nicht, ob das ein Plus oder ein Minus ist. Aber, solange es funkt.
Ich muss Prival fragen, wie man die gewünschte Verteilung (rechteckig) aus einem beliebigen Wert in analytischer Form erhält.
Privalych schläft wahrscheinlich schon, also werde ich versuchen, für ihn zu antworten. Ich habe einmal einen Normalwert auf der Grundlage eines gleichmäßig verteilten Wertes auf [0,1] modelliert. Gleichzeitig musste ich aus einer gleichmäßig verteilten Zufallsvariablen eine Umkehrfunktion der integralen Gaußfunktion berechnen. Um also aus einer normalverteilten Zufallsvariablen eine gleichverteilte Zufallsvariable zu erhalten, müsste man aus der ersteren eine integrale Gaußfunktion berechnen.
Um aus einem zufällig verteilten Wert einen gleichmäßig verteilten Wert zu erhalten, sollte man analog dazu zunächst die Integralverteilungsfunktion des ersten Wertes ermitteln und diese auf den nächsten Wert anwenden. Ich hoffe, ich habe nicht zu viel durcheinander gebracht.
Hallo Alexey.
Lassen Sie es uns langsam und deutlich machen (vor allem für mich).
Wir haben also exponentialverteilte SV der Form Y=A*exp{-a*X} wobei X die Amplitude der in den NS-Eingang eingespeisten Daten ist . Wir wollen eine magische Funktion f(x) finden , die auf eine Reihe von Eingabedaten X einwirkt, um deren rechteckige Verteilung im Intervall +/-1 zu erhalten. Dazu raten Sie:
1. Finden Sie eine Funktion, die die Umkehrung des Gaußschen Integrals ist. Bestimmen Sie das Integral: Z=-A/a*exp{-a*X}, nun bestimmen Sie die Umkehrung davon: X=1/a*ln(-A/a/Z)
Ist dies das gewünschte f(x)=1/a*ln(-A/a/x)?
Mein Netzwerk wird einfach alle 24 Stunden neu trainiert. Ich weiß nicht, ob das ein Plus oder ein Minus ist. Aber bis jetzt ist es komisch.
Ich nehme an, es ist nicht im MMS?
Ich nehme an, nicht in MMS?
Ich lasse das Raster jedes Mal, wenn ich den Markt verlasse, neu trainieren, bevor ich wieder einsteige.
Mein Raster wird bei jedem Marktaustritt neu trainiert, bevor ein neuer Einstieg erfolgt.
Wie ist die Struktur des Netzes, wie viele Einträge, wie lange dauert die Umschulung, mit MQL oder externer Software?
In MQL, ein paar Dutzend Zeilen Code und 9kB Volumen.
Raster 100/2/1, Architektur beliebig skalierbar (einschließlich Anzahl der verborgenen Schichten). Versteckte Schicht/en mit Hypertangens, Ausgang zeigt Kauf/Verkauf (Vorzeichen). Lernt in ca. 100 ms wieder ein.
So sehr ich mich auch bemühte, die Erhöhung der Neuronen in der versteckten Schicht bringt keine signifikante Steigerung der Rechenleistung, sondern erschwert das Training erheblich. Vielleicht hängen diese Besonderheiten mit der spezifischen Aufgabe zusammen und das Ergebnis kann nicht verallgemeinert werden.
In MQL, ein paar Dutzend Zeilen Code und 9kB Volumen.
Raster 100/2/1, Architektur beliebig skalierbar (einschließlich Anzahl der verborgenen Schichten). Verdeckte Schicht/en mit Hypertangens, Ausgang zeigt Kauf/Verkauf (Vorzeichen). Lernt in ca. 100 ms wieder ein.
So sehr ich mich auch bemühte, die Erhöhung der Neuronen in der versteckten Schicht bringt keine signifikante Steigerung der Rechenleistung, sondern erschwert das Training erheblich. Vielleicht hängen diese Besonderheiten mit der jeweiligen Aufgabe zusammen und das Ergebnis lässt sich nicht verallgemeinern.
Was meinen Sie mit "die Architektur skaliert willkürlich"? Soweit ich weiß, ist die Architektur eine Struktur des Netzes. Und die Skalierung ist die Verwendung einer Funktion zur Datenrationierung. 100 Eingänge sind ein bisschen viel. Oder sind Ihre 100 etwas anderes?
Neutron писал(а) >>
Lassen Sie es uns langsam und deutlich machen (vor allem für mich).
Wir haben also exponentiell verteilte SV
OK Sergey, lass es uns langsam und traurig angehen. Zunächst wollen wir uns mit allgemeinen Theoremen befassen. Hier ist ein Link. Siehe Theoreme 24, 25, 26.
Anmerkung: Th 24 befasst sich mit der Dichtefunktion der Verteilung.
Aber Th 25 tut genau das, was Sie brauchen, und es geht um die Verteilungsfunktion.
Schauen Sie sich auch spaßeshalber Korollar 8 von Th 26 an. Die dritte Korollarformel ist genau das, was ich meinte, als ich einen Gauß aus einem gleichmäßigen Gauß erhalten wollte.
Und für Ihre Exponentialverteilung braucht man nur ihre Verteilungsfunktion (Integral) ordentlich zu erhalten und Th 25 anzuwenden.
P.S. Übrigens, der letzte Satz von Übung 36 hat mich amüsiert ("(Anmerkung: Niemand versteht es so.)"). Und ich, Dummkopf, habe es so bekommen (Codabase hat eine Bibliothek von Statfunktionen)...