Neuronale Netze - Seite 20

[name]

Nach dem "Wiederkäuen" (oberflächlich betrachtet - es braucht noch Zeit) sieht es so aus, als ob wir ANN niemals effektiv nutzen werden. Wir (die kleinen Kartoffeln) haben nicht genug Geld für die Hardware, die erforderlich ist, um ANN so zu nutzen, wie sie genutzt werden sollte

[hughesfleming]

Auf meiner eigenen....Warum die ganze Negativität?

Das ist doch gar nicht so kompliziert. Zuerst muss man herausfinden, was man vorhersagen will. Der nächste Punkt ist das Rauschen. Sie müssen sicherstellen, dass Ihr Modell nicht durch Zufälligkeiten und Data-Mining-Verzerrungen getäuscht wird. Es gibt kostenlose Tools, mit denen Sie ein Proof of Concept entwickeln können, bevor Sie viel Geld für Hardware ausgeben.

Wenn Sie z. B. Trends vorhersagen wollen, müssen Sie prüfen, ob Ihr Modell einen Vorteil gegenüber einem einfachen Durchschnittswert hat. Wenn Sie Wendepunkte vorhersagen wollen, sollten Sie zunächst prüfen, ob Sie eine Fourier-Transformation übertreffen können. Wenn der Vorsprung gering ist, müssen Sie sich fragen, ob sich der Aufwand für das Training lohnt. Ganz gleich, ob Sie ein neuronales Netz oder eine der verschiedenen Support-Vector-Maschinen verwenden, Sie stehen immer noch vor dem Problem der Kurvenanpassung der Vergangenheit, um die Zukunft vorherzusagen. Diese Systeme scheitern in der Regel, weil jeder Erfolg, den Sie bei Ihren Tests hatten, immer noch auf den Zufall zurückzuführen sein könnte. Kein noch so hoher Betrag, der in Hardware investiert wird, kann dieses Problem lösen.

Diese Instrumente können nützlich sein, aber Sie müssen Ihre Erwartungen im Zaum halten. Wenn ein Modell eine Strategie um ein paar Prozentpunkte verbessern kann, werden Sie im Laufe der Zeit und bei einer großen Anzahl von Geschäften die Nase vorn haben.

Mit freundlichen Grüßen,

Alex

[name]

hughesfleming:
Auf meiner eigenen....Warum die ganze Negativität?

Das ist gar nicht so kompliziert. Zuerst muss man herausfinden, was man vorhersagen will. Das nächste Problem ist das Rauschen. Sie müssen sicherstellen, dass Ihr Modell nicht durch Zufälligkeiten und Data-Mining-Verzerrungen verfälscht wird. Es gibt kostenlose Tools, mit denen Sie ein Proof of Concept entwickeln können, bevor Sie viel Geld für Hardware ausgeben.

Wenn Sie z. B. Trends vorhersagen wollen, müssen Sie prüfen, ob Ihr Modell einen Vorteil gegenüber einem einfachen Durchschnittswert hat. Wenn Sie Wendepunkte vorhersagen wollen, sollten Sie zunächst prüfen, ob Sie eine Fourier-Transformation übertreffen können. Wenn der Vorsprung gering ist, müssen Sie sich fragen, ob die Trainingszeit den Aufwand wert ist. Ganz gleich, ob Sie ein neuronales Netz oder eine der verschiedenen Support-Vector-Maschinen verwenden, Sie stehen immer noch vor dem Problem der Kurvenanpassung der Vergangenheit, um die Zukunft vorherzusagen. Diese Systeme scheitern in der Regel, weil jeder Erfolg, den Sie bei Ihren Tests hatten, immer noch auf den Zufall zurückzuführen sein könnte. Kein noch so hoher Betrag, der in Hardware investiert wird, kann dieses Problem lösen.

Diese Instrumente können nützlich sein, aber Sie müssen Ihre Erwartungen im Zaum halten. Wenn ein Modell eine Strategie um ein paar Prozentpunkte verbessern kann, werden Sie im Laufe der Zeit und bei einer großen Anzahl von Geschäften die Nase vorn haben.

Mit freundlichen Grüßen,

Alex

Alex

Vielen Dank für die Antwort

Der Grund, warum ich das gesagt habe, ist, dass die ANN-Berechnung immer "unvollständig" sein wird, es sei denn, wir sind nicht gut mit Hardware ausgestattet. Und dann kommt es zu dem, was wir bereits tun: Schätzungen mit unseren eigenen NN

[hughesfleming]

Ok...ich hab's. Falls Sie Lust haben zu experimentieren, habe ich hier ein Layout für die Verwendung von Rapidminer mit Metatrader erstellt, nur für den Fall, dass Sie den Thread nicht gesehen haben. https://www.mql5.com/en/forum/181252

[name]

hughesfleming:
Ok...hab's verstanden. Falls Sie Lust haben zu experimentieren, habe ich hier ein Layout für die Verwendung von Rapidminer mit Metatrader erstellt, nur für den Fall, dass Sie den Thread nicht gesehen haben. https://www.mql5.com/en/forum/181252

Alex

Vielen Dank für Ihre Hilfe

[nevar]

Ich habe mehrere vielversprechende aus der Probe Tests wie die, die ich beigefügt.Finden profitable Algos mit AI ist alles über Ihre Eingaben und das ist eine Kunst, keine Wissenschaft.als ich verschiedene Algos für Live-Handel suchte kam ich eine Kreuzung Recurrent Neural Network-Restricted Boltzmann Machines in Python Modellierung und Erzeugung von Sequenzen von polyphonen Musik mit dem RNN-RBM - DeepLearning 0.1 documentation and Bernoulli Restricted Boltzmann Machines feature extractor and LogisticRegression classifier in python Restricted Boltzmann Machine features for digit classification - scikit-learn 0.15.2 documentation.They sound quiet interesting does anyone have any experience with any of these two algorithms for live trading ?

[tampa]

Neurotrend geklont (Indikatoren + Vorlage)

neurotrendnngeklont.rar

[Joakin]

Nützlicher Link : Neuronales Netzwerk Tutorial

[seekers]

Künstliche Neuronale Netze : artificial_neural_networks.pdf

In dieser Notiz geben wir einen Überblick über die Schlüsselkonzepte, die zum Aufkommen von künstlichen neuronalen Netzen als wichtiges Paradigma für Data-Mining-Anwendungen geführt haben. Neuronale Netze haben zwei große Entwicklungsphasen durchlaufen - die frühen 60er und die mittleren 80er Jahre. Sie waren eine der wichtigsten Entwicklungen auf dem Gebiet des maschinellen Lernens. Künstliche neuronale Netze wurden durch biologische Erkenntnisse inspiriert, die sich auf das Verhalten des Gehirns als Netzwerk von Einheiten, den Neuronen, beziehen. Man schätzt, dass das menschliche Gehirn etwa 10 Milliarden Neuronen hat, von denen jedes durchschnittlich mit 10.000 anderen Neuronen verbunden ist. Jedes Neuron empfängt Signale über Synapsen, die die Auswirkungen des Signals auf das Neuron steuern. Es wird angenommen, dass diese synaptischen Verbindungen eine Schlüsselrolle für das Verhalten des Gehirns spielen. Der grundlegende Baustein eines künstlichen neuronalen Netzes ist das mathematische Modell eines Neurons

[seekers]

prognostizierbarkeit_aber_keine_profitabilität_-_eine_empirische_evaluation_der_genetischen_algorithmus-optimierten_tr.pdf

In diesem Beitrag wird die Leistung mehrerer beliebter technischer Handelsregeln für den australischen Aktienmarkt bewertet. Mit Hilfe eines genetischen Algorithmus werden die optimalen Parameterwerte der Handelsregeln für den Zeitraum vom 4.1.82 bis zum 31.12.89 ermittelt. Diese optimalen Regeln werden dann im Hinblick auf ihre Prognosefähigkeit und wirtschaftliche Rentabilität während des Zeitraums außerhalb der Stichprobe vom 2.1.90 bis zum 31.12.97 bewertet. Die Ergebnisse zeigen, dass die optimalen Regeln besser abschneiden als die Benchmark, die durch eine risikoadjustierte Buy-and-Hold-Strategie gegeben ist. Die Regeln zeigen einige Anzeichen von Prognosefähigkeit und Rentabilität über den gesamten Testzeitraum. Eine Untersuchung der Ergebnisse für die Teilperioden zeigt jedoch, dass die Überschussrenditen im Laufe der Zeit abnehmen und in den letzten Jahren negativ sind. Außerdem zeigen die Regeln nach einer Bereinigung um nicht-synchrone Handelsverzerrungen, wenn überhaupt, nur noch sehr geringe Anzeichen von Rentabilität.