Was soll in den Eingang des neuronalen Netzes eingespeist werden? Ihre Ideen... - Seite 48
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
Ein normaler Backtest stimmt normalerweise mit der Realität überein. Ansonsten scheiß auf solche Backtests).
Ich habe die folgende Klassifizierung (in absteigender Reihenfolge der Wichtigkeit):
1. Erweiterung der ursprünglichen Serie
2. ursprüngliche Reihe
3. Normalisierung der ursprünglichen Reihe in einem sc.
4. Indikatoren (einschließlich Renditen)
Hat der Fehlerwert eine Bedeutung für Sie? Das ist schade. Es reicht schon für eine Bewertung.
Ich habe diese Kategorisierung (in absteigender Reihenfolge der Wichtigkeit):
1. Erweiterung der ursprünglichen Serie
2. ursprüngliche Serie
3. Normalisierung der Ausgangsreihe im sc.
4. Indikatoren (einschließlich Renditen)
Okay, es wird einen Backtest für Sie geben, nicht unbedingt für diesen speziellen NS, vielleicht für einen anderen.
x - Anzahl der Geschäfte, Y - kumulierter Gewinn in Instrumentenpunkten.
Ich habe keine Ahnung. Ich weiß nicht einmal mehr, was das Instrument ist :)
)))
Es gibt nichts zu besprechen.)
Zunächst ist es wünschenswert, die ursprüngliche Serie zu verwenden. Dies funktioniert jedoch nicht immer, da sich die Preise bei neuen Daten aus dem Trainingsbereich herausbewegen.
Eine Diskussion über Augmentierungs-/Differenzierungstechniken mit möglichst geringem Informationsverlust für den zweiten Fall wäre sinnvoll.
Irgendetwas fehlt, eine Art Zwischenwissen. Hier greife ich auf diese Normalisierungen zurück.
Ich füge Koeffizienten hinzu, um die Aktivierungsfunktion in eine ausgefallene Form zu bringen (neue Regeln zu erstellen), obwohl die Gewichte dies auch tun, aber trotzdem - die Regeln von out (welche Zahl kommt heraus) nehmen sicher die ausgefallensten Formen an, aber eine Sache wird unveränderlich - sich an die Geschichte zu erinnern. Das ist irgendwie logisch gut, aber für neue Daten ist es schlecht. Sie sind anders, warum brauchen wir das Gedächtnis!
Das ist so ein Quatsch wie an der Uni: "Vergessen Sie alles, was Sie in der Schule gelernt haben". Worauf ich hinaus will, ist Folgendes: Mit oder ohne Normalisierungen (nackte Daten) - überall stolpert NS über die Tatsache, dass alle Muster 50/50 sind. Das Einzige ist, dass NS bei nackten Daten stabiler ist, wenn es um die Vorwärtsbewegung geht: .... NUR IN FLAT! Und wer verspricht es morgen oder übermorgen? Auch nicht, denn in diesem Fall mittelt der NS die Gewichte so sehr, dass er sich auf die längste Flaute in der Geschichte der Ausbildung einstellt.
Und wenn neue Daten über dieses Flat hinausgehen - eröffnet der NS den Gegenhandel und - sitzt bis zum Tod. Keine Filter auf den Flaggentypen buy/-a_now_sell/-a_now_buy - funktionieren nicht. Der NS schaltet einfach ab, nachdem er den gesetzten SL erhalten hat. Und das ist die Hälfte des Problems, der Börsengang garantiert nicht die volle Stabilität, NS kann auch flottieren.
Die Gesamtheit dieser Konsequenzen macht es schwer, all dies als funktionierende Methode der Gewinnerzielung zu bezeichnen. Die Idee von NS ist .... Nun ja, es werden keine neuen Informationen geschaffen. Sie ... etikettiert sie um. Es gibt Zahlen 0,2, 0,3, 0,4 - sie werden mit 0,3456 gekennzeichnet. Ein anderer Satz von Eingabezahlen wird mit 0,5367 bezeichnet.
Und so weiter. Aber dieser Satz, jeder Satz von Zahlen, sind Muster. Der NS nimmt im Wesentlichen das Muster "a" und nennt es Muster "b".
Umbenennen. Und, um zum Anfang des Beitrags zurückzukommen, was fehlt, ist das Wissen über das Lernen. Was ist Lernen. Was ist es im Allgemeinen? Wenn man die Definition aufschlägt, ist da ein Hauch von Abstraktion.
Das heißt, etwas, das an eine angewandte Aufgabe gebunden ist, ChatGPT lernt auch Lehrbücher auswendig und versteht nicht, was ich davon will. Man nimmt zwei Zahlen, multipliziert sie mit je zwei anderen Zahlen - ist das Lernen? Nein. Es ist ein Optimieren, Anpassen, Optimieren.
Das Ergebnis ist die "Markierung" der Eingabemenge. Training ist, wenn Muster A uns jetzt ein KAUF-Signal und morgen ein VERKAUF-Signal gibt. Wie genau? Was ist der Trick dabei? Das ist es, worum es beim Lernen geht. Lernkontext.
Anpassung. Aber es gab schon Anpassungen. Und sie haben nicht funktioniert. Wir können davon ausgehen, dass etwas gefehlt hat.
Und die Änderung der Periode des gleitenden Durchschnitts ist eine seltsame Anpassung, auch wenn sie sinnvoll ist. Wie übersetzt man Lernen in Zahlen?
Das ist die Frage. Ohne jegliche Vorverarbeitung der Daten. Woher weiß das System, was es vorverarbeiten soll? Schon die Idee der Datenvorverarbeitung, der "Reinigung vom Rauschen", sieht nach der Erstellung von ARBEITSMUSTERN aus! - Das war's. Nehmen Sie es, handeln Sie es.
Aber so etwas gibt es nicht: Das Marktrauschen wird Marktrauschen genannt, weil es Marktrauschen ist. Woher kommt das? Aus einem Physik-Lehrbuch? Aus der Mathematik? Weil schlaue Graphen von Amplituden und Diskontinuitäten dort etwas gezeigt haben?
Sie alle sind gut, Ihre Artikel sind professionell und akademisch, aber sie werden locker auf den Devisenmarkt angewandt, wenn auch nicht ganz locker. Wir nennen Trend frei einen Trend, flach - flach, Lärm - Lärm, Training - Training, aber nichts folgt aus dem Nichts.
Wir kommunizieren in verschiedenen Sprachen. Als ob wir eine radikal andere Arbeit, eine radikal andere Herangehensweise (Arbeit mit Zahlen) bräuchten. Na ja und dementsprechend - die strengste Interpretation, ohne "System denkt", "Black Box", "NS hat entschieden", "Training ist falsch", "keine Information, da ist etwas nicht gefallen, also verdient es nicht".
Es fehlt etwas, eine Art Zwischenwissen.
Das Wort "Stationarität" ist hier schon einmal gefallen, aber nicht in dem Zusammenhang, den ich mir wünsche.
Ich denke einfach, nachdem ich auch diese ganze undankbare Tüftelei erlebt habe:
Es gibt Marktzustände, man kann sie z.B. durch Clustering erreichen.
Wenn wir die Kurse (Renditen) aus jedem einzelnen Cluster in einer Zeile zusammenfassen und die Kurse aus anderen Clustern entfernen, erhalten wir in einigen Fällen fast eine stationäre Reihe. Sie können bereits damit arbeiten.
Außerdem spielt es keine Rolle, was man in das Modell eingibt (vorzugsweise Rohpreise, damit keine Informationen verloren gehen).
Die MO-Algorithmen funktionieren gut, man muss sich nicht mit ihnen befassen. Sie müssen nach stationären Reihen/Gesetzen suchen. Nur für diese sagt MOShka die Zukunft zuverlässig voraus.
Wenn es andere Ideen gibt, wie man eine stationäre Reihe oder eine stationäre Regelmäßigkeit erhält - das ist immer die richtige Denkweise.