Was soll in den Eingang des neuronalen Netzes eingespeist werden? Ihre Ideen... - Seite 55
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
Wir sind bei den grundlegenden Paradigmen des Handels angelangt: 1) Die Muster für KAUFEN und VERKAUFEN sind gleich, nur spiegelbildlich 2) Die Muster für KAUFEN und VERKAUFEN sind unterschiedlich Ja, in der Tat, solange es keine Beweise gibt, können wir uns auf einige Überzeugungen oder Fakten verlassen.
In diesem Fall verlasse ich mich, wie ich oben sagte, auf die Tatsache, dass in allen bekannten TS die Bedingungen für KAUF und VERKAUF gleich sind, spiegelbildlich. Dies gilt sowohl für auslaufende (99,9....%) als auch für erfolgreiche TS. Ich betone - erfolgreiche.
Die Tatsache, dass jede Unterscheidung einer der beiden Arten von Geschäften sich negativ auf Vorwärts- und Rückwärtsgeschäfte auswirkt, spielt meiner Meinung nach auch gegen die zweite Position.
Zum Beispiel mein Trick mit dem Bereich - wenn er nicht gespiegelt ist, sondern unterschiedlich (d.h. von -1 bis 0 und von 0 bis 1 sind völlig unterschiedliche Bereiche mit unterschiedlicher Gewichtung) - dann sieht die Optimierung und das Training selbst sowohl auf der Testphase - gruselig und verkrampft aus, als auch auf dem Vorwärts- und Rückwärtsgang - gruselig und verkrampft. Und wenn er gespiegelt ist - dann sind fließende Übergänge wahrscheinlicher.
Imho subjektiv. Gegen die zweite Option spielt auch die Tatsache, wie oben erwähnt, wenn man 2020 unterrichtet - dann schüttet es 2021.
Und das sind zwei gegenläufige Jahre, die direkt mit dem Jahreswechsel beginnen. Ein NS ohne Spiegel oder ein separater NS für BUY, der separat unterrichtet wird, schüttet also garantiert alle Optimierungssätze in 2021 ein. Wenn man sie direkt nacheinander drückt, haben sie alle ihren Höhepunkt erreicht.
Alle haben KAUFEN gelernt, und 2021 öffnen sie KAUFEN, wo immer sie können, sie wissen nicht, wie sie da rauskommen, und nur ein bisschen VERKAUFEN, und dann - es ist unklar, wo. Aber ich lehne diese Variante nicht ab und teste alles, was mir in die Finger kommt )) Denn jeden Tag taucht etwas Neues auf
Jede Theorie hat natürlich ein Recht darauf).
Nehmen Sie einen Index oder eine Aktie, die steigen seit Jahren. Es gibt klare Kauf- und Verkaufsmuster, denke ich. Forex-Symbole sind natürlich im Großen und Ganzen flach, aber sie zeigen auch lange Bewegungen. Kurzum, alles sollte überprüft werden - wie immer).
Er hat natürlich das Recht, jede Theorie zu sein.)
Nehmen Sie einen Index oder eine Aktie, der/die seit Jahren ansteigt. Hier gibt es eindeutig unterschiedliche Kauf- und Verkaufsmuster, denke ich. Forex-Symbole sind natürlich im Großen und Ganzen flach, aber sie zeigen auch lange Bewegungen. Kurzum, alles sollte geprüft werden - wie immer).
Es ist wichtig zu verstehen: "anders" und "nicht vorhanden" sind nicht dasselbe. Ein Spiegelmuster auf SELL in einem Aufwärtstrend kann einfach nicht vorhanden sein. Und bei einer Korrektur auftauchen.
Zum Beispiel, Muster: 1) MA schnell kreuzt MA langsam nach oben - offen KAUFEN 2) MAschnell kreuzt MA langsam nach unten - offen VERKAUFEN Das MusterVERKAUFEN wird in einem flachen Aufwärtstrend ohne tiefe Korrekturen nicht erscheinen. Aber wenn die Bedingungen kommen - es wird erscheinen.
Aber die Bedingungen sind die gleichen, sie sind spiegelbildlich. Und der NS, der separat für KAUFEN trainiert wurde, wird auch in Korrekturen nach KAUFEN suchen. Und bei einem tiefen Abwärtstrend wird er sich überschlagen und versuchen, KAUFEN zu eröffnen, weil er "genug gelernt" hat und noch nie einen Abwärtstrend gesehen hat. Eine andere Variante - Training auf allen Trends des gesamten Abschnitts. Es scheint, dass dies logisch ist, aber die Eigenart ist, dass alle NS, wie es richtig heißt (Annäherung?) - den Handel besser trainieren, der das meiste Geld bringt.
Zumindest die einfachen Architekturen, einschließlich RNN, LSTM, CNN und dergleichen. Wenn sie nur wenige Neuronen, Schichten und Filter haben, tun sie genau das Gleiche wie MLPs, manchmal sogar noch schlechter. Wenn sie viele Neuronen haben (Python, Software von Drittanbietern), verwandeln sie sich in einen nachlaufenden gleitenden Durchschnitt, der den Wert 1 Takt zurück vorhersagt.
Dabei ist es wichtig zu wissen, dass "anders" und "fehlend" nicht dasselbe sind.
Das ist es, wovon ich spreche.
füttern den Gittereingang SMA um eine halbe Periode verschoben - aber als Lehrer. Bringen Sie Neuronik nicht bei, indem Sie Trades oder Zickzacklinien von der Decke nehmen.
Wenn es den zukünftigen Durchschnitt mit ausreichender Wahrscheinlichkeit und Abweichungen vorhersagen kann, wird es der Gral sein.
Der EMA (exponentieller gleitender Durchschnitt) hat eine interessante Eigenschaft.
Wenn der Abschluss des Balkens/der Kerze über/unter dem EMA liegt, wird der EMA entsprechend nach oben/unten gerichtet.
Standard Bollinger und erstellt durch ein neuronales Netzwerk.
Die Kanalbreite wurde in den Eingang des neuronalen Netzes eingespeist.Standard-Bollinger und erstellt durch ein neuronales Netz.
Die Eingabe des neuronalen Netzes war die Kanalbreite.Das macht Spaß. Der Sinn des Ersetzens des Standard-BB ist es, die Werte früher zu erhalten?
Was bedeutet "Training" für Sie?
A ndrey Dik#:
Was ist "Ausbildung"?
Wunderbare Frage Wenn sie im Kontext einer virtuellen Umgebung (Informationsfeld) vollständig offengelegt wird, dann kann man vermutlich in die richtige Richtung gehen, anstatt akademisches Wissen und Lehrbücher zu verbreiten
Jedes Mal, wenn ich mir Architekturen ansehe, stelle ich mir die Frage: "Warum so? Und warum? Warum hat man sich dafür entschieden, es so zu machen?"
Nein, nimm einfach - und übersetze die Architektur, die von schlauen Onkel-Mathematikern geschrieben wurde. Ich habe sogar im Chatroom gefragt, warum der LSTM-Block die Form hat, die er hat?
Als Antwort - Unsinn aus MO-Lehrbüchern: es ist ein Langzeitgedächtnis, blah blah blah,angepasst an das Lernen von Klassifikationsaufgaben und blah blah blah. Ich frage "also warum genau so?", die Antwort ist wie "Mathematiker haben das so entschieden". Keine Theorie, keine Informationstheorie, keine Theorie der Informationsverarbeitung, keine Definitionen von Lernen, Lerntheorien usw.
Ab dem dritten Mal fing der Chat an, über Fades und Gradient Spikes zu reden. LSTM löst diese Probleme.
Nun, OK, wie löst es sie? - MitGates! Welche Gates!?!? Was für Gates? -
ein Schlüsselelement, das Informationen über die gesamte Sequenz speichert.
Welche Informationen???? Die Zahlen am Eingang?
Aber Sie konvertieren sie von den eingehenden Zahlen in ein schiefes, verzerrtes, unverständliches Kauderwelsch, das die eingehenden Zahlen-Farben RGB in etwas Unlesbares, einen schwarzen Brei, verwandelt. Nun, sagen wir, einige Zahlen in andere umwandeln, aber was lernen? Auswendiglernen?
Es ist also Auswendiglernen! Und wie unterscheidet es sich vom Lernen? Letztendlich ist es unklar, was sie versuchen, auf das Unklare im zweiten Grad anzuwenden - den nicht-stationären Markt. Im Allgemeinen ist die Frage großartig, sie wurde schon vor langer Zeit gestellt. Ihre Entfaltung ist etwas äußerst Interessantes.
Wunderbare Frage Wenn sie im Kontext einer virtuellen Umgebung (Informationsfeld) vollständig offengelegt wird, dann ist es vermutlich möglich, die richtige Richtung einzuschlagen, anstatt akademisches Wissen und Lehrbücher zu verbreiten
Jedes Mal, wenn ich mir Architekturen ansehe, stelle ich mir die Frage: "Warum so? Und warum? Warum hat man sich dafür entschieden, es so zu machen?"
Nein, nimm einfach - und übersetze die Architektur, die von klugen Onkel-Mathematikern geschrieben wurde. Ich habe sogar im Chatroom gefragt, warum der LSTM-Block die Form hat, die er hat?
Als Antwort - Unsinn aus MO-Lehrbüchern: es ist ein Langzeitgedächtnis, blah blah blah,angepasst an das Lernen von Klassifikationsaufgaben und blah blah blah. Ich frage "also warum genau so?", die Antwort ist wie "Mathematiker haben das so entschieden". Keine Theorie, keine Informationstheorie, keine Theorie der Informationsverarbeitung, keine Definitionen von Lernen, Lerntheorien usw.
Ab dem dritten Mal fing der Chat an, über Fades und Gradient Spikes zu reden. LSTM löst diese Probleme.
Nun, OK, wie löst es sie? - MitGates! Welche Gates!?!? Was für Gates? -
ein Schlüsselelement, das Informationen über die gesamte Sequenz speichert.
Welche Informationen???? Die Zahlen am Eingang?
Aber Sie konvertieren sie von den eingehenden Zahlen in ein schiefes, verzerrtes, unverständliches Kauderwelsch, das die eingehenden Zahlen-Farben RGB in etwas Unlesbares, einen schwarzen Brei, verwandelt. Nun, sagen wir, einige Zahlen in andere umwandeln, aber was lernen? Auswendiglernen?
Es ist also Auswendiglernen! Und wie unterscheidet es sich vom Lernen? Letztendlich ist es unklar, was sie versuchen, auf das Unklare im zweiten Grad anzuwenden - den nicht-stationären Markt. Im Allgemeinen ist die Frage großartig, sie wurde schon vor langer Zeit gestellt. Ihre Entfaltung ist etwas äußerst Interessantes.