"New Neural" es un proyecto de motor de red neuronal de código abierto para la plataforma MetaTrader 5. - página 97
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Bien. Tenemos que encontrar una analogía práctica. El diagrama muestra que las capas tienen un número diferente de neuronas. Si damos la vuelta al diagrama, obtenemos una pirámide. Así que la salida pasa por varios pasos de procesamiento. Cuantas más neuronas haya en la capa, más datos recibirá y procesará esta capa. Si la siguiente capa arroja menos datos que la anterior, significa que los datos se generalizan de capa en capa...
Sí, son generalizados. Si la entrada es, por ejemplo, 100 barras, la salida debería ser dos órdenes: comprar o vender.
La tarea no consiste en hacer que una red neuronal retenga muchos datos, sino que se ajuste a la cantidad de datos con los que se entrena. Si la red es demasiado grande y no tiene suficientes datos, aprenderá fácilmente, pero no podrá generalizar a otros datos. Por lo tanto, el número de neuronas debe ser lo más pequeño posible. Más de tres capas son algo innecesario. En la primera capa el número de neuronas corresponde al tamaño del patrón de datos de entrada, y en la última - al número de variantes resultantes. Y en el intermedio es lo más pequeño posible, pero no menor que en la salida.
el código es sencillo, pero nuestros datos de entrada no encajan del todo:
Wiki entropía: ".... mide la desviación de un proceso real con respecto a uno ideal. ... Matemáticamente, la entropía se define como una función del estado del sistema, definida a una constante arbitraria".
и?
¿qué es lo que en la RV financiera podría ser un mercado ideal? - ¡quien diablos sabe, OK que sea la primera suposición, mercado perfecto = onda sinusoidal!
como insumos tenemos al menos 3 precios alto, bajo, clowes - ¿y cuál debemos usar? - Vale, que sea el segundo supuesto, ¡el precio medio manda!
¿qué medimos desde y hasta? - ¿principio del día? ¿semana? ¿día de vencimiento? ¿sesión comercial? - Bien, el comienzo del día, que sea la tercera asunción....
en total 3 preguntas, 3 veces suponemos que estamos en lo cierto... aquí el problema se reduce a la combinatoria: cuántas veces derivamos la hipótesis inicial correcta y cuántas veces nuestra exploración posterior nos lleva a la valoración correcta del mercado... en la historia ))))
La entropía suena bien, pero hace unos años excavé este tema desde la perspectiva de la entropía informativa, la conclusión es una - si se empieza a formar un patrón o la repetición más cercana de combinaciones de velas en la historia - no funcionará, porque lo que es obvio para todo el mundo no funciona en el mercado, lo mismo con los patrones y correlaciones, una vez que se hacen obvios - dejan de aparecer )))), suelo decirme en estos casos - no eres el más inteligente, tales personas inteligentes viven a medio mundo de distancia de los monitores)))
No, mira, esta entropía estima la cantidad de información en BP. Cuanto más baja es la entropía, más información (los ciclos se manifiestan más). Es decir, la medida es relativa, y utilizarla en relación con, por ejemplo, otros estados. Donde es más bajo es donde hay que operar - un ejemplo aproximado
bien y la analogía con Hearst, medida en sk. ventanaSi hay menos neuronas en la capa que en la anterior, la información se comprime, y, "sin comprimir", si hay más neuronas que en la anterior.
Sobre la entropía:
https://habr.com/ru/post/305794/
Sí, son generalizados. Si la entrada es, por ejemplo, 100 barras, la salida debería ser dos órdenes: comprar o vender.
La tarea no consiste en hacer que una red neuronal retenga muchos datos, sino que se ajuste a la cantidad de datos con los que se entrena. Si la red es demasiado grande y no tiene suficientes datos, aprenderá fácilmente, pero no podrá generalizar a otros datos. Por lo tanto, el número de neuronas debe ser lo más pequeño posible. Más de tres capas son algo innecesario. En la primera capa el número de neuronas corresponde al tamaño del patrón de datos de entrada, y en la última - al número de variantes resultantes. Y en el intermedio hay los menos posibles, pero no menos que en el de salida.
.... Más de tres capas son algo innecesario. En la primera capa, el número de neuronas corresponde al tamaño del patrón de datos de entrada, en la última capa - al número de variantes resultantes. Y en la capa intermedia es lo más pequeño posible, pero no menor que en la capa de salida.
Se ha demostrado matemáticamente (conocí la prueba en algunos libros) que una red con una capa interna puede aproximar cualquier función continua, y una red con dos capas puede aproximar también funciones con lagunas. Por lo tanto, de esta prueba se deduce que el número de capas superior a 2 no tiene ningún sentido práctico y sólo conduce al reentrenamiento.
Es decir, es necesario un máximo de 2 capas internas (y en muchos casos una es suficiente).No, mira, esta entropía evalúa la cantidad de información en BP. Cuanto más baja sea la entropía, más información (más ciclos se manifiestan). Es decir, la medida es relativa, y utilizarla en relación, por ejemplo, con otros estados. Donde está más bajo, está para comerciar - un ejemplo aproximado.
y la analogía con Hurst, medida en la ventana sk.Maxim, tienes razón, pero en teoría
Aquí está el gráfico, ¿qué tomamos como cantidad de información? ¿1 bar? - Es decir, tomar un grupo de barras - tenemos un cierto período, entonces ¿cómo es nuestro enfoque mejor que el de la evaluación de la situación actual del mercado utilizando RSI, estocástico, o gráfico de pulgas? - lo mismo en cualquier sentido, imho
la aplicación de la TS debe basarse en el contexto del mercado - sí, pero el contexto difícilmente puede ser formalizado, algunas personas tratan de tomar el piso actual como un contexto y el comercio de un piso, otros dibujan una línea de tendencia y esperar a un avance .... ¿y quién tiene razón?
Maxim, tienes razón, pero en teoría.
aquí hay un gráfico, ¿qué podemos tomar como cantidad de información? ¿1 bar? - no en serio, tomar un grupo de barras - tenemos un cierto período, entonces, ¿cómo es nuestro enfoque mejor que la evaluación del estado actual del mercado utilizando RSI, estocástico, pulgas? - lo mismo en cualquier sentido, imho
la aplicación de la TS debe basarse en el contexto del mercado - sí, pero el contexto difícilmente puede ser formalizado, algunas personas tratan de tomar el piso actual como un contexto y el comercio de un piso, otros dibujan una línea de tendencia y esperar a un avance .... ¿quién tiene razón?
Ya veo... optimizar la ventana, observar los cambios en la entropía, entrenar el modelo con diferentes ventanas y sacar conclusiones. Está claro que muestra el pasado, pero si reducimos el horizonte de previsión y utilizamos el MOS para rellenar estos intervalos, obtendremos la información
Eso es lo que estoy diciendo.
No te dirá si tiene ciclos periódicos o no, te dirá si tiene entropía. No digo que vaya a funcionar, digo que hay que dataminar.
Ya veo... optimizar la ventana, observar los cambios de entropía, entrenar el modelo con diferentes ventanas y sacar conclusiones. Está claro que muestra el pasado, pero si bajamos el horizonte de previsión y utilizamos el MOS para rellenar estos intervalos, obtendremos la información
Eso es lo que estoy diciendo.
No te dirá si tiene ciclos periódicos o no, te dirá si tiene entropía. No digo que vaya a funcionar, digo que hay que analizar los datos.
No voy a preguntar todo, pero estoy cansado de leer... ¿Cuál es la precisión de enseñar NS en una ventana deslizante?
- Si buscamos información periódica - sí, es correcto, el NS encontrará bucles ocultos y ajustará sus propios coeficientes de ponderación
- si enseñamos a la NS a reconocer, sí es la NS la que debe aprender
- no hay ciclos periódicos en el mercado, en algún lugar he tenido una RE que dibuja el momento de formación del tope de la RE, en cualquier ajuste de la RE, nunca hay repeticiones periódicas, no existe eso de que la próxima ruptura de la RE sea en barras como 5,11,7,3....5,11,7,3.... - habrá todo tipo de combinaciones pero no repeticiones.
si entrenamos NS en una ventana deslizante de información no periódica, ¿qué ocurre con los pesos allí? - que yo recuerde, ni siquiera se puede entrenar una red monocapa en eu, sólo multicapa - ¿se puede utilizar una ventana deslizante para estas cosas? tengo mis dudas
ZS: datamining - sí, si consigues filtrar los datos que llevarán información - entonces el Grial es tuyo ;)
No puedo preguntar todo, y estoy cansado de leer... ¿Qué tan correcto es entrenar a NS en una ventana deslizante?
- Si buscamos información periódica - sí es correcto, el NS encontrará ciclos ocultos y ajustará sus propios coeficientes de ponderación
- si enseñamos a la NS a reconocer, sí es la NS la que debe aprender
- no hay ciclos periódicos en el mercado, en algún lugar he tenido una RE que dibuja el momento de formación del tope de la RE, en cualquier ajuste de la RE, nunca hay repeticiones periódicas, no existe eso de que la próxima ruptura de la RE sea en barras como 5,11,7,3....5,11,7,3.... - habrá todo tipo de combinaciones pero no repeticiones.
si entrenamos NS en una ventana deslizante de información no periódica, ¿qué ocurre con los pesos allí? - que yo recuerde, ni siquiera se puede entrenar una red monocapa en eu, sólo multicapa - ¿se puede utilizar una ventana deslizante para estas cosas? tengo mis dudas
ZS: datamining - sí, si consigues filtrar datos que lleven información - entonces tienes el grial ;)
No tienen que ser estrictamente periódicas, pero tampoco tienen que ser ruidosas. El panorama es probabilístico, no estricto. La ventana deslizante está pensada para el indicador de entropía, así como el número de características para el entrenamiento, se puede optar por ellos.
Si las muestras son incoherentes no se consigue nada, por eso hay tantos errores 50\50. Y un bucle no puede ser contradictorio, o existe o no existe, de cualquier forma. Si añades muchos bucles diferentes, no se contradicen.
Ciclo/no ciclo es un concepto relativo dentro de la métrica entrópica