La etiqueta del mercado o los buenos modales en un campo de minas - página 66
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
Son gigas de modelos inadecuados... no hablar del hecho de que el mercado de hoy no es como el de mañana, etc.
Bueno, aquí hay un contraejemplo... ¿Quién dice que son inadecuados (excepto los que tienen errores)? Ahora tendría que dar un ejemplo de un modelo adecuado (su algoritmo). Para que la insuficiencia de los otros se haga evidente.
La inadecuación de los mismos es evidente, significa que el modelo es inadecuado, y la razón de ello es un quinto asunto... Por lo tanto, no se pueden descartar los errores por el hecho de que el mercado de hoy no es el mismo que el de ayer.
El hecho de que su red se vuelva a entrenar en cada recuento es más probable que sea un defecto de preprocesamiento que el hecho de que el mercado esté cambiando.
La inadecuación de los mismos es evidente, si el modelo no gana, significa que es inadecuado, y la razón de ello es un quinto asunto... Por lo tanto, no se pueden descartar los errores por el hecho de que el mercado de hoy no es el mismo que el de ayer.
El hecho de que la red se vuelva a entrenar en cada recuento es más probable que sea un fallo en el preprocesamiento que en el hecho de que el mercado esté cambiando.
"La persona preguntó" si Neutrón o paralocus pensaron en el mismo modelo utilizado en el NS en este caso. La práctica de hoy lo demuestra, mañana no. La idea se basa en la afirmación de que el mercado en cada momento no es como el anterior. ¿Por qué entonces se puede predecir en absoluto, utilizando los últimos compases? ¿Dónde está ese "trozo" en el que se conserva la dependencia entre los valores anteriores y los siguientes? Hasta ahora los experimentos se han hecho con barras horarias. Si quiero utilizar pentámetros, ¿debo tomar todos los pentámetros durante el mismo número de horas? ¿O sólo el último número X de pentámetros? ¿Y si quiero usar H4? ¿No funcionará el sistema? Si hay autocorrelación entre las 12,13,14,15 horas, ¿será entre las 12.05, 13.05, 14.05, 15.05?
Si no hay dependencias constantes en el mercado, al menos debe haber una idea plegable... Si no hay o no puede haber ninguno de los dos - realmente mejor tirar los dados y hacerse cargo del gestor de pérdidas.....
"La persona estaba preguntando" cuánto había pensado Neutrón o paralocus en el propio modelo utilizado en el NS en este caso. La práctica se muestra hoy, no se muestra mañana. La idea se basa en la afirmación de que el mercado en cada momento no es el mismo que el anterior. ¿Por qué entonces se puede predecir en absoluto, utilizando los últimos compases? ¿Dónde está ese "trozo" en el que se conserva la dependencia entre los valores anteriores y los siguientes? Hasta ahora los experimentos se han hecho con barras horarias. Si quiero utilizar pentámetros, ¿debo tomar todos los pentámetros durante el mismo número de horas? ¿O sólo el último número X de pentámetros? ¿Y si quiero usar H4? ¿No funcionará el sistema? Si hay autocorrelación entre las 12,13,14,15 horas, ¿será entre las 12.05, 13.05, 14.05, 15.05?
Si no hay dependencias constantes en el mercado, al menos debe haber una idea plegable... Si tampoco hay o no puede haber - realmente mejor tirar los dados y hacerse cargo del gestor de pérdidas.....
Si quieres saber algo entonces pregunta en orden, en la forma en que las preguntas, parecen retóricas...
Si quieres saber algo, tienes que preguntarlo en orden, en la forma en que lo preguntas, parece retórico...
Probablemente soy una persona primitiva... Me parece que la pregunta de en qué me apoyo antes de lanzarme a programar durante meses no es para nada retórica. La respuesta puede ser "Una vez leí que las redes neuronales son un área prometedora para el desarrollo de la CT. Decidí probarlo. Mediante un experimento científico descubrí que debía reentrenar la red en cada paso y utilizar como entradas el precio de apertura/cierre". Ese sería mi caso, sólo que me muevo en una dirección ligeramente diferente. Conociendo a Neutrón y su afición por el "artificio" matemático antes de sacar conclusiones, pensé que tenía algo que cubrir, ya que defiende este método con tanto ahínco. Por eso me interesa la parte teórica. Tengo curiosidad por saber por qué debería funcionar a sus ojos.
gpwr, este hilo no está pensado para preguntas tan "profundas". Aquí se aprende a hacer una red neuronal, eso es todo.
La cuestión de qué alimentar a la entrada, a qué salida dirigirla y cuál debe ser la arquitectura de la red, es un asunto totalmente distinto. Aquí es donde sus preguntas "en profundidad" resultan útiles.
Hay transformaciones que se pueden utilizar para convertir en datos estacionarios... Sé que la serie puede convertirse en estacionaria, así que no puede culpar de sus errores al hecho de que el mercado de hoy no es el mismo que el de ayer.
El hecho de que la red se vuelva a entrenar en cada recuento es más probable que sea un fallo en el preprocesamiento que en el hecho de que el mercado esté cambiando.
La idea se basa en la afirmación de que el mercado en cada momento no es el mismo que el anterior. ¿Por qué, entonces, se puede predecir en absoluto utilizando los últimos compases? ¿Dónde está el "trozo" en el que se conserva la dependencia entre los valores anteriores y los siguientes? Si no hay dependencias constantes en el mercado, tiene que haber al menos una idea plegable... Si tampoco lo hay o no puede serlo, es mejor tirar los dados y ocuparse del gestor de pérdidas .....
Tenemos que definir de qué tipo de estatirnaridad estamos hablando.
De hecho, podemos tomar un SV distribuido normalmente con MO cero y varianza igual a una constante. Se trata de un proceso estacionario por todos sus parámetros, ¡pero no se puede ganar en BP por integración de este proceso en principio! Es la Ley. Se puede ganar, pero no se puede vencer estadísticamente - martingala. Por tanto, este es un ejemplo de proceso estacionario, pero no el que he mencionado anteriormente.
Sólo se puede ganar dinero con los BPs como los de mercado si se identifican patrones entre sus cuentas (no tienen que ser barras). Este es el único requisito. Sin embargo, no basta con identificar dichos patrones, sino que éstos deben ser estacionarios. Este requisito es natural y se deriva de la condición de funcionamiento de un MTS abstracto. Es la estacionalidad de este tipo la que tenía en mente más arriba y la consideraba obvia. Desgraciadamente, no podemos hablar de estacionariedad en toda su extensión: el Mercado no es estacionario en principio, de lo contrario se podría ganar dinero en un mercado así como dos dedos de frente. Sólo podemos hablar de cuasi-estacionariedad (casi estacionariedad o estacionariedad, que tiene lugar durante un tiempo mayor que el necesario para su detección por la unidad analítica). Así que, si a este nivel de comprensión podemos argumentar que tales procesos existen, entonces sí podemos limitarnos a los modelos AR... ¡Pero, como ya se puede adivinar, estos procesos no se repiten y nos vemos obligados a "preparar" cada vez por adelantado un modelo AR con una no linealidad que se correspondería con lo esperado en el mercado! Esto es una tontería. Es por esta razón que una Red Neural no lineal entrenada en cada evento, en lugar de una vez al mes (como se sugiere aquí) es la herramienta más adecuada para identificar y batir eventos en un mercado casi eficiente de manera oportuna.
No estoy afirmando que NS sea capaz de ganar dinero en el mercado (el beneficio medio supera la comisión de DC). Sólo afirmo que la NS es la herramienta más adecuada hoy en día, que debería ser la base de la ST. En mi opinión, la única manera de obtener una ventaja entre dispositivos similares, es la técnica de sobreaprendizaje en cada evento. Se trata de un intento de maximizar el "exprimido" de los potenciales que se esconden en el NS y, como consecuencia, un intento de maximizar el exprimido de los patrones del kotir.
La cuestión de qué alimentar, a qué salida entrenarlo y cuál debe ser la arquitectura de la red es un asunto totalmente distinto. Ahí es donde sus preguntas "en profundidad" serían útiles.
Alexey, siempre tiene razón.
En efecto, no hay ningún secreto en saber cómo construir correctamente una NS y entrenarla. Es una casamentera que todo investigador que se precie debe conocer. ¡Es lo básico!
El conocimiento sagrado comienza exactamente con la preparación de los datos de entrada y la definición de la función objetivo para el NS. Esto no se discutirá aquí por razones de principio. En este campo del conocimiento, todos son creadores y artistas. Aporta dinero y disfrute. ¡Y ciertamente no son bares de horas! Que se muestran en este hilo sólo como una ayuda visual y para discutir lo que es mejor - "reloj o 15 minutos" - sólo puede ser por interés académico.