Uso de redes neuronales en el comercio - página 28
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
Lo que has escrito ya se ha discutido varias veces en este foro y no sólo. Así que no tengo la energía para escribir todo por segunda vez .......
Robot_al:
... Форекс мне стал более-менее понятен, даже, когда он непонятен - это всего лишь инверсия "понятности".
... Bueno, el forex es sólo un lugar donde pude aplicar la lógica del álgebra de George Bull.
Genial...
Genial...
Lo que has escrito ya se ha discutido varias veces en este foro y no sólo. Así que no tengo energía para escribir todo por segunda vez .......
Así que no he leído este foro con atención. Porque no he visto ninguna discusión de este tipo. De todos modos, no insisto. Y escribir por segunda vez no es una tarea agradecida.
Al llegar a este foro, sólo me hice una pregunta. Esa pregunta parece haber sido respondida.
solar, llamo su atención sobre el hecho de que he insinuado el problema de la clasificación. y este es el principio del aprendizaje sin maestro. es decir, aquí no hay un concepto "fuera".
P.D. lo siento, por alguna razón he tenido que cambiar mi nick leksus por el actual.
Justo antes de concentrarse en la clasificación por completo. Pero piensa en esto: si le enseñas a la red 5 letras del alfabeto, por ejemplo, ¿cómo harás el reconocimiento de texto después de escanearlo?
No te estoy troleando en absoluto. El mensaje principal: es necesario que la información sea completa. Hasta ahora te estás concentrando en lo que no debes, en mi opinión.
Justo antes de centrarse en la clasificación por completo. Piénsalo: si le enseñas a la red las 5 letras del alfabeto, por ejemplo, ¿cómo vas a hacer el reconocimiento de textos después de escanearlos?
No, por supuesto que no voy a hacer reconocimiento de texto. No tiene sentido aprender las cinco letras...
Gracias, yo también intento ser constructivo. Y me parece que estamos hablando de cosas diferentes. Al quejarme de las dificultades de clasificación me refería a lo siguiente.
Tomemos el caso clásico: el avión. La teoría establece que los datos (en el caso del plano) deben ser linealmente separables para producir una clasificación exitosa.
(lo siento, no tenía ninguna foto bonita, tuve que hacer algunas fotos rápidas en Excel).
Supongamos que tomamos datos con 2 parámetros X e Y (el plano...). Los hemos unido a vectores unitarios y hemos obtenido la siguiente imagen. Vemos 5 áreas claramente separadas. Cualquier SOM puede gestionar la clasificación a la vez y la clasificación será sólo una clasificación. Cualquier dato nuevo entrará en una de las clases. Las propiedades de cada clase son conocidas por nosotros, por lo que con sólo averiguar a qué clase pertenecen los nuevos datos, lo sabemos todo de inmediato. Con todo lo que esto implica...
Por desgracia, los casos clásicos y los prácticos, como dicen en Odessa, son dos grandes diferencias.
En el caso práctico descargamos los datos y obtenemos una imagen como ésta. La clasificación es ciertamente posible también en este caso, pero no tiene ningún valor práctico. Podemos especificar las mismas 5 clases y SOM las "dibujará" honestamente, sólo distribuyendo uniformemente los centros de los clusters. El dato recién llegado irá a alguna parte. Pero este "en algún lugar" ya no tiene sentido. Todos los datos, así como sus propiedades, están uniformemente dispersos (revueltos) en el plano. Si nos creemos esa clasificación y atribuimos un nuevo dato a una de las clases, sólo nos engañamos a nosotros mismos.
Este es el quid del problema, y lo que quería decir en ese post mío. Por lo tanto, no importaba cómo mirara el problema, nunca conseguía obtener datos con una clara separabilidad. Así que o no hay separabilidad en absoluto, así que ni lo intentes. O no tengo suficiente tracción. La madre naturaleza me ha bendecido con algo de autocrítica, así que me inclino por la segunda opción. Por lo tanto, consulto con varios camaradas. Una vez que se tiene una clasificación clara, se puede trabajar con una cuadrícula de probabilidades y con la lógica difusa.
No, por supuesto que no estoy haciendo reconocimiento de texto. No tiene sentido aprender las cinco letras...
Gracias, yo también intento ser constructivo. Y yo que pensaba que estábamos hablando de cosas diferentes. En mi lamento sobre las dificultades de clasificación me refería a lo siguiente.
Tomemos el caso clásico: el avión. La teoría establece que los datos (en el caso del plano) deben ser linealmente separables para producir una clasificación exitosa.
(lo siento, no tenía ninguna foto bonita, tuve que hacer algunas fotos rápidas en Excel).
Supongamos que tomamos datos con 2 parámetros X e Y (el plano...). Los hemos unido a vectores unitarios y hemos obtenido la siguiente imagen. Vemos 5 áreas claramente separadas. Cualquier SOM puede gestionar la clasificación a la vez y la clasificación será sólo una clasificación. Cualquier dato nuevo entrará en una de las clases. Las propiedades de cada clase son conocidas por nosotros, por lo que con sólo averiguar a qué clase pertenecen los nuevos datos, lo sabemos todo de inmediato. Con todo lo que esto implica...
Por desgracia, los casos clásicos y los prácticos, como dicen en Odessa, son dos grandes diferencias.
En el caso práctico descargamos los datos y obtenemos una imagen como ésta. La clasificación es ciertamente posible también en este caso, pero no tiene ningún valor práctico. Podemos especificar las mismas 5 clases y SOM las "dibujará" honestamente, sólo distribuyendo uniformemente los centros de los clusters. El dato recién llegado irá a alguna parte. Pero este "en algún lugar" ya no tiene sentido. Todos los datos, así como sus propiedades, están uniformemente dispersos (revueltos) en el plano. Si nos creemos esa clasificación y atribuimos un nuevo dato a una de las clases, sólo nos estamos engañando.
Este es el quid del problema, y lo que quería decir en ese post mío. Por lo tanto, no importaba cómo mirara el problema, nunca conseguía obtener datos con una clara separabilidad. Así que o no hay separabilidad en absoluto, así que ni lo intentes. O no tengo suficiente tracción. La madre naturaleza me ha bendecido con algo de autocrítica, así que me inclino por la segunda opción. Por lo tanto, consulto con varios camaradas. Una vez que se tiene una clasificación clara, se puede trabajar con una cuadrícula de probabilidad y una lógica difusa.
Típico razonamiento de AT, fe ciega en el postulado: "La historia se repite".
Todo lo que escribes es bueno (quizás) para el análisis de datos, pero ni de lejos para la previsión.
¿Por qué cree que las clases identificadas como resultado de una clasificación exitosa (suponiendo que haya logrado resolver este problema) serán en el futuro? La cuestión principal no es la clasificación, sino la previsibilidad del método, la confianza en su uso en el futuro. Ese es un problema completamente diferente. Por eso las redes neuronales tienen un valor muy limitado en el comercio. EN MI OPINIÓN.
Por regla general, se puede aprovechar toda la potencia de las redes si se utilizan datos indirectos, en lugar de directos, que tengan una relación estable con el objeto.
Por ejemplo, la iluminancia de los objetos durante el día y por la tarde, dependerá del ángulo del sol. Y si utilizas los datos de iluminación del sol, obtendrás la iluminación de los objetos.
El objetivo de las redes es reconstruir la información a partir de eventos relacionados. Una red no es una función mágica, tiene tanta magia como cualquier función matemática.
No voy a insistir, pero si quieres clasificar, aproximar, predecir, interpolar o cualquier otra cosa ..... cualquier herramienta, tendrás que archivarla. todo, destacaré todos los datos relacionados con ella. Y esto no es sólo OHLCV transformado de alguna manera. Por ejemplo, ¿puede el movimiento del oro tener algún efecto en algún instrumento? ¿Petróleo? Y así sucesivamente.....
Buena suerte en general con esta tarea tan difícil para ti.
¿Tal vez no deberías meter nada ahí después de todo? ¿Tal vez debería haber alguna conexión entre lo que entra y lo que sale?
¿Está sugiriendo dólares para la entrada?
He estado pensando. Tal vez sea así. ))
Típico razonamiento de AT, fe ciega en el postulado: "La historia se repite".
La fe ciega nunca ha existido. Materialista hasta la médula. Pero estoy absolutamente convencido de que "la historia se repite". Creo que se repite. Eso no significa que la cotización de hoy a las 15:00 horas se vaya a comportar igual que el martes pasado a las 15:00 horas, o algo parecido.
Todo lo que escribes es bueno (tal vez) para el análisis de datos, pero no es ni de lejos lo suficientemente bueno para la previsión.
¿Por qué cree que las clases identificadas como resultado de una clasificación exitosa (suponiendo que haya logrado resolver este problema) serán en el futuro? La cuestión principal no es la clasificación, sino la previsibilidad del método, la confianza en su uso en el futuro. Ese es un problema completamente diferente. Por eso las redes neuronales tienen un valor muy limitado en el comercio. EN MI OPINIÓN.
En este caso, tanto el análisis como la predicción están en la misma taza.
Sobre las clases no cuento, de momento sólo especulo. Y tienes razón, el tema principal no es la clasificación. La clasificación es sólo una especie de base. Y además (objetivo) es precisamente la previsibilidad. Pero aquí tampoco cuento nada. No sé si puede funcionar o no. Lo sabré cuando aplique el "dispositivo en hierro". Sólo entonces se dará a conocer.
La fe ciega nunca ha existido. Un materialista hasta la médula. Pero estoy absolutamente convencido de que "la historia se repite". Creo que se está repitiendo. Esto no significa que el precio se comportará de la misma manera que el martes pasado a las 15:00, o algo similar.
En este caso, tanto el análisis como la predicción están en la misma taza.
Sobre las clases no cuento, por el momento sólo estoy adivinando. Y tienes razón, el tema principal no es la clasificación. La clasificación es sólo una especie de base. Y además (objetivo) es la previsibilidad. Pero aquí tampoco cuento nada. No sé si puede funcionar o no. Lo sabré cuando aplique el "dispositivo en hierro". Sólo entonces se dará a conocer.
Tal vez no entienda algo.
Clasificamos en patrones. Creemos que ese patrón aparecerá en el futuro y podremos utilizar este conocimiento para hacer previsiones. ¿Verdad?
¿En qué se basa? ¿Quién ha demostrado que habrá un patrón de este tipo en absoluto, o ligeramente o fuertemente cambiado?
En mi opinión, si enseñamos a la red a reconocer la letra "a" manuscrita, hay una certeza absoluta de que esta letra estará en el futuro, porque existe en el idioma y si en el futuro la mayoría de la gente empieza a escribir con los pies, seguirá habiendo una "a", sólo que la letra cambiará y quizá haya que seguir entrenando a la red. Habla de estacionalidad.
En principio, las cotizaciones son un proceso no estacionario, es decir, hay algún tipo de desviaciones todo el tiempo, diferentes en distintos momentos, que son comparables a (superan) la parte estacionaria. Este es el problema: la no estacionalidad del original: las letras rusas hoy y las chinas mañana. Hay que buscar la realidad objetiva que reflejan las cartas. Y esto es lo que no hacen los creadores de redes neuronales.