¿Qué alimentar a la entrada de la red neuronal? Tus ideas... - página 68

 
Ivan Butko #:





Por ejemplo: la relación entre el precio actual y las últimas N velas. O presentar toda la misma secuencia cronológica, pero con la obligada relación con el dato más reciente: si es el precio - el reflejo del incremento del precio más reciente con el resto. Y entonces la "muerta" cronología inviable empieza a cobrar vida.

¿Cómo lo hacía antes? ¿Presentabas valores de precios absolutos para la formación? Como 1,14241, 1,14248.

Lo que has descrito son precios relativos. Usted puede hacer la diferencia (delta) del precio actual a otras barras o relación, como usted describió.

Siempre he entrenado en deltas. El resultado es el mismo...

 
Forester #:

¿Cómo lo hacía antes? ¿Presentaba precios absolutos al estudio? Como 1,14241, 1,14248.

Lo que has descrito son precios relativos. Usted puede hacer la diferencia (delta) del precio actual a otras barras o relación, como usted describió.

Siempre he entrenado en deltas. El resultado es el mismo...

He hecho de todo

Precios desnudos y precios transformados, y el ángulo entre los precios.
 

La entradano es la fuerza de la señal

Su fuerza le viene dada por los pesos. Pero el propio número de entrada a priori ya (!) lleva en sí mismo un elemento de fuerza - su factor cuantitativo.




Anteriormente he planteado el problema de la comprensión de los datos de entrada. Al dar un número a la entrada, ya dotamos inicialmente a la entrada de un valor de fuerza.





Esto es un error, porque la esencia de nuestra NS es sólo encontrar el factor de fuerza y distribuirlo entre las entradas. 0,9 a la entrada - esto equivale al hecho de que la señal es extremadamente fuerte. Y entonces hay preguntas legítimas: 1) ¿Por qué es fuerte? 2) ¿Dónde es fuerte? ¿Comprar? ¿Sentarse? ¿Mantener? ¿Cerca de comprar?

Así que el valor numérico a la entrada ya es un "post-procesamiento" listo, preliminar que da la fuerza de la señal. Pero impide que el NS trabaje con los datos.
Esto equivale a la inicialización aleatoria de las escalas antes de la primera época de aprendizaje.







Sólo con los pesos es importante, pero con las entradas es ruido intencionado. Y entonces el NS se encarga de "limpiar" los datos de entrada en lugar de aprenderlos. Y ahora pasemos realmente a la función destructiva de los datos numéricos:cuando se da el número 0,9 como entrada, ¿qué significa? ¿"Activamente COMPRAR"?
"Desde el punto de vista de cualquier oscilador con un rango de 0 a 1 - es estrictamente
COMPRAR o estrictamente VENDER, dependiendo de .... del operador.
Sólo él "dota" a los osciladores con señales mágicas cuando construye su Estrategia de Trading. En la práctica, estos números no significan absolutamente nada.

Cualquier programador/codificador recorrerá todo el historial y verá que estas señales son aleatorias. Cuando se introduce el número 0,9, ¿qué significa?
La NS tiene la oportunidad de "debilitarlo" significativamente con pesos. ¿Qué implica esto?


Teniendo en cuenta que los pesos en todas las arquitecturas son estáticos - hace que los números inferiores a 0,9 con debilitamiento significativo - la red neuronal NO funcionará. Ellos simplemente no afectará el rendimiento global, porque en el sumador se moverá la suma total insignificante. Imagínese, el NS ha establecido un peso de 0,1 al número de entrada, que tiene un máximo de "1", como resultado, si la entrada es 0. 9, el número se convertirá en 0,09.




9, el número se convertirá en 0,09, y si viene 0,1, el número será 0,01. Literalmente TODO el rango por debajo de 1 es simplemente asesinado. Y si la "trabajabilidad" de un número de entrada dado se encuentra en el rango de 0,1 a 0,5, y cayendo en esta zona, el número necesita ser "reforzado"(!) para la arquitectura general y los cálculos posteriores en las siguientes capas... No funcionará, el número 0,9 irrumpirá y simplemente "romperá" todo el ajetreo.

Después de todo, - más influye en la solución de NS debido a su constante dominio cuantitativo. Incluso en el problema XOR, no hay 2, no hay 0,5 en la entrada. Hay un 1-tupla. Como resultado, la entrada está en la línea de "sí, hay una señal" (1) y "no hay señal" (0).

Siempre se aplica la misma señal a una entrada del problema. Si traducimos este planteamiento al lenguaje de NS para forex, obtenemos lo siguiente: si viene el número 0,9 - lo aplicamos a la primera entrada, y si viene el número 0,1 - lo aplicamos a la segunda entrada.

De lo contrario - 0. Tenga en cuenta: obtenemospesos dinámicos, es decir, en la etapa inicial hay filtrado de "ruido".




Si 0,9 es un número "malo", lo multiplicamos, digamos, por 0,0001 con el fin de "esprintarlo" hasta el fondo, para que no interfiera en el aprendizaje con su excesivo factor de potencia. Y si el número es 0,1, lo multiplicamos por el peso máximo "1,0" con el fin de establecer la máxima influencia del número en el NS. Por lo tanto, hay algo razonable y potencial en la dinámica de los pesos.





IMHO, imho. Sólo se ve de alguna manera razonable. Como ejemplo de un peso dinámico (filtro): 5 entradas, todos pasan "filtrado", pero eso es todo - no he conectado MLP más, porque no he entendido completamente el problema de reentrenamiento en la dinámica de los pesos.


Todo con herramientas MT5, optimización habitual. Optimización de filtro 2000-2021, EURUSD, H1:



Forward primer año 2021-2022


Forward segundo año 2022-2023


Forward tercer año 2023-2024


Los tres años del forward





UPDAsí que el punto es que el número en la entrada es sólo la posición de la línea indicadora, no la fuerza.Es un patrón de construcción.
Cualitativamente diferente de cualquier otro (número). Y a cada patrón de construcción hay que asignarle un peso, con el resultado de que su número combinado organiza el patrón de trabajo general (grande) .

 

¿Ha habido suerte con NN y DL? Alguien aquí...

---

excepto con los gráficos python y las pruebas ajustadas:-) Al menos "Expert Advisor trades on demo and plus".

---

o se tiene la sensación de que esto es una rama de la evolución sin salida y toda la producción de mashobuch y neuronas está en publicidad, spam y "mutual_sending".



 
Maxim Kuznetsov #:
es una rama sin salida de la evolución.

Algo así como los posos del café del siglo XXI.

 
Ivan Butko #:


¿Qué pasa si la "viabilidad" de un número de entrada dado se encuentra en el rango de 0,1 a 0,5 y, al caer en esta zona, el número necesita ser "reforzado" (¡!) para la arquitectura global y los cálculos posteriores en las capas siguientes? No funcionará, el número 0,9 irrumpirá y simplemente "romperá" todo el lío. Al fin y al cabo, influye más en la solución NS por su constante dominio cuantitativo.

Con los árboles se resuelve por divisiones - simplemente las hojas con valor predictor < 0.1 y > 0.5 no producirán señales.

En NS esto también es posible si usas funciones de activación no lineales como la sigmoidea. Pero no he estudiado NS durante mucho tiempo, así que no puedo decirlo con seguridad. Pero en principio también funcionan a nivel de modelos de madera, a veces mejor, por lo que pueden cortar lo que no es necesario. Por eso me pasé a los árboles, porque ahí se entiende por qué se tomó esa decisión.

[Eliminado]  
Con la ayuda de los pesos, la red neuronal asigna entradas a salidas, no tienen otro sentido.

La introducción de pesos adaptativos también se reduce, en última instancia, a definir pesos para las entradas y las salidas.

La adaptabilidad es necesaria cuando existe una limitación en el tamaño de la NS. En este caso, no hay limitación.

Tampoco tienen sentido los Asesores Expertos autooptimizables, que tanto gustan a los optimizadores. Porque no hay limitación en el tamaño del modelo.

Son cosas equivalentes.
[Eliminado]  
En tu caso, para no sufrir por tonterías, basta con entrenar un NS normal, y luego aplicarle diferentes filtros para encontrar las regiones en las que funciona mejor. Puedes utilizar los mismos índices u otros filtros.

Esto te ahorrará muchas vueltas innecesarias :)
[Eliminado]  
Escribiste en otro hilo. Vuelva a entrenar en talovo NS para que dé el mayor número posible de operaciones. Sólo entonces no voltear sobre los nuevos datos, pero las señales de filtro por el tiempo, la volatilidad, etc etc. Busca conjuntos estables.

De lo contrario sólo perderá su tiempo.
En el último artículo en los comentarios, lancé un ejemplo sobre pantalones y cortos. El mismo principio.

Tu NS será como una base de datos, de la que sacarás algo con consultas.