L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 346
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
MAIS... l'intérêt d'utiliser cette technologie n'est pas qu'elle est plus cool qu'un humain pour faire le travail, mais simplement qu'elle est pratique, rapide et performante...
Ils sont meilleurs, il y a moins d'erreurs de reconnaissance.
les réseaux neuronaux hautement spécialisés sont meilleurs et beaucoup plus rapides pour reconnaître les images. Par ailleurs, si un objet se trouve en dehors de l'échantillon d'entraînement et ne peut être reconnu correctement, une personne connecte ses autres ressources cérébrales, et ces ressources ne sont tout simplement pas incluses dans la NS
et ils ne trouveront rien de directement "caché", vous devez juste être conscient dans votre choix de prédicteurs à mon avis.
Quant aux LSTM, à mon avis, ils ne devraient être bons que pour les séries temporelles, car ils ne peuvent pas seulement généraliser les signaux d'achat et de vente, mais ils peuvent également s'adapter au changement d'efficacité des prédicteurs sur différents segments, en fonction des changements du marché et du comportement passé des prédicteurs, ce sera la "mémoire" des NS.Ils font un travail plus cool, il y a moins d'erreurs de reconnaissance.
les réseaux neuronaux hautement spécialisés sont meilleurs et beaucoup plus rapides pour reconnaître les images. Par ailleurs, si l'objet dépasse l'échantillon d'entraînement et ne peut être reconnu correctement, une personne connecte ses autres ressources cérébrales, et ces ressources ne sont tout simplement pas incluses dans la NS
et ils ne trouveront rien de directement "caché", vous devez juste être conscient dans votre choix de prédicteurs à mon avis.
Ok... Eh bien, n'avez-vous pas essayé de définir une certaine tâche qui est évidemment soluble mais très difficile, juste pour vérifier ce que le réseau est vraiment capable de faire expérimentalement...
Par exemple, un échantillon très bruyant généré artificiellement avec un constituant déterministe connu, une fonction complexe qui, si elle n'était pas connue à l'avance, est impossible à calculer à l'œil nu...
Il existe peut-être des liens vers de telles études.....
une dernière chose : essayez un réseau à décalage temporel... il est plus adapté à la prédiction de séries temporelles... Je n'ai pas essayé car je ne suis pas très doué pour ça.Au fait, à quoi pensez-vous que les réseaux neuronaux sont bons pour les prévisions... Je vais vous expliquer :
nous devons comprendre l'essentiel - soit les réseaux neuronaux sont capables de retrouver des relations complexes réellement cachées à l'œil nu, soit ils sont capables d'automatiser certains processus complexes, qui ne peuvent pas être facilement formalisés, comme la reconnaissance des formes, qui est néanmoins facilement gérée par le cerveau/les yeux humains, mais il est nécessaire de soulager les humains de ces tâches de routine...
un exemple simple : la reconnaissance des visages à l'aéroport. un humain peut le faire facilement mais le processus doit être automatisé et cela ne peut pas être fait avec les méthodes habituelles... certaines technologies comme les réseaux neuronaux sont utilisées... l'intérêt d'utiliser cette technologie n'est pas qu'elle peut le faire mieux qu'un humain mais simplement qu'elle est pratique, rapide et très productive...
qu'en est-il dans le commerce : la tâche de reconnaissance des formes à l'aide d'un réseau neuronal... pourquoi ? le cerveau humain ne peut-il pas résoudre cette tâche ? comme la reconnaissance des visages...
sur 1000 personnes, une personne reconnaît un visage familier en un instant...
les réseaux neuronaux ont-ils vraiment le potentiel de dépasser les neurones biologiques...
NS a un potentiel qui dépasse les "neurones humains", au moins dans la reconnaissance faciale et tout et n'importe quoi). C'est évident, je pense. Réduit la charge de travail humaine de dizaines, voire de centaines de fois.
Les neurones, en général, ne servent pas à faire des prévisions. La prédiction par les neurones est plutôt un effet secondaire de la reconnaissance (classification). Par exemple : le soleil est rouge au coucher du soleil (reconnaissance) - demain est une journée venteuse (prédiction).
Un bon trader négocie généralement mieux avec ses mains que n'importe quel système, et les systèmes automatiques ne le font pas mieux, mais ne fixez pas l'écran et ne restez pas assis).
NS a un potentiel qui dépasse les "neurones humains", au moins dans la reconnaissance des visages et tout). C'est évident, n'est-ce pas ? Il permet de réduire de plusieurs dizaines, voire de centaines de fois, le travail humain.
Les neurones, en général, ne servent pas à faire des prévisions. La prédiction par les neurones est plutôt un effet secondaire de la reconnaissance (classification). Par exemple : le soleil couchant est rouge (reconnaissance), demain est une journée venteuse (prédiction).
Un bon trader négocie généralement avec ses mains mieux que n'importe quel système, et les autosystèmes ne le font pas mieux, mais pour ne pas fixer l'écran et s'asseoir sur le siège de son pantalon).
N'est-ce pas une contradiction ? ....
Ok... mais avez-vous essayé de poser un problème spécifique connu pour être soluble mais très complexe, juste pour vérifier ce dont le réseau est réellement capable expérimentalement...
par exemple un échantillon artificiel très bruyant avec un constituant déterministe connu, une fonction complexe qui, si elle n'était pas connue à l'avance, est impossible à calculer à l'œil nu...
Il existe peut-être des liens vers de telles études.....
Je n'ai pas beaucoup d'expérience, je n'ai que les résultats de l'amélioration d'une stratégie qui fonctionnait déjà avec l'ordinateur National... c'est-à-dire que l'ordinateur National, avec les mêmes prédicteurs, a trouvé de meilleurs signaux d'entrée sur le marché que ceux que j'ai essayé de trouver moi-même... c'est un fait... Je n'ai pas de préjugés, je regarderai le marché plus tard.
Je vais me renseigner sur les réseaux à décalage temporel, merci, je n'en ai pas connaissance.
N'est-ce pas une contradiction ? ....
Qu'est-ce que vous considérez comme une contradiction ? Je ne le vois pas.
Selon le post précédent. Il y a des suppresseurs de bruit sur les neurones.
Qu'est-ce que vous considérez comme une contradiction ? Je ne le vois pas.
Selon le post précédent. Il y a des annuleurs de bruit à réseau neuronal.
Comme dans quoi...
La NS a plus de potentiel que la "neuronique humaine", au moins. dans la reconnaissance faciale et tout ça. mais en même temps, le trader manuel, c'est-à-dire sans IA et qui a un potentiel plus faible et qui fait face à toutes ces tâches bien plus mal pourquoi devrait-il soudainement trader mieux que n'importe quel système....
C'est la contradiction la plus pure.
Yuri, tutoyons-le, parce que je commence à être un peu effrayé... par tous les vous me pardonnez...).
Comme dans quoi...
La NS a le potentiel de dépasser les "neurones humains" au moins. dans la reconnaissance faciale et tout ça. mais en même temps, un trader qui travaille manuellement, c'est-à-dire sans utiliser l'IA, qui a un potentiel plus faible et qui, pour une raison quelconque, fait face à toutes ces tâches beaucoup plus mal, devrait soudainement trader mieux que n'importe quel système...
c'est l'ultime contradiction.
et c'est Yuri, tutoyons-le, parce que ça me fait un peu flipper ...tout ça vous me pardonnerez...)
Je suis désolé, mais j'ai plus l'habitude qu'on s'adresse à moi en disant "vous"). Comme vous voulez, ça ne me dérange pas.
Un NS moderne et sophistiqué a à peu près autant de cervelle qu'un cafard. Un cafard réussit à accomplir un large éventail de tâches. En raison de la vitesse élevée du NS, et du fait que l'ensemble du NS ne résout qu'une seule classe de problèmes, il ne traite que cette classe, et rien d'autre.
Un trader peut voir des choses que NS n'a pas été formé (ou n'a pas appris)). De plus, contrairement à NS, il est capable de faire face à un plus large éventail de tâches. C'est-à-dire que même théoriquement, le trader a plus de possibilités et est capable de trader mieux que NS, si cela ne nécessite pas une réaction super rapide.
D'ailleurs, les NS font aussi des erreurs. Une fiabilité de 90% n'est pas un mauvais indicateur pour les NS.
De si beaux mots sur les réseaux et la réflexion philosophique en général.
Mais je ne vois aucune preuve, pas même une réflexion sur le sujet des filets de recyclage.
Alors, tous vos réseaux ont-ils été recyclés ou non ?
PS.
C'était la question principale au début du fil de discussion.
Il y a RNN et RNN3 et son article non publié sur MQL5. RNN fonctionne mieux dans l'optimiseur que RNN3.
Parce que RNN3 a une erreur -
Les données ont été demandées pour 5 points, tandis que la probabilité est calculée pour 4 points et vous ne commencez pas avec la barre actuelle a0, mais avec un décalage d'une période, c'est-à-dire à partir de a1. La probabilité est calculée non pas pour le moment présent, mais pour un point a1 - d'où les mauvais résultats pour a0)).
// Преобразование показаний технического осциллятора RSI в диапазон от 0 до 1 включительно
double a0 = rsi[0] / 100.0;
double a1 = rsi[p] / 100.0;
double a2 = rsi[2*p] / 100.0;
double a3 = rsi[3*p] / 100.0;
double a4 = rsi[4*p] / 100.0;
// Вычисление вероятности
double results=RNN(a1,a2,a3,a4);
c'est-à-dire =RNN(a0,a1,a2,a3) ;
Eh bien, afin de calculer pour 5 points - vous devez augmenter la matrice logarithmique à 32 règles, c'est-à-dire25. Et ainsi de suite, si plus de points/entrées sont nécessaires. Si nous avons 10 entrées, cela signifie210 = 1024 variables d'entrée )))) Je me demande si MT5 peut gérer une telle optimisation ?