Comment former correctement les valeurs d'entrée pour le NS. - page 21
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
Voici une dinde.
C'est trop rêveur pour ressembler à la vraie vie )))) Et nous ne vivons pas dans un conte de fées.....
Et voici la dinde.
Quel est l'intérêt d'ajouter quelque chose d'autre à cette dinde ? Il est mignon tout seul. :)
Quel est l'intérêt d'ajouter quelque chose d'autre à cette dinde ? Il est mignon tout seul. :)
Il se redessine. Nous le prenons pour donner les signaux que le réseau va choisir.
Ensuite, on prend ces signaux et on oublie cet indicateur. Nous devrons ensuite décider comment décrire les données fournies par NS. Choisissez une plage de saisie (nombre de barres et de points qui se trouvent à côté du signal, mais nous les prendrons aussi comme des points d'entraînement).
La même chose peut être faite avec l'indicateur de Klot (qui a GA).
>>La formule pour quoi ?
La formule de la fonction cible, si l'on parle d'une procédure d'optimisation. Mais il ressort des informations de LeoV que cette fonction (Optimal Buy/Hold/Sell ) ne fait pas d'optimisation, c'est-à-dire qu'elle n'a rien à voir avec NS. Il s'agit d'une fonction tout à fait ordinaire qui se tourne réellement vers l'avenir. Et il ne se soucie absolument pas de savoir s'il faut le faire par Close ou par un indicateur de lissage. Si vous le comparez à 2ZZ, j'ai toujours tendance à penser qu'il donnera trop d'entrées. Ou trop peu, selon la façon dont on interprète les barres avant ... . En temps réel, ces entrées correspondront à des entrées à l'ouverture de chaque nouvelle barre, un point que j'ai déjà critiqué auparavant :).
Je vais intervenir ici, même si je suis un amateur de réseaux neuronaux. Il me semble que la fonction cible (TF) doit nécessairement refléter la distribution de probabilité de la valeur traitée par le réseau neuronal. La somme des carrés des erreurs est la forme la plus connue et la plus standard de TF, mais cette fonction n'est aussi bonne que possible pour une valeur gaussienne.
Il existe une relation entre la distribution de probabilité et l'erreur minimisée selon la fonction de vraisemblance maximale. Pour une distribution gaussienne, c'est le carré de la différence des grandeurs, pour une distribution exponentielle, c'est le module de la différence, etc.
Nous prenons l'indicateur le plus implacable du NS, nous apprenons au NS à donner les bons signaux. Naturellement, nous devons obtenir le résultat
pour que nos entrées soient parfaites, ou presque... Ces valeurs doivent être considérées comme un enseignement pour les NS. L'avantage ici est que nous alimentons les vecteurs BUY/SELL que le réseau lui-même a choisi comme optimaux. Mais un ensemble de vecteurs Hold doit être rogné manuellement. Juste pour être sûr que l'échantillon n'est pas composé de 90 % de vecteurs Hold et seulement 5 % sur Buy/Sell...
Pourquoi prendre des indicateurs ? Il existe un outil intéressant dans metastock - Maximum Profit System (MPS), conçu pour comparer la rentabilité des systèmes. Le MPS est censé calculer toutes les transactions probables avec un résultat positif. Il est très pratique de construire des tableaux d'entraînement pour les MLP sur cette base.
Il est redessiné. Nous le prenons pour donner au réseau les signaux qu'il choisit.
Ensuite, on prend ces signaux et on oublie cet indicateur. Ensuite, nous devrons décider comment décrire les entrées données par le SN. Choisissez une plage de saisie (nombre de barres et de points qui se trouvent à côté du signal, mais nous les prendrons aussi comme des points d'entraînement).
La même chose peut être faite avec l'indicateur de Klot (qui a GA).
Malheureusement, vous devez comprendre que c'est une tâche irréelle de sélectionner les entrées pour la sortie (même pas pour la sortie, mais pour les signaux d'achat/de vente). Fantastique.
Vous ne savez pas ce qu'il adviendra de ces signaux dans le futur ? Est-ce qu'ils fonctionneront aussi correctement à l'avenir que lors de la formation et pouvez-vous sélectionner correctement les entrées qui, à l'avenir, donneront les informations correctes pour l'ouverture des entrées correctes (comme lors de la formation) ? D'autre part, ces entrées seront-elles ouvertes correctement à l'avenir, afin que les sorties puissent être sélectionnées pour elles ? Plus de questions que de réponses.....
P.S. Vous ne vous embrouillerez pas - personne ne le fera ))))).
Malheureusement, vous devez vous rendre compte qu'il est irréaliste de vouloir faire correspondre les résultats (pas même les résultats, mais les signaux d'achat et de vente) aux entrées. Fantastique.
Vous ne savez pas ce qu'il adviendra de ces signaux dans le futur ? Est-ce qu'ils fonctionneront aussi correctement à l'avenir que lors de la formation et pouvez-vous sélectionner correctement les entrées qui donneront à l'avenir les informations correctes pour l'ouverture des entrées correctes (comme lors de la formation) ? D'autre part, ces entrées seront-elles ouvertes correctement à l'avenir, afin que les sorties puissent être sélectionnées pour elles ? Plus de questions que de réponses.....
P.S. Vous ne vous embrouillerez pas - personne ne le fera ))))).
Il y a toujours beaucoup de questions dans notre métier, et les réponses sont soit relatives, soit très peu nombreuses. Ce n'est donc pas surprenant.
La sélection des intrants se fait par analyse statistique de différents échantillons. Pour être plus précis, l'échantillon devrait se décomposer comme suit :
Qui contiennent soit Sell/Hold soit Buy/Hold. Bien sûr, les trois classes peuvent être utilisées, mais toute classe Buy/Sell doit être réduite au minimum.
Ainsi, nous devrions obtenir 3 ensembles de vecteurs où le Buy. Acheter et vendre (si quelqu'un trouve des ensembles de vecteurs où les 3 classes ne se croisent pas selon les signaux donnés, nous n'aurons pas besoin du NS). Ces ensembles exacts sont ensuite transmis aux entrées pour l'apprentissage. Là encore, les valeurs du vecteur doivent être relatives (la MACD fera l'affaire, même si son maximum peut changer). Puis le prétraitement des données d'entrée, etc.
Bien sûr, si notre système national de navigation donne des signaux, cela ne signifie pas qu'il y aura une vente après un achat, mais il existe de nombreux systèmes qui peuvent aider à la sécurité ...
2 rip Merci ! Si j'ai bien compris, c'est ce qu'il faut faire, mais je ne l'ai pas encore examiné.
La sélection des intrants se fait par analyse statistique de différents échantillons. Pour être plus précis, l'échantillon devrait se décomposer comme suit :
Qui contiennent soit Sell/Hold, soit Buy/Hold, bien sûr les trois, mais toute classe Buy/Sell devrait en contenir le minimum.
Ainsi, nous devrions obtenir 3 ensembles de vecteurs où le Buy. Acheter et vendre (si quelqu'un trouve des ensembles de vecteurs où les 3 classes ne se croisent pas selon les signaux donnés, nous n'aurons pas besoin du NS). Ces ensembles exacts sont ensuite transmis aux entrées pour l'apprentissage. Là encore, les valeurs du vecteur doivent être relatives (MACD fera l'affaire, bien que même son maximum puisse changer). Puis le prétraitement des données d'entrée, etc.
Bien sûr, si le NS donne des signaux, cela ne signifie pas qu'il y aura une vente après un achat, mais il existe de nombreux systèmes qui peuvent aider à se couvrir.
N'acceptez-vous pas l'idée que cette théorie puisse être erronée ?
N'acceptez-vous pas l'idée que cette théorie puisse être erronée ?
Ce n'est pas une théorie, c'est juste l'un des moyens qui, selon moi, peut conduire à de bons résultats (rentables).
Bien sûr que oui. Pouvez-vous prouver que c'est faux, prouvez-le, je vous serai très reconnaissant pour le temps que vous gagnerez !