Discussion de l'article "Programmation d'un Réseau de Neurones Profond à partir de zéro à l'aide du langage MQL" - page 6
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
Vous donnez beaucoup d'importance à ce SN, en fait à tous les SN et à tout ce qui est lié à la MO, en général - partout où il y a des multiplications de nombres par des nombres et un additionneur dans la fonction d'activation - tout cela s'adaptera au graphique. Un système totalement instable.
Il est intéressant de creuser la question, de construire des architectures, d'ajouter des neurones et des couches. Mais c'est complètement inutile, ce n'est pas mieux que de traverser la mashka.En outre, la fixation des prix est un processus non stationnaire. Chaque fois qu'il y a de nouvelles données, et si vous divisez le graphique en modèles, ils auront tendance à fonctionner à 50/50 sur l'historique.
Le NS est pour les systèmes stationnaires, répétitifs.
Mais pour le Forex et ainsi de suite, vous avez besoin de systèmes plus avancés, plus intelligents. Quelque chose comme plusieurs NS, connectés les uns aux autres d'une manière ou d'une autre, s'adaptant comme par magie au changement des statistiques du modèle, etc.
Le NS lui-même est une mémorisation de la trajectoire du prix, ou une moyenne des résultats, si la quantité de nouvelles données est supérieure aux combinaisons possibles de nombres obtenus par multiplication (ou, pour parler simplement, l'architecture NS la plus simple avec deux ou trois entrées).
Ivan, merci pour cette précision. Toute statistique a tendance à se répéter. En principe, si un indicateur intégral est utilisé lors de l'optimisation (entraînement) du NS, alors nous pouvons voir par les points comment et quand la transition de l'ignorance à la connaissance se produit - comment mieux la négocier. La recherche d'une variable significative est une question distincte. Avez-vous réussi à résoudre le problème de la mise à l'échelle des entrées de plus de 4 fois ?
Avez-vous pu résoudre le problème avec des entrées dont l'échelle est supérieure à 4 fois ?
Oui, j'ai commencé à fouiller et j'ai trouvé le fond du problème. J'ai non seulement augmenté les entrées, mais aussi l'architecture : j'ai ajouté des couches, des neurones, des RNN - qui se souviennent de l'état précédent et le transmettent aux entrées, j'ai essayé de changer la fonction d'activation pour les plus célèbres, j'ai essayé toutes sortes d'entrées à partir de la rubrique "What to feed to the neural network input" - en vain.
À mon grand regret. Mais cela ne m'empêche pas de revenir de temps en temps et de tordre des réseaux neuronaux simples, y compris celui de cet auteur.
J'ai essayé LSTM, BiLSTM, CNN, CNN-BiLSTM, CNN-BiLSTM-MLP, - en vain.
Je suis moi-même stupéfait. C'est-à-dire que tous les succès sont décrits par une observation : il s'agit d'une période de calendrier chanceuse. Par exemple, 2022 pour l'eurodollar est presque exactement la même chose que 2021. Et en vous entraînant sur 2021, vous obtiendrez un forward positif sur 2022 jusqu'en novembre (ou octobre, je ne me souviens plus). Mais, dès que vous entraînez sur 2020, n'importe quel( !) réseau neuronal, alors sur 2021 il échoue proprement. Dès le premier mois ! Et si vous passez à d'autres paires de devises (généralement l'eurodollar), le comportement est également aléatoire.
Mais nous avons besoin d'un système qui soit garanti de montrer des signes de vie à terme après l'entraînement, n'est-ce pas ? Si nous partons de cette idée, c'est peine perdue. Si quelqu'un croit qu'il est une personne chanceuse et qu'après la formation d'aujourd'hui, il aura un forward rentable pour l'année ou les six mois à venir, alors bonne chance à lui).
Mais nous avons besoin d'un système qui est garanti de montrer des signes de vie sur l'avant après la formation, n'est-ce pas ? Si nous partons de cette idée, c'est peine perdue. Si quelqu'un pense qu'il a de la chance et qu'après l'entraînement d'aujourd'hui, il aura un attaquant rentable pour l'année ou les six mois à venir, alors bonne chance à lui).
Nous pouvons donc supposer que les paramètres "Graal" nécessaires de NS ont été oubliés au cours du processus de recherche ou même qu'ils étaient initialement insignifiants et n'ont pas été pris en compte par le testeur ? Peut-être le système manque-t-il de facteurs d'éventualité plutôt que de simples modèles-proportions.
Nous pouvons donc supposer que les paramètres "graal" NS nécessaires ont été oubliés au cours de leur recherche ou même qu'ils étaient initialement insignifiants et n'ont pas été pris en compte par le testeur ? Peut-être le système manque-t-il de facteurs d'éventualité plutôt que de simples modèles-proportions.
Bien sûr, il arrive que des ensembles "graal" échappent à l'optimisation ; il est presque impossible de les trouver (ligne 150 ou autre lors du tri) tant que l'on n'a pas tout vérifié. Il y en a parfois des dizaines de milliers.
Je ne comprends pas la deuxième partie de votre message.
Bien sûr, il arrive que des ensembles "graal" échappent à l'optimisation, il est presque impossible de les trouver (ligne 150 en quelque sorte lors du tri) tant qu'on n'a pas tout vérifié. Il y en a parfois des dizaines de milliers.
Je ne comprends pas la deuxième partie de votre message.
Il s'agit de l'entrée de ces données, qui sont obtenues au moment d'un certain événement, par exemple, High[0]> High[1] à ce moment-là. Si l'on considère le marché dans ce contexte, il s'agit entièrement d'un modèle axé sur les événements et corrélé à ceux-ci. Et le contrôle des éléments de chaos est déjà aux méthodes de réglage fin et d'optimisation en dehors de la "mémoire" du NS. Il est bien représenté par un indicateur intégral de la manière dont ces ajouts d'événements au code fonctionnent. Cet indicateur (critère intégré) s'améliore et s'oriente vers les passes d'optimisation les plus rentables.