Neuromongers, ne passez pas à côté :) besoin de conseils - page 7
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
..
La première image, si je comprends bien ce qu'elle montre, correspond à l'idéologie des motifs débordants.
IMHO - un échantillon de test pour contrôler la formation du réseau est essentiel.
C'est peut-être le cas, mais où pouvons-nous l'obtenir sans perdre de temps ?
le segment B est implicitement impliqué dans la formation, car B détermine la fin de la formation par l'erreur minimale)
Dans mon cas, elle n'est pas applicable car il n'y a pas de formation en tant que telle. La seule chose à faire est de reconfigurer le réseau en fonction des résultats.
Pourquoi des paires ?) Essayez quelques indices, de l'or... Je me demande quel sera le résultat.
Probablement dans les limites de l'écart. Je vais essayer l'or. Où puis-je obtenir une histoire correcte pour les indices ? La colle n'est pas échangée.
J'oublie toujours de demander à quoi ressemblerait le test de la période d'apprentissage de TC ? Je me demande "combien" il apprend avec cette ANC. Je comprends que le LOC produit le résultat maximum possible sur la base de ce qui lui est donné dans le système d'équations (j'ai l'impression qu'il s'agit d'algèbre matricielle sévère :)). À quoi ressemblerait ce maximum s'il était transféré au commerce ? Tout se passera-t-il bien là-bas ?
Est-il possible de réaliser une telle image également dans au moins un mois de sa période d'étude native ? Les résultats obtenus par les SN pendant la période de formation sont également importants et parlent d'eux-mêmes.
J'oublie toujours de demander : à quoi ressemblera le test du CT pour la période de formation ?
https://www.mql5.com/ru/forum/132692/page2#454397
La deuxième image, c'est pour un an sur un échantillon de test.
C'est possible, mais où l'obtenir sans perdre de temps ?
Dans mon cas, elle n'est pas applicable car il n'y a pas de formation en soi. Je ne peux que reconfigurer le réseau en fonction des résultats.
Probablement dans les limites de l'écart. Je vais essayer l'or. Où puis-je obtenir un historique correct des index ? La colle n'est pas échangée.
J'ai plusieurs EA de réseaux neuronaux sur mon compte de démonstration maintenant. Je construis des réseaux dans le paquet statistique et je connecte des fichiers ddl à ceux-ci.
Je pense donc que les questions de sélection - la taille de l'échantillon de formation, la taille de l'échantillon de contrôle et la façon dont il est formé, ainsi que la durée de la période de négociation en dehors de l'échantillon - sont très importantes. J'obtiens des résultats différents, et il est surtout possible d'améliorer le drawdown. Bien que jusqu'à présent le système fonctionne de manière profitable (hélas, Dieu merci), nous pouvons déterminer les paramètres optimaux et travailler avec eux. Je dois bien sûr faire des essais préalables et y consacrer un certain temps, mais je pense que le résultat en vaudra la peine.
TheXpert essaie, comme cela a déjà été dit ici, de tester avec des données provenant d'une autre source.
Qu'est-ce que ça veut dire ? Sur la même histoire d'un autre DC ?
Et vérifiez pour avoir un aperçu de l'avenir. Tout cela ressemble beaucoup à de l'auto-illusion...
La première chose à faire est de bien s'en occuper. Je dirais même que je me sens insulté par de tels conseils. Et à quoi ressemble exactement l'autodestruction ?
Eh bien, je pense de tout mon être que les questions de sélection : la taille de l'échantillon de formation, la taille de l'échantillon de contrôle et la façon dont il est formé, ainsi que la taille de la période de négociation en dehors de l'échantillon sont très importantes. J'obtiens des résultats différents, et il est surtout possible d'améliorer le drawdown. Bien que jusqu'à présent le système fonctionne de manière profitable (hélas, Dieu merci), nous pouvons déterminer les paramètres optimaux et travailler avec eux. Bien sûr, cela demande un peu de temps et des essais préalables, mais je pense que le résultat en vaudra la peine.
Qu'est-ce que cela signifie ? Sur la même histoire d'un autre DC ?
Commençons par le commencement. Je dirais même que je me sens insulté par de tels conseils. Et à quoi ressemble exactement le fait de s'auto-détruire ?
C'est bien pour vous, mais essentiellement rien. Peut-être pouvez-vous partager votre expérience ?Quelques articles sur le sujet en question : http://www.google.com/url?sa=t&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fmadis1.iss.ac.cn%2Fmadis.files%2Fpub-papers%2F2005%2Flncs-05-whuang-1.pdf&ei=oYOVTarTOYvzsgaEsuGzCA&usg=AFQjCNHZycjABySFlxSQ4sFAVgNK4FXrpQ&sig2=t1p0qXv35VTdnuhetNaTtQ
http://www.google.com/url?sa=t&source=web&cd=3&ved=0CCgQFjAC&url=http%3A%2F%2Fciteseerx.ist.psu.edu%2Fviewdoc%2Fdownload%3Fdoi%3D10.1.1.23.6904%26rep%3Drep1%26type%3Dpdf&rct=j&q=An%20Empirical%20Analysis%20of%20Data%20Requirements%20for%20Financial%20Forecasting%20with%20Neural%20Networks&ei=K4SVTdvoFsbDtAbl9dy7CA&usg=AFQjCNHAlj21APE3Nnc9MJQWI9EUYR7Ug&sig2=Mbp5sVdyCDOhnG3lkQiLw
Pour résumer les résultats de la recherche : il n'est pas nécessaire de prendre un très grand échantillon pour la formation. Pour Day1, une période de 1 à 3 ans convient... Pour les barres d'une heure, je prends jusqu'à 1 an, pour les barres de 15 minutes jusqu'à la moitié d'une année, pour les barres de 5 minutes jusqu'à un trimestre. Je prends les données du serveur de trading et j'utilise Page Up.
Vous avez deux ans pour une période de 15 minutes, c'est peut-être excessif, même si j'ai lu que vous avez essayé des périodes plus courtes. Je pense que pas plus d'une demi-année est suffisant.
J'écrirai plus tard sur l'échantillonnage des tests (en littérature russe, et en anglais - validation), je veux mener une série d'expériences ce week-end. Observations générales : si l'échantillon de test est pris avant une période de négociation, un neurone fera des "réglages fins" pour cette période tout en apprenant sur un espace d'échantillonnage plus large. L'avantage est que, puisque l'échantillon de test n'est pas mélangé à l'échantillon d'entraînement, nous donnons au réseau des données qu'il n'a même pas encore vues approximativement et on peut dire que ces données reflètent l'état réel du marché. Si nous mélangeons l'échantillon de test avec l'échantillon d'entraînement, l'erreur sur celui-ci sera généralement plus faible, car le réseau voit les exemples entourant l'échantillon de test et l'algorithme trouve donc des minima d'erreur plus profonds - mais pas le fait que les nouvelles données atteindront au moins un résultat similaire. Je l'ai personnellement obtenu et observé à plusieurs reprises.
Pour résumer les résultats de la recherche : il n'est pas nécessaire d'avoir un très grand échantillon pour s'entraîner.
Laissons de côté l'échantillon de formation, je ne vous ai pas parlé du schéma de construction complet, il n'y a rien de mal à cela.
Considérations générales : si l'échantillon de test est prélevé avant la période de négociation, le réseau neuronal effectuera un "réglage fin" pour cette période, en apprenant sur un espace d'échantillon plus large. De plus, comme l'échantillon de test n'est pas mélangé à l'échantillon d'entraînement, nous donnons au réseau des données qu'il n'a même pas encore vues approximativement et ces données, nous pouvons dire, reflètent l'état actuel du marché.
Et en quoi cela diffère-t-il de l'élargissement de la fenêtre de l'échantillon de formation ? Vous parlez dans le contexte de votre mise en œuvre étroite. Ma mise en œuvre est fondamentalement différente, donc je ne comprends pas ce dont je parle.
Qu'entendez-vous par "mixte" et "non-mixte" ? Comment le mélange est-il réalisé ? Quel "réglage fin" si le réseau n'a jamais vu ces données auparavant ?
Si l'échantillon de test est mélangé à l'échantillon d'entraînement, l'erreur sur celui-ci est généralement moindre, car le réseau voit des exemples entourant l'échantillon de test et l'algorithme trouve donc des minima d'erreur plus profonds - mais pas le fait que les nouvelles données donneront des résultats au moins similaires. Je l'ai personnellement obtenu et observé à plusieurs reprises.
Qu'est-ce que cela signifie ? Sur la même histoire d'un autre DC ?
De préférence sur le même historique, mais auprès de différents fournisseurs de devis.
Vous ne devriez pas utiliser les cotations VC (et MetaQuotes également) car les échéances inférieures, notamment 1999-2005, sont de très mauvaise qualité.
Ces citations ont été lissées non pas par une fenêtre glissante, mais par l'ensemble de l'historique. En d'autres termes, il y a un regard sur l'avenir qui est déjà intégré dans les citations elles-mêmes. Les réseaux neuronaux y parviennent sans problème.