Comment évaluer concrètement la contribution d'une entrée "spécifique" au SN ? - page 4
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
Nous pouvons également proposer la variante suivante : pour simplifier, nous prenons NS avec trois entrées.
Et appliquer les 20 entrées et laisser l'optimiseur trouver seul la meilleure combinaison de 3 entrées par critère, par exemple, une course en avant pour un drawdown minimal.
Quelque chose comme ça.
Nous pouvons également proposer la variante suivante : pour simplifier, nous prenons NS avec trois entrées.
Et appliquer les 20 entrées et laisser l'optimiseur trouver seul la meilleure combinaison de 3 entrées par critère, par exemple, une course en avant pour un drawdown minimal.
Quelque chose comme ça.
Pas tout à fait vendredi, mais ...
Il existe un NS, n'importe quel NS, il existe une entrée A={A1, A2, ....}. A20}. Formez le NS et obtenez un résultat satisfaisant. Comment évaluer concrètement la contribution de chaque élément de l'entrée A1, A2, ... ? A20 à ce résultat ?
Les options qui me viennent à l'esprit sont les suivantes :
1) D'une certaine manière, on additionne et on calcule tous les poids avec lesquels l'élément passe dans le réseau. Je ne sais pas trop comment faire, il faudrait que je me plonge dans le fonctionnement du réseau et que je calcule d'une manière ou d'une autre certains coefficients, etc.
2) Essayez de "mettre à zéro" d'une manière ou d'une autre, ou par exemple d'inverser un élément du vecteur d'entrée et voyez comment cela affecte le résultat final. Pour l'instant, je me suis contenté de ça.
Mais avant de réaliser cette deuxième variante, j'ai décidé de demander mon avis. Qui a peut-être réfléchi à ce sujet depuis plus longtemps que moi ? Peut-être quelqu'un peut-il me conseiller un livre ou un article utile ?
Je propose d'écrire un indicateur et de l'exécuter dans une fenêtre séparée.
Les lignes d'indicateurs permettraient des observations cognitives très intéressantes.
Les lignes indicatrices peuvent être : les sorties des additionneurs de neurones ; les sorties des neurones après les transducteurs non linéaires ; éventuellement les sorties des comités, etc. Tout ne dépend que de vos désirs et de vos fantasmes.
Cette visibilité permettra de "pénétrer" dans cette boîte noire et de comprendre comment tout cela se passe/ fonctionne.
Ça, c'est sûr. Chacun a le choix : lire des livres ou développer une fantaisie débridée.
Pour mémoire, c'est la méthode décrite dans les livres.
Peut-être pas sous la forme que j'ai présentée ici, mais essentiellement correcte.
Le degré d'influence de chaque entrée est presque impossible à estimer de manière réaliste .
Je ne sais pas. Par rapport aux autres entrées, c'est bien. Seules les entrées doivent être normalisées.
Nous prenons donc les sorties prédites comme point de repère et, pour chaque entrée de tous les modèles, nous calculons l'erreur RMS pour un très petit décalage d'une certaine entrée.
L'application d'une approche solide fondée sur des preuves en dehors de son contexte économétrique soulève des questions enfantines.
Je fais une régression :
Profit = s(1) * A0 + ... s(n) * A(n)
Nous estimons les coefficients de cette régression.
Immédiatement, nous obtenons
probabilité qu'un coefficient spécifique soit égal à zéro - supprimer une telle entrée
probabilité que tous les coefficients pris ensemble soient égaux à zéro
en utilisant les ellipses, nous obtenons des coefficients de corrélation
effectuer le test pour les entrées redondantes
effectuer un test sur les entrées manquantes
tester la stabilité des valeurs des coefficients (évaluer le caractère aléatoire de leur changement)
Un homme intelligent est venu et a donné une réponse adulte à ma question enfantine) Merci à cela. Non seulement la régression et la NS ne sont pas tout à fait la même chose, mais l'option proposée n'est en tout cas pas plus simple. Nous estimons, obtenons, conduisons, conduisons, conduisons... Et il n'est pas clair comment interpréter les résultats obtenus dans un système tout à fait différent. La MACD est-elle bonne ou mauvaise ? Une TS peut-elle l'utiliser, alors que l'autre ne le fait pas ?
Nous pouvons également proposer la variante suivante : nous prenons un NS à trois entrées pour simplifier.
Et nous alimentons les 20 entrées et laissons l'optimiseur trouver seul la meilleure combinaison de 3 entrées en fonction du critère, par exemple, du forward trading pour un drawdown minimal.
Quelque chose comme ça.
J'ai fait exactement la même chose, mais je n'ai pas pris d'entrées et créé des combinaisons de celles-ci. J'ai exclu des entrées et certaines combinaisons de celles-ci et observé le résultat - ce qui revient au même. Allumer, éteindre - quelle est la différence ? En raison des spécificités de l'implémentation, j'ai trouvé plus pratique de l'exclure.
C'est vrai. Chacun a le choix : lire un livre ou développer une fantaisie débridée.
Mais j'ai aussi posé des questions sur les livres d'articles. Personne n'a suggéré quoi que ce soit à ce sujet et vous non plus. Allez à la bibliothèque des sciences et des technologies et priez pour l'économétrie, la seule non-science...). Bien que les livres ne me dérangent pas vraiment, si je les feuillette dans les toilettes dans un but éducatif ou culturel, ils sont peu utiles sur le plan pratique et n'offrent pas de solutions toutes faites, car ils sont écrits par des théoriciens fondamentalistes ou par des scientifiques appliqués sans succès. Et peu importe combien vous les lisez, sans "imagination débridée", ils ne sont d'aucune utilité pratique.
Je ne sais pas. Par rapport aux autres entrées, c'est bien. Seules les entrées doivent être normalisées.
Nous prenons donc les sorties prédites comme référence et, pour chaque entrée de tous les modèles, nous calculons l'erreur RMS pour un très petit décalage d'une certaine entrée.
Au fait, NS est aussi une régression. La même dépendance du compte à rebours actuel par rapport aux comptes à rebours précédents. Mais ce n'est pas la question.
Ce que la faa suggère est applicable à la régression linéaire, et le réseau neuronal est une régression non linéaire.
Au fait, NS est aussi une régression.