réseau neuronal et entrées - page 5
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
Pourquoi tu fais du sp'gashing ? Vous cherchez quelqu'un à blâmer pour votre analphabétisme ? DDD
Sérieusement, quel est le piège ?))
Pour moi, NS est l'une des méthodes de classification qui ne fonctionne que sur les marchés stationnaires. Je pose la question car je n'ai jamais reçu de réponse raisonnée.
PS. Je ne me soucie pas de l'analphabétisme ou de l'illettrisme des participants au forum - je m'intéresse personnellement à moi, mon préféré.
Pour moi, NS est l'une des méthodes de classification qui ne fonctionne que sur les marchés fixes. Je pose la question car je n'ai jamais reçu de réponse étayée.
PS. Je ne me soucie pas de l'alphabétisation ou de l'analphabétisme des membres du forum - ce qui m'intéresse, c'est mon cas personnel.
faa, comprenez-vous ce que signifie la stationnarité ?
faa, comprenez-vous ce que signifie stationnaire ?
Tu es toujours dans mes bains publics.
Donc vous ne comprenez pas....
Et la stationnarité du processus n'est pas requise pour l'application des réseaux neuronaux à la prédiction. Eh bien, c'est juste au cas où.
Pour moi, le NS est une méthode de classification qui ne fonctionne que sur les marchés fixes. Je pose la question car je n'ai jamais reçu de réponse étayée.
Mon avis - NS n'aime pas la non-stationnarité, car il s'agit d'un algorithme qui nécessite une longue courbe d'apprentissage. En d'autres termes, il n'existe pas de réseau qui réagisse rapidement aux changements imprévus de l'orculation. A moins, bien sûr, que la structure du réseau lui-même ne contienne des données a priori sur la nature de la non-stationnarité. Mais c'est précisément dans ce cas que je préférerais NS à un autre algorithme plus rapide, car l'intérêt de NS est qu'il peut être construit sans données a priori, en espérant que l'ensemble lui-même permettra d'identifier les modèles. En d'autres termes, la conclusion est la suivante : si nous n'avons aucune idée du modèle qui peut sous-tendre les régularités (y compris la non-stationnarité), alors nous utilisons NS, sinon il est préférable d'essayer de décrire le modèle sur papier, puis sous forme matricielle/différentielle/autre et d'utiliser un bon algorithme de régression (ou de classification, de regroupement - selon le problème). Cependant, dans l'ensemble, les mêmes algorithmes peuvent être utilisés pour former un SN construit dans une optique théorique, ce qui n'a en principe aucune importance.
Mon opinion - NS n'aime pas la non-stationnarité, pour la raison que c'est un algorithme d'apprentissage long. En d'autres termes, il n'existe pas de réseau qui réagisse rapidement aux changements inattendus de l'orculation. A moins, bien sûr, que la structure du réseau lui-même ne contienne des données a priori sur la nature de la non-stationnarité. Mais c'est précisément dans ce cas que je préférerais NS à un autre algorithme plus rapide, car l'intérêt de NS est qu'il peut être construit sans données a priori, en espérant que l'ensemble lui-même permettra d'identifier les modèles. En d'autres termes, la conclusion est la suivante : si nous n'avons aucune idée du modèle qui peut sous-tendre les régularités (y compris la non-stationnarité), alors nous utilisons NS, sinon il est préférable d'essayer de décrire le modèle sur papier, puis sous forme matricielle/différentielle/autre et d'utiliser un bon algorithme de régression (ou de classification, de regroupement - selon le problème). Cependant, dans l'ensemble, les mêmes algorithmes peuvent également être utilisés pour entraîner un SN construit dans une optique théorique, ce qui, en principe, n'a pas d'importance.
La stationnarité n'est pas requise pour NS.
Un processus stationnaire à deux dimensions sur un graphique est une ligne droite horizontale (ou proche de celle-ci). Il n'est même pas nécessaire que H.l. soit un N.-É. pour prévoir.
Mon opinion est que NS n'aime pas la non-stationnarité, du fait qu'il s'agit d'un algorithme d'apprentissage long. En d'autres termes, il n'existe pas de réseau qui réagisse rapidement aux changements imprévus de l'orculation. A moins, bien sûr, que la structure du réseau lui-même ne contienne des données a priori sur la nature de la non-stationnarité. Mais c'est précisément dans ce cas que je préférerais NS à un autre algorithme plus rapide, car l'intérêt de NS est qu'il peut être construit sans données a priori, en espérant que l'ensemble lui-même permettra d'identifier les modèles. En d'autres termes, la conclusion est la suivante : si nous n'avons aucune idée du modèle qui peut sous-tendre les régularités (y compris la non-stationnarité), alors nous utilisons NS, sinon il est préférable d'essayer de décrire le modèle sur papier, puis sous forme matricielle/différentielle/autre et d'utiliser un bon algorithme de régression (ou de classification, de regroupement - selon le problème). Cependant, dans l'ensemble, les mêmes algorithmes peuvent être utilisés pour former un SN construit dans une optique théorique, ce qui n'a en principe aucune importance.
Mon opinion est que NS n'aime pas la non-stationnarité, du fait qu'il s'agit d'un algorithme d'apprentissage long. En d' autres termes, il n'existe pas de réseau qui réagisse rapidement aux changements inattendus de l'orculation.
Je me demande pourquoi les utiliser alors ? )))) Qui ici sait où les réseaux fonctionnent en temps réel ?
Les gens s'adressent généralement à NS d'une part parce qu'ils sont frustrés par l'analyse technique et, d'autre part, pour tenter d'obtenir, en fait, un indicateur que personne d'autre ne possède. Mais toutes ces personnes ne comprennent pas que le problème réside dans la non-stationnarité du marché (mo variable et dispersion), et non dans l'absence d'un indicateur miracle, et si TS ne prend pas en compte cette nuance, alors tout système, avec ou sans NS, a tendance à pourrir et à perdre nécessairement des dépôts. Par conséquent, le succès sur NS est possible tout comme le succès sur TA. Mais l'AT est préférable car les algorithmes d'AT sont beaucoup plus simples, leur structure interne est plus claire et fonctionne beaucoup plus rapidement, différentes variantes d'adaptation sont possibles. Mais gagner quand même sur TA ou NS - c'est un gain pour un joueur expérimenté dans le casino, pas plus.
PS. J'en ai parlé à plusieurs reprises sur ce forum, et cela a confirmé mes soupçons sur le NS.
Les gens s'adressent généralement à NS d'une part parce qu'ils sont frustrés par l'analyse technique et, d'autre part, pour tenter d'obtenir, en fait, un indicateur que personne d'autre ne possède. Mais toutes ces personnes ne comprennent pas que le problème réside dans la non-stationnarité du marché (mo variable et dispersion), et non dans l'absence d'un indicateur miracle, et si TS ne prend pas en compte cette nuance, alors tout système, avec ou sans NS, a tendance à pourrir et à perdre nécessairement des dépôts. Par conséquent, le succès sur NS est possible tout comme le succès sur TA. Mais l'AT est préférable car les algorithmes d'AT sont beaucoup plus simples, leur structure interne est plus claire et fonctionne beaucoup plus rapidement, différentes variantes d'adaptation sont possibles. Mais gagner quand même sur TA ou NS - c'est un gain pour un joueur expérimenté dans le casino, pas plus.
PS. J'ai écrit à ce sujet à de nombreuses reprises sur ce forum, et cela vient de confirmer mes soupçons sur les NS.
c'est tout, c'est la fin...........
La fin des TA et NS sur les marchés financiers ! Geez, geez....
P.s. faa, ne te ridiculise pas.