L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 628
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
No, stavo dicendo che non si possono mescolare i dati di mercato con le prestazioni della rete.
In altre parole, la tua rete sta elaborando le quotazioni e tu la stai alimentando con dati sul fatto che un trade precedente abbia avuto successo o meno, non sono gli stessi dati, non puoi confonderli.
E in generale, se la rete ha funzionato bene o no, questa è un'unità separata (la chiamavo funzione di fitness in GA, in NS si chiama funzione di errore, ma l'idea è la stessa).
Supponiamo che addestriate una rete tramite backprop, si scopre che avete un errore che diventa parte dei dati, butterscotch. Spero che tu capisca cosa voglio dire.
Sì, ho capito... All'inizio voglio insegnarlo semplicemente nell'ottimizzatore di MT5 - mi darà l'opportunità di ottenere i risultati del trade e l'equity e restituirli alla griglia immediatamente, senza nessun gioco complicato.
E che dire dell'architettura - potrebbe essere ridisegnata, ma non ho altre opzioni perché non l'ho ancora provata. Che mostrerà almeno alcuni risultati - questo è sicuro, ma che tipo di risultati è una domanda :)
So tutto su di esso, la convalida incrociata è anche un'applicazione ma più sofisticata
La ricorrenza si ripete anche su se stessa e a volte non può imparare
e non capisco - dici che non puoi alimentare le uscite della rete agli ingressi e poi mi dici di usare la ricorrenza... :) ed è tutto ciò che fa, mangia le sue uscite
La ricorrenza è, nel caso più semplice, una semplice MLP che mangia se stessa.
Sulla convalida incrociata sono d'accordo, ma ci sono metodi più sofisticati. Così la convalida incrociata dà risultati accettabili nonostante la semplicità del metodo.
Anche se se lo prendiamo nel suo insieme, NS è un montaggio. È un approssimatore universale, e mentre siamo in quella fase dello sviluppo di NS in cui non è stabilito in modo affidabile come trovare il punto in cui si può dire che NS ha imparato la dipendenza, piuttosto che adattarsi ai dati.
Questo è il problema di rappresentare una funzione complessa di una variabile con un insieme di funzioni semplici di molte variabili.
E se si risolve questo problema si costruisce davvero l'IA.
Sono d'accordo sulla convalida incrociata, ma ci sono metodi più sofisticati.
Anche se, in generale, NS è una misura. approssimatore universale, e mentre siamo in quella fase di sviluppo della scienza NS in cui non è stabilito in modo affidabile come trovare il punto del campo che può dire che il NS ha imparato la dipendenza, e non si adatta ai dati.
Questo è il problema di rappresentare una funzione complessa di una variabile con un insieme di funzioni semplici di molte variabili.
E se si risolve questo problema si sta effettivamente costruendo un'IA.
È tutto troppo complicato da immaginare allo stesso tempo, inoltre immaginare tutte le connessioni in NS e come interagiranno tra loro.
Non abbiamo bisogno di un'IA, ma almeno un qualche tipo di reazione ai cambiamenti del mercato sarebbe bello, con un po' di "memoria".
Tutto questo è troppo complesso da immaginare allo stesso tempo, figuriamoci immaginare tutte le connessioni nel NS e come le cose interagiranno tra loro.
Non abbiamo bisogno di AI, ma almeno un qualche tipo di feedback sui cambiamenti del mercato sarebbe bello, con un po' di "memoria".
Se non ti piacciono i gattini, forse semplicemente non sai come cucinarli ))
L'NS approssimerà e anche riassumerà qualsiasi dato, l'importante è che i dati contengano quello che state cercando.
Significa che oltre alla scelta del tipo di NS è altrettanto importante preparare correttamente i dati per esso.
Come vedete, il compito è interdipendente, quali dati dovete alimentare dipende dal tipo di NS, e quale NS scegliere dipende dai dati che gli avete preparato.
Ma questo problema anche se è risolvibile in modo chiuso, per esempio GA usa lo stesso, inizialmente l'algoritmo non sa nulla dei dati, con la ramificazione graduale del problema arriva alla soluzione robusta.
Quindi è lo stesso qui, sistematizzate la vostra ricerca, tenete un registro e avrete successo.
Sì, ho capito... all'inizio voglio addestrarlo semplicemente nell'ottimizzatore MT5 - questo mi darà l'opportunità di ottenere immediatamente i risultati dei trade e dell'equity, e restituirli alla griglia, senza tamburelli
E che dire dell'architettura - potrebbe essere ridisegnata, ma non ho altre opzioni perché non l'ho ancora provata. Che mostrerà almeno alcuni risultati - questo è sicuro, ma che tipo di risultati è una domanda :)
Maxim, beh, non è necessario addestrare la rete in MT optimizer. L'addestratore NS e l'ottimizzatore sono algoritmi abbastanza diversi con criteri di ottimizzazione abbastanza diversi.
Se state ancora usando quella struttura NS, che è stata disegnata prima, è troppo semplice - troppo debole per il mercato. Ho già scritto che ho avuto successo solo quando sono arrivato alla struttura 15-20-15-10-5-1. E questo è solo per un tipo di commercio. Ho anche fatto assolutamente tutto con i metodi descritti da Haikin, cioè niente di nuovo, nessun trucco.
Le strutture più semplici erano poco formate.
Maxim, beh, non addestrare la rete nell'ottimizzatore MT. Il trainer NS e l'ottimizzatore sono algoritmi completamente diversi con criteri di ottimizzazione completamente diversi.
Se usate ancora quella struttura NS, che avete disegnato prima, è un po' semplice - debole per il mercato. Ho già scritto che ho avuto successo solo quando sono arrivato alla struttura 15-20-15-10-5-1. E questo è solo per un tipo di commercio. Ho anche fatto assolutamente tutto con i metodi descritti da Haikin, cioè niente di nuovo, nessun trucco.
Le strutture più semplici erano poco formate.
Ma nulla mi impedisce di aggiungerne un altro a questo. Il punto non è la profondità della griglia, ma farla con i feedback. Questa è la mia fantasia ora, come un artista e così vedo :) i classici non sono interessanti
attaccare tutto a una griglia con i backprops è una rottura di palle... è meglio tenerlo semplice :)
perché è una griglia imparata per gradi... si fa un passo - si ottiene un feedback, e così via, fino a quando l'intero insieme di azioni e risultati è riassunto
si può semplicemente prendere una storia più piccola e tutto andrà bene, e si può scalare in seguito
e non c'è niente che ti impedisca di aggiungerne un altro a questo. Il punto non è nella profondità della griglia, ma nel realizzarla con i feedback. È la mia fantasia ora, come un artista e così vedo :) i classici non sono interessanti
attaccare tutto a una griglia con i backprops è una rottura di palle... è meglio tenerlo semplice :)
perché è una griglia che viene addestrata a passi... si fa un passo, si riceve un feedback, e così via, fino a quando l'intero insieme di azioni e risultati viene riassunto
Quindi, ho scritto che dopo ogni N epoche ho fermato il BP, ho eseguito i test e ho continuato ad allenare ulteriormente il BP. Mi rendo conto che ventiquattro ore di allenamento sono un tempo lungo, ma questa conversazione andava avanti un paio di mesi fa.
Ma dipende dall'artista, ovviamente). Non sparate al pianista, suona come sa fare.
ZS In effetti, non hai bisogno di molti dati per imparare, ma di molti. Con una piccola dimensione del campione il NS non otterrà nulla di utile.
Così, ho scritto che ogni N epoche ho fermato il BP, ho eseguito i test e ho continuato ad allenare ulteriormente il BP. Mi rendo conto che ventiquattro ore di allenamento sono un tempo lungo, ma questa conversazione andava avanti un paio di mesi fa.
Ma dipende dall'artista, ovviamente). Non sparate al pianista, suona come sa fare.
ci sono più parole, c'è un rifacimento tra 2 ore )) lo farò stasera mb
Tutto ciò che serve per ottenere risultati un po' più stabili e chiari sul dritto, ma tutto funziona.
più parole qui, ci vogliono 2 ore per rifarlo )) lo farò stasera.
Tutto ciò che deve essere raggiunto è un po' più stabile e risultati comprensibili in avanti, e così tutto funziona
Ho finito il pre-post, ma dato che la pagina è cambiata, duplicare.
Sto solo cercando di capire di quanti dati ho bisogno per l'allenamento. Con una piccola dimensione del campione NS non otterrà nulla di utile.
Mi scuso certamente per l'attacco, ma rileggi il tuo post. Sembra abbastanza ambiguo.
In generale hai ragione, ma solo per quanto riguarda il primo strato di neuroni. Se il feedback va al secondo strato e ai successivi o anche agli strati di rete paralleli, la tua affermazione non sarà più valida.
In questo caso Maxim dovrebbe pensare ad approfondire la rete e portare il feedback agli strati nascosti.
E per quanto riguarda: