"New Neural" è un progetto di motore di rete neurale Open Source per la piattaforma MetaTrader 5. - pagina 14
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
1) C'è un bug nello schema di uscita [-1;0;1], in teoria tutte e tre le opzioni di uscita dovrebbero essere ugualmente probabili, infatti è molto difficile mantenere l'ipertangente a zero o la sigmoide a 0,5 e cercherà comunque di saltare.
questo può essere perché ho dato solo come esempio.
2) In "Statistics for traders" Bulashev ha uno schema per la valutazione dell'efficienza delle posizioni (ordini), possiamo applicare questo schema e addestrare la rete nel fornire segnali di trading, mentre gli strascichi, il breakeven sono tutti elementi del TS non legati alla rete.
3) I filtri sono elementi di pre-elaborazione (preparazione di esempi), è una cosa necessaria, ma dobbiamo separare le mosche dalle cotolette. Se si spinge la pre-elaborazione nell'algoritmo di mesh, allora non si ottiene l'universalizzazione.
No, i filtri in questo caso fanno parte della logica di trading, non della pre-elaborazione dei dati.
Non sto suggerendo di spingere le griglie nell'algoritmo, ma di permettere l'insegnamento della griglia come parte della logica generale del TS. Qual è, secondo voi, l'uscita del NS? Solo la previsione finale di acquisto/vendita?
Cioè l'ATR RSI e i tergicristalli stabiliranno il contesto? Anche su più ingressi TC? È un'accoppiata stupida e senza possibilità.
Avete bisogno di qualcosa che renda davvero, o di un esempio in cui il NS è solo uno degli elementi del TS e poi con cosa insegnarlo?
P.S. A proposito, risultati abbastanza buoni su molte coppie mostrano sistemi basati su 2 carri con alcuni filtri non standard (NS non è necessario lì :))
1) potrebbe essere come ho dato solo un esempio.
2) no, i filtri in questo caso fanno parte della logica di trading, non della pre-elaborazione dei dati.
Non sto suggerendo di spingere le griglie nell'algoritmo, ma di permettere alla rete di essere addestrata come parte della logica generale del TS. Qual è, secondo voi, l'uscita del NS? Solo la previsione finale di acquisto/vendita?
1) Questo non è un macigno nella vostra direzione, stavo solo sottolineando l'importanza di questo punto.
2) L'output di NS può essere un segnale di qualsiasi interpretazione, nel contesto del trading può essere sia la classificazione delle condizioni di mercato (male buono, trending flat, ecc.) che segnali di trading specifici, tra l'altro nessuno vieta la classificazione di un segnale indicatore specifico. Per esempio: "mashka ssha" dà un cattivo segnale. Avendo addestrato la griglia per tale segnale, essa può essere ulteriormente utilizzata nel comitato. È stato suggerito sopra di creare un'interfaccia conveniente per combinare le reti in comitati. L'efficienza delle transazioni è solo un caso speciale di post-elaborazione.
Voglio insegnare a NS a commerciare il tuo TS aggiungendo qualche grado di libertà in più.
Avete bisogno di qualcosa che renda effettivamente dei soldi.
Beh, è solo che questo filtro è banale e realizzarlo non è affatto un problema. L'algoritmo è semplice. Eseguiamo il TS, raccogliamo gli input e i parametri necessari (МА, RSI, АТР) nei punti di ingresso o in alcune vicinanze.
Poi diamo tutti i parametri raccolti per entrare e uscire, o un risultato di accordo in pip o solo 1 se è più o -1 se è meno. E alimentiamo tutto questo in un banale Perspectron non lineare a 3 strati e lo addestriamo.
Voilà.
2) L'output del NS può essere un segnale di qualsiasi interpretazione, nel contesto del trading può essere una classificazione delle condizioni di mercato (cattivo buono, trending flat, ecc.) e segnali di trading specifici, a proposito nessuno vieta di classificare il segnale di un particolare indicatore. Per esempio: "mashka ssha" dà un cattivo segnale. Avendo addestrato la griglia per tale segnale, essa può essere ulteriormente utilizzata nel comitato. È stato suggerito sopra di creare un'interfaccia conveniente per combinare le reti in comitati. L'efficienza delle transazioni è solo un caso particolare di post-elaborazione.
il comitato è solo una parte della soluzione. Come possiamo implementare in modo conveniente ed efficiente la formazione di tali NS, che sono solo una parte della logica di un particolare sistema? Non possono essere addestrati separatamente perché non c'è un campione di allenamento.
Beh, è solo che questo filtro è banale e realizzarlo non è affatto un problema. L'algoritmo è semplice. Eseguiamo il TS, raccogliamo gli input e i parametri necessari (MA, RCI, ATR) nei punti di ingresso o in alcune vicinanze.
Poi diamo i parametri raccolti come input e diamo un output - o il risultato della transazione in pip, o semplicemente 1 se è buono, o -1 se è cattivo. E alimentiamo il tutto in un banale Perspectron non lineare a 3 strati e lo addestriamo.
Voilà.
Sì, possiamo farlo, ma solo attraverso una cosa)))
Per esempio, un TS con opzioni. Eseguire un esercizio simile per ogni serie di interi? Ok, si può in qualche modo torcere e automatizzare questo processo.
O viceversa, il filtro di ingresso è normale (logica booleana), e NS compra/vende.
Ma in linea di principio, tutto può essere elaborato e in qualche modo implementato. La questione è la convenienza, la chiarezza e la portabilità per altri da usare.
Lavorare con il NS significa solo scegliere la sua topologia? Anche il metodo di allenamento gioca un ruolo importante. La topologia e l'apprendimento sono strettamente legati.
Tutti gli utenti hanno il loro imho, quindi non puoi prendere metà della decisione su di te.
Abbiamo bisogno di creareun designer di rete che non sia limitato dalle preimpostazioni. E il più universale possibile.
Nello schema di costruzione della rete che ho proposto, il metodo di apprendimento è indipendente dalla topologia!
Poiché la griglia stessa sa da dove viene qualcosa e cosa va dove, allora la propagazione degli errori è automatica e il programmatore non deve preoccuparsene.
sergeev
2011.10.19 17:06:50Un array bidimensionale sarà sufficiente per una varietà di topologie e di comprensione visiva?
Ho risposto l'altro giorno, ma ci ho pensato con calma:
Per costruire una rete, una tale tabella di connessione sarà sufficiente
Questo è un esempio di un MLP a tre strati zero ingressi, primo strato due neuroni, secondo strato un neurone.
Le prime tre colonne sono create dall'enumerazione consecutiva di tutti i neuroni e di tutti gli ingressi dei neuroni, il secondo passaggio imposta la corrispondenza (con un'eccezione, se "communication layer" è più o uguale a "layer" allora l'uscita è più di 0, quelli indietro possono solo prendere il segnale dall'operatore di ritardo).
Usando una tale tabella di connessione possiamo impostare la topologia anche con la casualità, che è ancora un indicatore di versatilità.
In realtà, stavo pensando di memorizzare il numero di strato nel neurone stesso, e la numerazione dovrebbe essere sequenziale per un array unidimensionale, ma per ora è meglio discutere la formula generale e i dettagli più tardi.
Nel mio schema di rete proposto, il metodo di apprendimento non dipende dalla topologia!
Poiché la griglia stessa sa da dove viene e dove va qualcosa, la propagazione degli errori è automatica e il programmatore non deve preoccuparsene.
Non ci credo :)