Reti neurali artificiali. - pagina 6
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
Non c'è pazzia. C'è una profonda comprensione delle reti. Ci vorrebbe molto tempo per dirlo qui, e non ha senso farlo. Quindi mi limiterò ad esporre brevemente la mia opinione. Chi non è d'accordo, parli, dia esempi, anche tecnologie rinascimentali se vuole. Ridiamo insieme.
C'è una profonda comprensione delle reti. Ci vuole un sacco di tempo per metterlo qui, e non ha senso farlo.
Non c'è pazzia. C'è una profonda comprensione delle reti. Ci vorrebbe molto tempo per dirlo qui, e non ha senso farlo. Quindi mi limiterò ad esprimere brevemente la mia opinione. Chi non è d'accordo, parli, dia esempi, anche tecnologie rinascimentali se vuole. Ridiamo insieme.
Probabilmente è impossibile fare esempi ora, ma in futuro, con l'evoluzione del terminale, del linguaggio di programmazione, degli strumenti, sarà possibile fare una IA a tutti gli effetti, molti grandi uomini si sono sbagliati sul progresso, alcuni hanno cambiato idea nel tempo, molti hanno fallito per questo, quindi dovremmo aspettare
2 matematici, 2 fisici, 2 neurobiologi e 2 economisti
È un circolo vizioso!
Se sappiamo cosa dare in pasto agli ingressi del NS, allora il NS è inutile.
E se forniamo i nostri input con roba, non avremo bisogno di NS.
Conclusione: le reti neurali sono una stronzata? !!!! =)
Penso che le informazioni veramente importanti dovrebbero essere date in pasto al NS:
1)ultime quotazioni, ad esempio le ultime barre di 10 ore (in modo che NS possa rilevare livelli e paternità);
2) Ora corrente (così il NS sa quando aspettarsi picchi di volatilità, perché le notizie e le aperture del mercato avvengono in valori temporali tondi);
3)Indicatori macroeconomici (preferibilmente in tempo reale, come e da dove inserirli in MT5 - non so);
4) Notizie buone e cattive per regioni diverse (non so come implementarlo, è possibile inserire il coefficiente di notizie buone/notizie cattive, ma non so come alimentarle a MT5 e da dove alimentarle automaticamente, senza intervento umano);
Forse non è possibile fare esempi ora, ma in futuro, con l'evoluzione del terminale, del linguaggio di programmazione, degli strumenti, sarà possibile fare AI a tutti gli effetti, molti grandi uomini si sono sbagliati sul progresso, alcuni hanno cambiato idea nel tempo, molti hanno fallito per questo, quindi dobbiamo aspettare
(Non si metteranno insieme e faranno qualcosa di veramente funzionante)), inoltre, non c'è garanzia che queste reti neurali non esistano già, probabilmente stanno lavorando tranquillamente nel terminale di qualcunoI progressi nelle reti neurali artificiali sono iniziati nel 1943 e in 69 anni non hanno nemmeno imparato a distinguere i gatti dai cani. Ci sono aree in cui sono stati usati con successo, aree in cui i dati non hanno bisogno di una trasformazione non lineare significativa. Per esempio, prevedere il consumo di elettricità in base all'ora del giorno e alla temperatura dell'aria. Previsione della crescita del PIL basata su ordini di fabbrica, reddito personale, disoccupazione, ecc. Nel mercato, le reti devono prendere decisioni basate sui prezzi passati. Dare N prezzi passati stessi come input alla rete non va bene, quindi stabilire una relazione non lineare tra dati rumorosi è sciocco. Gli schemi esistono sul mercato, ma sono così distorti che anche con i metodi convenzionali di trasformazione non lineare del tempo e dei prezzi non possono essere identificati. Per esempio, su N prezzi passati i momenti più importanti possono essere solo uno o due segmenti, cioè i segmenti in cui questi prezzi raggiungono livelli di supporto e resistenza, linee di tendenza o cambiano la loro direzione. Il modo in cui i prezzi si muovono tra queste sezioni importanti non è nella maggior parte dei casi importante. Cioè, la dimensionalità N dei dati è significativamente ridotta a 2-3x da tale trasformazione non lineare. La rete stessa non imparerà mai a fare una tale trasformazione non lineare dei prezzi. Sta a noi farlo. Ma se sappiamo cosa fare con i prezzi, conosciamo già la strategia in anticipo (ripartizione dei livelli per esempio) e perché abbiamo bisogno della rete? Se sappiamo che un modello 1-2-3 in un trend porta alla continuazione del trend, perché abbiamo bisogno della rete? Forse in futuro i computer saranno così potenti che ci saranno nuovi tipi di reti, più simili a quelle biologiche (forse tra 20-30 anni).
Leggete anche qui, dove gli svantaggi delle reti sono ben descritti: https://en.wikipedia.org/wiki/Neural_network
Per esempio questo passaggio:
Per implementare reti neurali software grandi ed efficaci, è necessario impegnare molte risorse di elaborazione e di stoccaggio. Mentre il cervello ha un hardware fatto su misura per il compito di elaborare i segnali attraverso un grafico di neuroni, la simulazione anche della forma più semplificata sulla tecnologia Von Neumann può costringere un progettista di NN a riempire molti milioni di righe di database per le sue connessioni - che possono consumare grandi quantità di memoria del computer e spazio su disco rigido. Inoltre, il progettista di sistemi NN avrà spesso bisogno di simulare la trasmissione di segnali attraverso molte di queste connessioni e i loro neuroni associati - il che deve spesso essere abbinato a quantità incredibili di potenza di elaborazione della CPU e di tempo. Mentre le reti neurali spesso producono programmi efficaci, troppo spesso lo fanno a costo dell'efficienza (tendono a consumare quantità considerevoli di tempo e denaro).
Probabilmente è impossibile fare esempi ora, ma in futuro, con l'evoluzione del terminale, del linguaggio di programmazione e degli strumenti sarà possibile creare una IA a tutti gli effetti, molti grandi personaggi si sono sbagliati sul progresso, alcuni hanno cambiato idea nel tempo, molti hanno fallito per questo, quindi dobbiamo aspettare
E il terminale e MQL5 non hanno nulla a che fare con esso, perché nessuno vieta l'IA in generale e il MU in particolare, è stato a lungo vietato di implementarlo (completamente) utilizzando altri strumenti, tra cui l'aggiunta come libreria a MT.
Il problema non è creare una griglia e insegnarla (è chiaro come farlo, perché ci sono molte informazioni e anche implementazioni già pronte). Il problema con le mesh è ben diverso - è infatti espresso qui - l'intera efficacia di una mesh è "sepolta" nella scelta dei dati di input su cui la addestriamo. E selezionare i dati corretti (in un contesto di mercato), trasformarli correttamente (per esempio, convertirli in uno spazio multidimensionale, che forma, secondo una teoria, gli attrattori di un processo stocastico nascosto dietro le manifestazioni esteriori dei cambiamenti delle quotazioni) - questo è il know-how più prezioso, che è utile nella pratica. Tutto ciò che è stato suggerito nel ramo precedente è già stato provato, ovviamente, senza successo. Per esempio, gli indicatori macro non hanno bisogno della griglia, perché se sai come interpretarli correttamente, puoi fare trading di mani. Le notizie non sono un indicatore perché, in primo luogo, la reazione su di esse sarà ex post facto, e noi vogliamo in un certo senso prevedere i movimenti e prendere decisioni prima che le notizie colpiscano il mercato, e in secondo luogo, la reazione sulle notizie è imprevedibile - per esempio: un terremoto in Giappone - lo yen sembra essere cattivo, ma in realtà la domanda di esso è aumentata, e anche le notizie sono spesso negative, ma meno negative del previsto e vengono percepite come una ragione per far salire il mercato, e così via. In generale, tutto è stato provato. Quelli che hanno avuto successo in qualcosa (se ci sono) non si siedono qui. E non condividono la loro esperienza.
Continuando la discussione sulle reti nel mercato. Prendiamo come esempio la corteccia visiva del nostro cervello. Solo lo strato V1 di questa corteccia contiene 140 milioni di neuroni, mentre ci sono solo 6 strati. Tutti questi neuroni elaborano le informazioni in parallelo e sono collegati tra loro attraverso milioni di sinapsi adattative. I computer a disposizione dei commercianti possono avere fino a 1000 core di CPU. Cioè, per imitare la corteccia visiva, ogni nucleo deve calcolare centinaia di migliaia di neuroni in tempo reale. La formazione di una tale rete richiederebbe circa un anno. E tutto questo per vedere il mondo e riconoscere le immagini. Anche se fossimo in grado di addestrare con successo questa rete, non raggiungerebbe comunque la stessa accuratezza di riconoscimento degli oggetti che abbiamo noi, perché stiamo usando più che semplici informazioni visive. Per esempio, uno dei compiti più difficili per le reti artificiali è il riconoscimento delle ombre. Questo è un gioco da ragazzi per noi, dato che conosciamo bene le proprietà della luce. Ma la rete non conosce queste proprietà della luce, e a meno che non le insegniamo a farlo, non può rilevarle. La rete non conosce nemmeno la trasparenza degli oggetti e così via. Prendiamo il mercato dove c'è molto più rumore che nell'informazione visiva e gli oggetti (modelli di prezzo) sono molto più distorti. E vogliamo un paio di dozzine di neuroni che guardino i prezzi passati per stabilire i modelli di mercato. Ridicolo, vero?
Continuando la discussione sulle reti nel mercato. Prendiamo come esempio la corteccia visiva del nostro cervello. Solo lo strato V1 di questa corteccia contiene 140 milioni di neuroni, mentre ci sono solo 6 strati. Tutti questi neuroni elaborano le informazioni in parallelo e sono collegati tra loro attraverso milioni di sinapsi adattative. I computer a disposizione dei commercianti possono avere fino a 1000 core di CPU. Cioè, per imitare la corteccia visiva, ogni nucleo deve calcolare centinaia di migliaia di neuroni in tempo reale. La formazione di una tale rete richiederebbe circa un anno. E tutto questo per vedere il mondo e riconoscere le immagini. Anche se fossimo in grado di addestrare con successo questa rete, non raggiungerebbe comunque la stessa accuratezza di riconoscimento degli oggetti che abbiamo noi, perché stiamo usando più che semplici informazioni visive. Per esempio, uno dei compiti più difficili per le reti artificiali è il riconoscimento delle ombre. Questo è un gioco da ragazzi per noi, dato che conosciamo bene le proprietà della luce. Ma la rete non conosce queste proprietà della luce, e a meno che non le insegniamo a farlo, non può rilevarle. La rete non conosce nemmeno la trasparenza degli oggetti e così via. Prendiamo il mercato dove c'è molto più rumore che nell'informazione visiva e gli oggetti (modelli di prezzo) sono molto più distorti. E vogliamo un paio di dozzine di neuroni che guardino i prezzi passati per stabilire i modelli di mercato. Ridicolo, vero?
Vi darò un altro esempio.
Sono andato sul sito di RBC, ci sono 137 notizie oggi e solo 3 di esse hanno avuto un impatto reale sul tasso di cambio del rublo. Ed è molto probabile che ci siano effetti che non sono menzionati nelle notizie.
Cioè, non solo è necessario imparare a filtrare il flusso di input con molta attenzione, ma può essere che nel flusso di input non ci siano informazioni che descrivono le ragioni di queste o quelle variazioni di prezzo.
In generale, non bisogna confondere il caldo e il morbido. Le macchine sono state originariamente create per sostituire il lavoro umano monotono/studiato. Se prendiamo la sfera del trading, la grande maggioranza dei partecipanti non capisce cosa sta facendo, il che si riflette nei risultati. Non ci sono principi univoci che garantiscono risultati in futuro, se si prende il dollaro M3 e la dinamica di SP500, si può vedere che anche la strategia buy&hold sta perdendo soldi. Cosa dovrebbero fare allora le macchine - perdere anch'esse monotonamente...
Anche se l'arte per l'arte ha anche diritto alla vita.