L'uso dell'intelligenza artificiale in MTS - pagina 20
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
Per continuare - scrivere a E-mail
Purtroppo non ho capito nulla nella risposta. Potresti scrivere qualcosa di specifico sul problema già qui sul forum? Altrimenti che senso ha scambiarsi email?
Domanda per i matematici:
L'idea di applicare una distribuzione normale multivariata dei parametri da ottimizzare è uguale al principio delle reti neurali?
Per favore, spiegatelo chiaramente.
Dopo aver scoperto ANN e la sua applicazione nel forex, ho voluto studiare questo argomento (ANN, conosco il forex da molto tempo), così l'ho fatto. Allora, ho alcune domande sull'uso della RNA per il Forex, le cui risposte non ho ancora trovato:
1) In uno dei materiali, che ho letto, è stato scritto che quando si impara la RNA è possibile "riaddestrare il sistema", la RNA "riaddestrata" dà i risultati giusti solo in situazioni (modelli) che è stata addestrata, in altri casi, i suoi risultati non sono veri, cioè.cioè la RNA diventa una banale tabella e perde la sua capacità di generalizzare. La mia domanda è: se tale situazione è possibile con ANN che lavora con FOREC e se la possibilità di formazione di tale situazione dipende da un modo di formazione (GA, stocastico, metodo di retropropagazione dell'errore) o dal tipo di rete (ho intenzione di usare un modello multistrato unidirezionale). Come evitare una tale situazione?
2) Supponiamo che io scelga un metodo banale per addestrare una rete sulla storia (a) e lavorare dopo l'addestramento (b): (a) prendo un momento della storia T, che è uguale al momento attuale T=0, e inserisco un sistema di addestramento con prezzi vicini X(T+1), X(T+2), X(T+3),... X(T+N) (dove N=const e X è il prezzo dello strumento in funzione di T), poi alimento la previsione fatta dal mio sistema X'(T) prima della formazione in quel momento e il valore reale di X(T).= X'(T) allora insegno il sistema a quella situazione, poi diminuisco T di uno e ripeto di nuovo tutto questo ciclo fino a T > 0 (più grande è T, più il momento "antico" T è, per "un passo" T può essere, per esempio, un giorno), quando il sistema è addestrato (b) aspetto semplicemente il "passo" (nel nostro caso aspettiamo un giorno), se la previsione precedente non era corretta, insegno al sistema, poi calcolo la previsione e apro un accordo con esso, ecc..
I consulenti che lavorano sulla base dell'ANN che ho visto su questa risorsa, sono guidati dalla probabilità di correttezza della previsione (correggetemi se sbaglio), e se questa probabilità è maggiore di una certa costante B data da un umano, allora l'affare è aperto. Come valutate la probabilità in generale, per esempio con il modo in cui funziona EA?
Io, personalmente, non so come un EA possa NON aprire operazioni ogni 24 ore, per esempio (a meno che il reddito previsto sia inferiore allo spread di un simbolo). Quali dati di input può utilizzare l'Expert Advisor per entrare nel mercato NON strettamente periodico?
3) Nell'EA di Ceasar, ho visto una costante di dimenticanza, non capisco perché una è necessaria, e come implementare la dimenticanza dipendente dal metodo di apprendimento? La capacità di "dimenticare" non è una proprietà naturale della RNA?
ZZY ho bisogno del parere di professionisti sull'argomento RNA, se troppo pigro per scrivere, plz, basta gettarmi un link alla risorsa (s) rispondendo a ciascuno degli elementi nel thread separatamente.
ZZZY Non ho letto il codice sorgente, ho solo studiato le istruzioni per il loro utilizzo.
Domanda per i matematici:
L'idea di applicare una distribuzione normale multivariata dei parametri da ottimizzare è uguale al principio delle reti neurali?
Per favore, spiegatelo chiaramente.
Per favore, spiegate la domanda.
Domanda per i matematici:
L'idea di applicare una distribuzione normale multivariata dei parametri da ottimizzare è uguale al principio delle reti neurali?
Per favore, lo spieghi chiaramente.
Spiegare la domanda.
Penso che la domanda significhi: "Vale la pena preoccuparsi delle reti neurali?".
Domanda per i matematici:
L'idea di applicare una distribuzione normale multivariata dei parametri da ottimizzare è uguale al principio delle reti neurali?
Per favore, lo spieghi chiaramente.
Spiegare la domanda.
La domanda probabilmente significa: "Vale la pena preoccuparsi delle reti neurali?".
Non dipende dal metodo di addestramento, può dipendere dal tipo di rete, ma è improbabile.
Come evitarlo - il campione di allenamento dovrebbe essere centinaia, migliaia di volte più grande del numero di parametri di peso nella rete,
allora la probabilità di sovrallenamento sarà minore.
Il punto è semplice, NS è solo una funzione dell'insieme degli input e dell'insieme dei parametri di ponderazione.
Selezionando un insieme di parametri, l'obiettivo è quello di ottenere una data risposta all'uscita della funzione - questo è l'apprendimento.
Ci sono molti parametri di ponderazione - centinaia e migliaia, da cui il sovrallenamento delle reti nella maggior parte dei casi.
Imparare NS significa in realtà ottimizzare una funzione con un numero enorme di parametri (centinaia e migliaia).
Non so cosa fare per evitare il sovrallenamento in questo caso,
L'unica soluzione è prendere un campione di allenamento di 1-100 milioni di campioni.
Ma non c'è nessuna garanzia...
Un'altra cosa è l'architettura di rete. Meglio classificare le maglie che interpolare le maglie.