Come formare correttamente i valori di input per il NS. - pagina 21
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
Ecco un tacchino.
È troppo sognante per essere come la vita reale )))) E non viviamo in una favola .....
Ed ecco il tacchino.
Che senso ha aggiungere altro a questo tacchino? È carino da solo. :)
Che senso ha aggiungere altro a questo tacchino? È carino da solo. :)
Ridisegna. Lo prendiamo per dare i segnali che la rete sceglierà.
Poi prendiamo questi segnali e dimentichiamo questo indicatore. Poi dovremo decidere come descrivere gli input dati da NS. Scegliete un intervallo per l'inserimento (numero di barre e punti che sono accanto al segnale, ma li prenderemo anche come formazione).
Lo stesso può essere fatto con l'indicatore di Klot (che ha GA).
>>La formula di cosa?
La formula della funzione obiettivo, se stessimo parlando di una procedura di ottimizzazione. Ma dalle informazioni di LeoV risulta che questa funzione (Optimal Buy/Hold/Sell ) non fa alcuna ottimizzazione, cioè non ha niente a che fare con NS. È una funzione abbastanza ordinaria che guarda davvero al futuro. E non si preoccupa assolutamente se farlo per Close o per un indicatore di lisciatura. Se lo si confronta con 2ZZ, tendo ancora a pensare che darà troppi input. O troppo pochi, a seconda di come si interpreta sulle barre prima di ... . In tempo reale, questi ingressi corrisponderanno alle entrate all'apertura di ogni nuova barra, un punto che ho già criticato prima :).
Mi inserisco qui, anche se sono un dilettante in reti neurali. Mi sembra che la funzione obiettivo (TF) debba necessariamente riflettere la distribuzione di probabilità del valore elaborato dalla rete neurale. La somma dei quadrati degli errori è la forma più conosciuta e più standard di TF, ma questa funzione è solo il massimo possibile per un valore gaussiano.
C'è una relazione tra la distribuzione di probabilità e l'errore minimizzato al massimo secondo la funzione di massima verosimiglianza. Per una distribuzione gaussiana è il quadrato della differenza dei valori, per una distribuzione esponenziale è il modulo della differenza, ecc.
Prendiamo l'indicatore più implacabile del NS, insegniamo al NS a dare i segnali giusti. Naturalmente, dobbiamo ottenere il risultato
in modo che i nostri input siano perfetti, o quasi... Questi valori dovrebbero essere presi come insegnante per i NS. Il vantaggio qui è che alimentiamo i vettori BUY/SELL che la rete stessa ha scelto come ottimali. Ma un insieme di vettori Hold deve essere tagliato manualmente. Solo per assicurarsi che il campione non sia composto dal 90% di vettori Hold e solo il 5% su Buy/Sell...
Perché prendere degli indicatori? C'è uno strumento interessante in metastock - Maximum Profit System (MPS), progettato per confrontare la redditività dei sistemi. L'MPS dovrebbe calcolare tutti i probabili trade con un risultato positivo. È molto conveniente costruire array di allenamento per MLP sulla sua base.
È ridisegnato. Lo prendiamo per dare alla rete i segnali che sceglie.
Poi prendiamo questi segnali e dimentichiamo questo indicatore. Poi dovremo decidere come descrivere gli input dati dal NS. Scegliete un intervallo per l'inserimento (numero di barre e punti che sono accanto al segnale, ma li prenderemo anche come formazione).
Lo stesso può essere fatto con l'indicatore di Klot (che ha GA).
Sfortunatamente, dovresti capire che è un compito irreale selezionare gli ingressi per l'uscita (nemmeno per l'uscita, ma per i segnali di acquisto/vendita). Fantastico.
Non sapete cosa succederà a questi segnali in futuro? In futuro funzioneranno correttamente come nell'allenamento e potrete selezionare correttamente gli input che in futuro forniranno le informazioni corrette per aprire quelle voci corrette (come nell'allenamento)? D'altra parte, questi ingressi saranno aperti correttamente in futuro, in modo che le uscite possano essere selezionate per loro? Più domande che risposte.....
P.S. Non ti confonderai - nessuno lo farà )))))
Sfortunatamente, dovete rendervi conto che è un compito irrealistico far corrispondere l'output (non anche l'output, ma i segnali di acquisto/vendita) agli input. Fantastico.
Non sapete cosa succederà a questi segnali in futuro? Funzioneranno correttamente in futuro come nell'allenamento e potrete selezionare correttamente gli input che in futuro daranno le informazioni corrette per l'apertura delle voci corrette (come nell'allenamento)? D'altra parte, questi ingressi saranno aperti correttamente in futuro, in modo che le uscite possano essere selezionate per loro? Più domande che risposte.....
P.S. Non ti confonderai - nessuno lo farà )))))
Ci sono sempre molte domande nel nostro mestiere, e le risposte sono relative o molto poche. Quindi non è sorprendente.
La selezione degli input è fatta dall'analisi statistica di diversi campioni. Il campione dovrebbe essere suddiviso come segue, per essere più precisi, dovremmo trovare tali campioni:
Che contengono Sell/Hold o Buy/Hold. Naturalmente, tutte e tre le classi possono essere usate, ma qualsiasi classe Buy/Sell dovrebbe essere ridotta al minimo.
Così dovremmo ottenere 3 serie di vettori dove il Buy. Compra e Vendi (se qualcuno trova insiemi di vettori in cui tutte e 3 le classi non si intersecano secondo i segnali dati, non avremo bisogno del NS). Esattamente questi insiemi sono poi dati in pasto agli ingressi per l'addestramento. Di nuovo, i valori dei vettori dovrebbero essere relativi (il MACD va bene, anche se il suo massimo può cambiare). Poi la pre-elaborazione dei dati di input, ecc.
Naturalmente se il nostro NS darà dei segnali, non significa che ci sarà un Sell dopo un Buy, ma ci sono molti sistemi che possono aiutare nella sicurezza ...
2 strappi Grazie! Se ho capito bene questo è ciò di cui abbiamo bisogno, anche se non l'ho ancora guardato.
La selezione degli input è fatta dall'analisi statistica di diversi campioni. Il campione dovrebbe essere suddiviso nel modo seguente, per essere più precisi, dovremmo trovare tali campioni:
Che contengono o Sell/Hold, o Buy/Hold, naturalmente tutti e tre, ma qualsiasi classe Buy/Sell dovrebbe contenerne il minimo.
Così dovremmo ottenere 3 serie di vettori dove il Buy. Compra e Vendi (se qualcuno trova insiemi di vettori in cui tutte e 3 le classi non si intersecano secondo i segnali dati, non avremo bisogno del NS). Esattamente questi insiemi sono poi alimentati agli ingressi per l'addestramento. Di nuovo, i valori dei vettori dovrebbero essere relativi (il MACD va bene, anche se il suo massimo può cambiare). Poi la pre-elaborazione dei dati di input, ecc.
Naturalmente, se il NS darà segnali, non significa che ci sarà un Sell dopo Buy, ma ci sono molti sistemi che possono aiutare a coprire.
Non ammette l'idea che questa possa essere una teoria difettosa?
Non permette l'idea che questa possa essere una teoria difettosa?
Non è una teoria, è solo uno dei modi che penso possa portare a buoni risultati (redditizi).
Certo che sì. Puoi dimostrare che è sbagliato, dimostralo, ti sarò molto grato per il tempo che risparmierai!