Effetto bordo sulla strada per il GRAAL - pagina 4
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
Ritirarsi. L'ho capito.
Tutto quello che resta da fare è trovare come formare la DLL.
Alla matematica:
Un'idea interessante. Ma. :) Il punto è che a causa dell'imperfezione umana è intrinsecamente umano inventare qualcosa che funzioni in certe condizioni limite.
A partire da una ruota per la terra, un remo per il mare, fino a strategie di tendenza e flat-out. Costruiamo i nostri sistemi a partire da diversi sottosistemi:
La strategia di trading, il sistema di filtri che definisce le condizioni limite e il sottosistema di gestione del denaro, che è progettato per limitare i fallimenti dei primi due.
È solo il modo in cui siamo abituati a farlo. Ma avere una strategia di trading (metodo) basata sulle proprietà fondamentali (di base) dei prezzi
rende superflui altri sottosistemi "patch". E questo sistema unico deve essere semplice.
Purtroppo (o per fortuna) nessuno l'ha ancora trovato. E se l'hanno trovato, non lo sapremo :)
Torna al lavoro.
Se cercate un modello, è nel prezzo stesso.
Questo è corretto!
Il nostro errore principale è che cerchiamo di usare il calcolo differenziale (serie di Taylor, ecc.) per i BP come la serie dei prezzi. Naturalmente, questo è impossibile perché la serie dei prezzi non è liscia (la prima differenza è variabile di segno) e in questa situazione facciamo il prossimo passo "ingegnoso" - smussiamo la BP iniziale tramite mooing o wavelets e facciamo quello che vogliamo con le serie lisce, dimenticando che questa procedura non aggiunge alcuna informazione utile a ciò che abbiamo già. Stiamo camminando cercando, in senso figurato, di tirarci fuori dalla palude per i capelli. Non si può smussare una serie di prezzi e poi costruire una previsione su di essa (in qualsiasi modo) per ottenere informazioni che non erano nella BP originale.
Ecco perché l'unico modo per non perdere tempo e sforzi è lavorare con le serie di prezzi originali senza usare metodi di calcolo differenziale direttamente o indirettamente, ha senso, per esempio, usare l'apparato HC, metodi di regressione ecc.
Questo è corretto!
Il nostro errore principale è che cerchiamo di usare il calcolo differenziale (serie di Taylor, ecc.) per una BP di tipo prezzo. Naturalmente, questo è impossibile perché la serie dei prezzi non è liscia (la prima differenza è variabile di segno) e in questa situazione facciamo il prossimo passo "ingegnoso" - smussiamo la BP iniziale tramite mooing o wavelets e facciamo quello che vogliamo con le serie lisce, dimenticando che questa procedura non aggiunge alcuna informazione utile a ciò che abbiamo già. Stiamo camminando cercando, in senso figurato, di tirarci fuori dalla palude per i capelli. Non si può smussare una serie di prezzi e poi costruire una previsione su di essa (in qualsiasi modo) per ottenere informazioni che non erano nella BP originale.
Quindi, l'unico modo per non perdere tempo e fatica, è lavorare con la serie originale dei prezzi senza l'uso di metodi di calcolo differenziale direttamente o indirettamente, ha senso, per esempio, usare l'apparato di NS, metodi di regressione, ecc.
Nessuno parla di aggiungere informazioni ai metodi di trasformazione esistenti.
Sto dicendo, al contrario, che la trasformazione è un modo per rimuovere le informazioni ridondanti e concentrarsi sulla parte utile.
A proposito, non si può addestrare NS su puri dati di prezzo. Dovranno comunque essere normalizzati e smussati in qualche modo. E questa è già una trasformazione :)
Non ho familiarità con i metodi di regressione, quindi non ho intenzione di discutere con loro.
Io dico al contrario, la conversione è un modo per eliminare le informazioni superflue e concentrarsi sulla parte utile.
A proposito, non si può addestrare NS su puri dati di prezzo. Devi ancora normalizzarli e appianarli in qualche modo. E questa è già una trasformazione :)
Hai ragione a dirlo.
A proposito, si può addestrare NS su qualsiasi dato, l'unica questione è quanto tempo ci vuole... Imparare, questo è un processo che richiede molte risorse e il nostro compito è quello di preparare i dati di input in modo da facilitare il più possibile il compito per il NS, ma allo stesso tempo non di risolverlo per lei :-)
Per quanto riguarda lo smussamento preliminare dei dati per NS, è una sciocchezza, perché inevitabile a questa procedura FS priverà assolutamente NS delle sue qualità di previsione, più precisamente non gli darà nulla di nuovo. Ma già mi ripeto.
Кстати, НС можно обучить именно что на любых данных, вопрос только - за какое время...
Ma se i dati sono rumorosi, l'apprendimento dovrebbe avere meno successo, no? Inoltre, gli esempi cambiano nel tempo. E se si sceglie un lungo periodo di apprendimento, i dati saranno incoerenti. La rete deve essere costantemente riqualificata man mano che le regole cambiano e le masse reagiscono agli eventi.
La formazione, questo è un processo che richiede molte risorse e il nostro compito è quello di preparare i dati di input in modo da rendere il compito il più facile possibile per il NS, ma allo stesso tempo non di risolverlo per lui:-)
Sono d'accordo :)
Per quanto riguarda il pre-smoothing dei dati per NS, è una sciocchezza, perché inevitabile a questa procedura FS priverà assolutamente NS delle sue qualità di previsione, o meglio non gli darà nulla di nuovo. Ma mi sto già ripetendo.
Sei davvero riuscito ad addestrare la rete su dati non lisciati e a farla funzionare per un certo tempo al di fuori del campione di allenamento?
Ma se i dati sono rumorosi, l'apprendimento dovrebbe avere meno successo, no?
Vi prendete la responsabilità di giudicare dov'è il rumore e dov'è l'informazione utile? Non sarei così sicuro della mia conoscenza della verità, che NS risolva questo degno compito per lei.
Inoltre, gli esempi cambiano nel tempo. E se si sceglie un lungo periodo di formazione, i dati saranno inconsistenti. La rete ha bisogno di essere riqualificata in continuazione, man mano che le regole cambiano e la reazione delle masse agli eventi.
Sono d'accordo al 100%.
Sei stato davvero in grado di addestrare la rete sui dati non smussati e lasciarla lavorare per un po' di tempo oltre il campione di allenamento?
Io riaddestro la rete ad ogni passo della previsione (su ogni campione), o meglio non la addestro da zero, la riaddestro esattamente sui dati non smussati.
In questo momento sto studiando la dipendenza della quota di direzioni di movimento di prezzo correttamente riconosciute (asse delle ordinate) in funzione del numero di epoche di allenamento (asse delle ascisse). I dati sono dati per NS non lineare a doppio strato con 8 neuroni in uno strato nascosto e 3 ingressi. L'ombreggiatura rossa è per il campione di allenamento, l'ombreggiatura blu è per il campione di test, su dati non addestrati. Ogni punto è il risultato dell'elaborazione statistica di 100 esperimenti indipendenti.
Installato Matlab 7.01. Roba potente.
Trovato il wavelets.
Ma come faccio a caricare il mio segnale nel sistema?
C'è un convertitore per esempio da file di testo a matlab?
Perché non l'ultimo 77? Ha corretto dei bug, in particolare nella gestione delle dll. Ho dll da 7.1 si blocca periodicamente, ero stanco di trovare il motivo, ma non l'ho trovato. Con la 77 funziona bene, inoltre non c'è una cartella eccessiva con i file. Se avete comprato il disco, vi consiglio di sostituirlo con l'ultima R2008b.
È corretto assumere dalla figura che la rete indovina la direzione il 30% delle volte?
Avete provato a lavorare con una collezione di reti? Per esempio con 3 o 5 per affinare la decisione.
Oppure con una coppia di reti: una indovina solo verso l'alto, l'altra solo verso il basso.
A proposito, perché proprio 3 (o 5, sono confuso ;) ) neuroni di ingresso. Ho appena incontrato reti con 4, 7 o 15 ingressi :)
p.s.
Una volta ho fatto un esperimento: ho memorizzato tutta la storia che avevo e ho cercato le situazioni più simili a quella attuale
usando il metodo della distanza vettoriale (vettori normalizzati, ovviamente). Nel 60% dei casi, la storia si è ripetuta :)
Ma dipende ancora dalla gamma di previsioni e dalla lunghezza del vettore.
Perché non l'ultimo 77? Ha corretto dei bug, in particolare nella gestione delle dll. Ho dll da 7.1 si blocca periodicamente, ero stanco di trovare il motivo, ma non l'ho trovato. Con la 77 funziona bene, inoltre non c'è una cartella eccessiva con i file. Se lo comprate, vi consiglio di sostituirlo con l'ultima R2008b.
Questo è il primo che ho trovato. Lo sostituirò con 7.7 più tardi.
Analizzato le wavelets nel toolbox. Quella di Meyer è sicuramente più adatta di quella di Dobeshi.
Ma a volte è ancora sbagliato. Per esempio, mostra un chiaro massimo al momento della stagnazione prima del lancio verso l'alto :).
Anche se il lancio veloce è stato indicato dall'ultimo livello. Era al minimo.
Voglio fare un indicatore dal segnale sintetizzato e due dettagli e vedere le dipendenze.
Sto lavorando sulla formazione della DLL al momento.