Trovare un set di indicatori per alimentare gli ingressi della rete neurale. Discussione. Uno strumento di valutazione dei risultati. - pagina 7
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
a iliarr
Provate, per motivi di interesse, a usare il numero di trade, o il drawdown relativo come funzione di fitness. Potresti non fare trading per niente se usi il drawdown come funzione di fitness.
Può essere che la rete non scambi affatto se si usa il drawdown come funzione di fitness. :))
a iliarr
Provate, per motivi di interesse, a usare il numero di trade, o il drawdown relativo come funzione di fitness. Potresti non fare trading per niente se usi il drawdown come funzione di fitness.
Può essere che la rete non scambi affatto se si usa il drawdown come funzione di fitness. :))
Ci ho pensato, ma ho deciso di rimandare per un po'...
Se la funzione obiettivo è solo il numero di operazioni o solo il drawdown, sarà poco utile, perché la rete imparerà o a entrare/uscire dal mercato spesso e senza meta o imparerà a evitare i drawdown....
Devo ottimizzare sia il profitto che il numero di trade e il drawdown... Se ricordo che JGAP permette di avere funzioni target con diverse uscite... le mie priorità attuali sono: risolvere i dati di input e perfezionare il neuronet di ricorrenza.
come vedo, al momento nessuno è interessato a cercare e testare i dati di input con il metodo che ho suggerito...
Arrivare a un denominatore comune sui test? ;-). Ecco un suggerimento su questo. Se una rete viene addestrata senza un insegnante per fare un profitto ipoteticamente illimitato, bisogna tenere presente che i dati di input impongono ancora un limite dall'alto sulla dimensione del profitto. È possibile stimare la quantità che non può essere superata dal periodo di apprendimento selezionato (con un lotto costante, dalla strategia selezionata). Così, possiamo calcolare l'indice di apprendimento della griglia per questo periodo come un rapporto tra il massimo profitto teorico possibile e il profitto che la griglia dà. Poi si eseguono stime simili per il periodo di convalida e si confrontano i rapporti.
Come è stato sottolineato qui, senza un tale controllo, è inutile, imho.
Se una rete è addestrata senza un insegnante per fare profitti ipoteticamente illimitati
Questo si chiama sovrallenamento. abbiamo già sollevato questo problema.
Domanda per i dilettanti che cercano input per le reti neurali :)
Qualcuno si è dilettato con l'analisi delle componenti principali (aka "principial component analysis" o "pca")?
Domanda per i dilettanti che cercano input per le reti neurali :)
Nessuno si è dilettato con il metodo delle componenti principali (aka "principial component analysis" o "pca")?
Come lo applicherete?
Domanda per i dilettanti che cercano input per le reti neurali :)
Nessuno si è dilettato con il metodo delle componenti principali (aka "principial component analysis" o "pca")?
Ho sviluppato un sistema basato sull'algoritmo GHA. Funziona molto bene se c'è rumore. Si può fare tramite DFT o si può fare tramite l'analisi delle componenti principali. Per favore, evitate di usare la parola "dilettanti" senza il prefisso "caro" :)lea писал(а) >>
Qualcuno si è dilettato con l'analisi delle componenti principali (aka "principial component analysis" o "pca")?
L'ho fatto, ma in un campo di applicazione completamente diverso. A proposito, non sono mai riuscito a far funzionare la PCA non lineare. E quello lineare, secondo me, è debole.
Ho sviluppato un sistema basato sull'algoritmo GHA. Funziona bene se c'è rumore. Puoi farlo tramite DFT, o puoi farlo tramite l'analisi delle componenti principali.
In cosa è stato calcolato tutto questo? MathCad/MathLab?
Per favore, evitate di usare la parola "dilettanti" senza il prefisso "rispettato" :)
OK :)
Mi diletto, ma in un campo di applicazione molto diverso. A proposito, non sono riuscito a far funzionare la PCA non lineare. Quello lineare, imho, è un po' debole.
Per ora spero di accontentarmi di quello lineare.
Come lo userete?
Per il suo scopo - selezionare un insieme di variabili, che saranno correlate in modo più lasco di quelle originali.