rete neurale e ingressi - pagina 8
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
Come per il riconoscimento delle lettere dell'alfabeto (per analogia), dovremmo supporre che il mercato sia un sistema chiuso. Questo lo renderà stazionario (nella vostra lingua), cioè dovremmo inserire tutto quello che sappiamo del mercato. )))))
E qui appare l'eterna domanda del costruttore di TS: la funzione non lineare che la rete ha costruito con gli input e gli output dati è un adattamento o una regolarità realmente trovata?
E nel caso di NS la questione è molto seria, perché, per esempio, 2 strati di 10 neuroni sono un centinaio di pesi (cento parametri della futura EA) che dovrebbero essere ottimizzati. Provate a prendere un Expert Advisor con cento parametri ed eseguire l'ottimizzazione su tutti loro per un anno: molto probabilmente questo dovrebbe essere considerato un adattamento.
Più specificamente, non conosciamo la natura della non stazionarietà dei mercati finanziari e, purtroppo, non lo sappiamo.
L'unico vantaggio di NS è che è molto non lineare e molto flessibile. Con una piccola quantità di neuroni il NS può memorizzare (imparare) 10-15 anni di un grafico minuto di qualsiasi strumento facilmente.
Sembrerebbe - cos'altro è necessario?
E qui solo l'abilità del trader diventa rilevante - inserire le informazioni di quei simboli che hanno regolarità ed evitare il retraining della rete. Se queste due condizioni sono soddisfatte, la rete funzionerà perfettamente.
Ma queste due condizioni sono tra le più difficili. Tutto ciò di cui avete bisogno è la "sensazione di pancia" del trader )))).
Più specificamente, la natura della non stazionarietà dei mercati finanziari è qualcosa che non sappiamo e, purtroppo, non possiamo sapere.
Possiamo certamente speculare, ma è come prevedere - non serve a niente. "Come un dito nel cielo" ))))
Non è affatto inutile: se l'input (quoziente) è adeguatamente descritto, dà un vantaggio statistico abbastanza tangibile. Per metterlo in termini formali, il problema è trovare una trasformazione che abbia un kotir all'ingresso e un GPB stazionario all'uscita come residuo. Se la trasformazione viene trovata, significa che il modello tiene conto di tutte le peculiarità del comportamento del kotyr. Bene, allora è una questione di tecnica - analizzare i parametri attuali del modello e determinare se attualmente ci permettono di trarre vantaggio dalla situazione. Il compito è creativo, ma tale è il caso, il "calibro scientifico" era, è e sarà sempre il principale metodo di sintesi scientifica)))
Non è affatto inutile: se l'input (quoziente) è adeguatamente descritto, dà un vantaggio statistico abbastanza tangibile. In termini formali, il problema è trovare una trasformazione che abbia un kotir all'ingresso e un GER stazionario all'uscita come residuo. Se la trasformazione viene trovata, significa che il modello tiene conto di tutte le peculiarità del comportamento del kotir. Bene, allora è una questione di tecnologia - analizzare i parametri attuali del modello e determinare se attualmente ci danno la possibilità di trarre vantaggio dalla situazione. Il compito è creativo, ma tale è il caso, il "calibro scientifico" era, è e sarà sempre il principale metodo di sintesi scientifica)))
Non sono d'accordo con queste complicazioni, ma non importa.
Infatti, secondo me (e non solo secondo me), tutto è molto più semplice - se ci sono dei modelli nei quozienti alimentati agli ingressi e alle uscite NS, allora la rete li troverà con successo e voi sarete felici. E praticamente qualsiasi NS. Se non ci sono regolarità - è inutile trasformare, sintetizzare, costruire una specie di NS a tutto tondo e fare altri giochetti scientifici e matematici - non si trovano regolarità dove non ce ne sono )))).
È come cercare un gatto nero in una stanza nera, soprattutto se non c'è ))))
Non sono d'accordo con tali complicazioni, ma non importa.
Infatti, secondo me, è molto più semplice - se ci sono schemi nei quozienti alimentati agli ingressi e alle uscite NS, la rete li troverà e voi sarete felici. E praticamente qualsiasi NS. Se non ci sono regolarità - è inutile trasformare, sintetizzare, costruire una specie di NS a tutto tondo e fare tutti gli altri giochetti scientifici e matematici )))).
Non è vero! La regolarità può non essere ovunque, ma apparire solo in certi momenti, a breve termine, che il NS non definirà a causa della sua inerzia. Personalmente tengo esattamente questo punto di vista riguardo al kotier - ci sono brevi punti locali di inefficienza, e per lavorare con loro è necessario individuarli all'inizio. Perché la rete sia in grado di fare questo, non deve essere una rete qualsiasi, ma una con feedback tra gli strati, e non presa a caso, ma secondo qualche modello, cioè di nuovo, qualche conoscenza a priori deve essere messa nella NS.
No, non è così! Il modello può non essere ovunque, ma può apparire solo in certi momenti, quelli a breve termine che il NS non può rilevare a causa della sua inerzia. Personalmente, questo è esattamente il mio punto di vista riguardo a kotier - ci sono brevi aree locali di inefficienza, e al fine di lavorare con loro è necessario rilevarle all'inizio. Perché la rete sia in grado di fare questo, non deve essere una rete qualsiasi, ma una con feedback tra gli strati, e non presa a caso, ma secondo qualche modello, cioè di nuovo, qualche conoscenza a priori deve essere messa nella NS.
A proposito, nella suddetta teoria del controllo ottimale è dimostrato che il problema della ricerca di una legge di controllo ottimale sotto certe condizioni (np abbastanza semplice nella struttura "Witsenhausen counterexample" per il controllore quadratico) è NP-completo (cioè computazionalmente molto complicato), quindi non c'è da stupirsi che cerchino di risolverlo con solo questo particolare NS...
No, non lo è! La regolarità può non essere ovunque, ma apparire solo in certi momenti, a breve termine, che il NS non può determinare a causa della sua inerzia. Personalmente tengo esattamente questo punto di vista riguardo al kotier - ci sono brevi aree locali di inefficienza, e per lavorare con esse è necessario individuarle all'inizio. Perché la rete sia in grado di fare questo, non deve essere una rete qualsiasi, ma una con feedback tra gli strati, e non presa a caso, ma secondo qualche modello, cioè di nuovo, qualche conoscenza a priori deve essere messa nella NS.
Forse, ma perché fare queste indagini quando è possibile guadagnare soldi con metodi molto più semplici.
Il tuo metodo ha un senso profondo, ma sorgono molte domande che hanno poche risposte - come fai a rilevare queste aree inefficaci? Quali sono le inefficienze? Come identificate la natura di questi feedback in relazione a questi modelli? Come si può determinare la correlazione tra questi modelli e i feedback? Quale conoscenza a priori e come metterla in relazione con i modelli insieme ai feedback? In breve - cancro al cervello ))))
A proposito, nella teoria del controllo ottimale che ho menzionato, è dimostrato che il problema di trovare una legge di controllo ottimale sotto certe condizioni (nn un "controesempio di Witsenhausen" piuttosto semplice nella struttura per un controllore quadratico) è NP-completo (cioè terribilmente complicato dal punto di vista computazionale), quindi non c'è da stupirsi che cerchino di risolverlo proprio con un tale NS...
OK, mi arrendo )))) Sono fuori ))))