Cosa inserire nell'ingresso della rete neurale? Le vostre idee... - pagina 48
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
Un backtest normale di solito coincide con la realtà. Altrimenti, fanculo a questi backtest).
Ho la seguente classificazione (in ordine decrescente di importanza):
1. incremento della serie originale
2. serie originale
3. normalizzazione della serie iniziale in una finestra sc.
4. indicatori (compresi i rendimenti)
Il valore dell'errore non significa nulla per te? È un peccato. È già sufficiente per una valutazione.
Ho questa categorizzazione (in ordine decrescente di importanza):
1. incremento della serie originale
2. serie originale
3. normalizzazione della serie iniziale nella finestra sc.
4. indicatori (compresi i rendimenti)
Ok, ci sarà un backtest per voi, non necessariamente di questo particolare NS, forse di un altro.
x - numero di operazioni, Y - profitto accumulato in punti dello strumento.
Non ne ho idea. Non ricordo nemmeno quale sia lo strumento :)
)))
Non c'è niente di cui parlare).
Inizialmente, la cosa più auspicabile è alimentare la serie originale. Ma questo non sempre funziona, perché i prezzi escono dall'intervallo di addestramento con i nuovi dati.
Sarebbe utile discutere le tecniche di incremento/differenziazione con la minima perdita di informazioni per il secondo caso.
Manca qualcosa, una sorta di conoscenza intermedia. Qui sto prendendo in considerazione queste normalizzazioni.
Aggiungo coefficienti per dare alla funzione di attivazione una forma fantasiosa (creare nuove regole), anche se i pesi lo fanno, ma comunque - le regole di out (quale numero uscirà) assumono le forme più fantasiose, ma una cosa diventa invariabile - ricordare la storia. È logicamente buono, ma per i nuovi dati è pessimo. Sono diversi, perché abbiamo bisogno della memoria!
È una sciocchezza come andare all'università: "Dimentica tutto quello che ti hanno insegnato a scuola". Quello che voglio dire è questo: con le normalizzazioni o senza (dati nudi) - ovunque NS si imbatte nel fatto che tutti i modelli hanno una probabilità del 50/50 di funzionare. L'unica cosa è che nei dati nudi il NS è più stabile sull'avanti.... SOLO IN FLAT! E chi lo promette domani o dopodomani? Anche no, perché in questo caso il NS media i pesi tanto da adattarsi al piatto più lungo della storia dell'allenamento.
E, se i nuovi dati vanno oltre questa piatta, il NS apre l'operazione opposta e rimane seduto fino alla morte. Nessun filtro sul tipo di flag buy/-a_now_sell/-a_now_buy - non funziona. Il NS si spegne semplicemente dopo aver ricevuto lo SL impostato. E questo è metà del problema: il galleggiamento non garantisce la piena stabilità, anche NS può flottare.
L'insieme di queste conseguenze rende difficile definire tutto questo un metodo funzionante per ottenere profitti. L'idea stessa di NS è.... beh, non crea nuove informazioni. Le... rietichetta. Ci sono numeri 0,2, 0,3, 0,4: li etichetta come 0,3456. Un'altra serie di numeri in ingresso viene etichettata come 0,5367. E così via.
E così via. Ma questo insieme, ogni insieme di numeri, sono modelli. Il NS prende essenzialmente il modello "a" e lo chiama modello "b".
E, tornando all'inizio del post, ciò che manca è la conoscenza dell'apprendimento. Che cos'è l'apprendimento. Che cos'è in generale? Se si apre la definizione, c'è uno starnuto di astrazione.
Cioè, qualcosa legato a un compito applicato, ChatGPT sta anche imparando a memoria i libri di testo e non capisce cosa voglio da esso. Prendete due numeri, moltiplicateli ciascuno per altri due numeri - questo è apprendimento? No. È ritoccare, adattare, ottimizzare.
Il risultato è la "marcatura" dell'insieme di input. L'addestramento avviene quando il pattern A ci dà un segnale BUY ora e un segnale SELL domani. In che modo esattamente? Qual è il trucco? L'apprendimento si basa su questo. Contesto di apprendimento.
Adattamento. Ma ci sono stati adattamenti. E non hanno funzionato. Possiamo supporre che mancasse qualcosa.
E cambiare il periodo della media mobile è uno strano adattamento, anche se ha senso. Come si fa a tradurre l'apprendimento in numeri?
Senza alcuna pre-elaborazione dei dati. Come fa il sistema a sapere cosa preelaborare? L'idea stessa di preelaborazione dei dati, di "pulizia dal rumore", assomiglia già alla creazione di pattern funzionanti! - Questo è quanto. Prendeteli, scambiateli.
Il rumore del mercato è chiamato rumore del mercato perché è un rumore del mercato. Da dove viene? Da un testo di fisica? Dalla matematica? Perché i grafici intelligenti delle ampiezze e delle discontinuità hanno mostrato qualcosa?
Siete tutti bravi, i vostri articoli sono professionali e accademici, ma vengono applicati al Forex in modo approssimativo, se non del tutto approssimativo. Chiamiamo liberamente trend un trend, flat - flat, noise - noise, training - training, ma nulla deriva dal nulla.
Comunichiamo in lingue diverse, come se avessimo bisogno di un lavoro radicalmente diverso, di un approccio radicalmente diverso (lavorare con i numeri). Bene e di conseguenza - l'interpretazione più rigorosa, senza alcun "sistema pensa", "scatola nera", "NS ha deciso", "la formazione non è corretta", "nessuna informazione, qualcosa non è caduto lì, quindi non guadagna".
Manca qualcosa, una sorta di conoscenza intermedia.
La parola "stazionarietà" è già stata sentita qui, ma non nel contesto che vorrei.
Sto pensando in modo semplice, dopo aver sperimentato anche tutto questo ingrato armeggiare:
Esistono stati di mercato, che possono essere ottenuti, ad esempio, attraverso il clustering.
Se combiniamo le quotazioni (rendimenti) di ogni singolo cluster in un'unica riga e rimuoviamo le quotazioni di altri cluster, in alcuni casi otterremo quasi una serie stazionaria. È già possibile lavorarci.
Inoltre, non importa cosa inserire nel modello (preferibilmente i prezzi grezzi, in modo da non perdere informazioni).
Gli algoritmi di MO funzionano bene, non c'è bisogno di approfondire. È necessario cercare serie/leggi stazionarie. Solo su di esse MOShka predice costantemente il futuro.
Se ci sono altre idee su come ottenere una serie o una regolarità stazionaria, questo è sempre il modo giusto di pensare.