MTSにおける人工知能の活用 - ページ 18

新しいコメント
 
rip:
njel
皆さん、何をインプットすればいいのでしょうか？ろうそく？
著者に敬意を表する．
フォーラムでネットワークの学習ルールを策定してください。

--
裂け目
ただ、ネットワークのトポロジーはコードから多少なりともわかります。少なくとも、著者は機能とそれに対するコメントを設定し、一般に理解できるようにした。

さらにコードを調べてみると、私のチャートには十分な数のバーが含まれていないことがわかりました。16000まで増やした。実行したところ、全期間中6件、あまり大きくはないが、最終的に9％の損失で取得した。トレードの少なさ - 排出量の少なさ

要するに、何もかもがクリアなのだが、結局このExpert Advisorをどう使えばいいのか？何かおすすめがあるはずですよね？もしかして、私のやり方が悪いのか？

これ以上、自分でコードを掘り返して解析しようとしても意味がない。エキスパートアドバイザーは、6回の取引で赤字になるとか、黒字になるといった主張をするのは無駄です。時間の無駄でしかない。
 

どうやら、少し説明が必要なようです

Expert Advisorは消耗品というか、儲からない。ニューラルネットワークで遊んでみたいけど、一から全部書くのは面倒くさいという人向けに掲載されています。
ネットワーク構成は、わりと普遍的に書かれています。実際には、最小2層と1つの出力ニューロンという2つの制限しかない。

さて、このままではExpert Advisorが動作しない理由についてですが。
なぜなら、過去のm個のティックからn個のティックを予測する作業は、明らかに解決不可能だからです。グリッドは、良い予測のための依存関係を見つけることができません。指標を分類しようとするとそれも失敗するが、グリッドは入力データをクラス分けすることができない。
つまり、グリッド用のデータをより工夫して加工する必要があるのです。それが、私の目指すところです。

これが私の結論です。私のExpert Advisorを試したい人は、簡単な調査と分析の後、同じか、あるいは新しいアイデアに到達することができるかもしれません。

実際、Expert Advisorはニューラルネットワークを扱うためのライブラリと考えることができ、それらを理解し、使用するための労力を自分に与えることができます。

もし、前回のメッセージで、このEAが遊べると思った人がいたら、よく読んでいないか、私の説明が足りなかったかのどちらかです。
Figar0を 言い換えると、「全然儲からないけど、ためになる」ということです。

ここからは、個人的な回答です。

レシェトフ そして一般的に、どのように使うのが正しいのか、使う価値が全く ないのか、ということです。なぜなら、他人のコードを理解することは、面倒でありがたいことだからです。また、アルゴリズムがわかっていれば、他人の
を理解するよりも、自分で一からプログラムを書く方がずっと簡単です。
トレードという意味なら、使わない方がいいかもしれませんね。少なくとも私はそうしない。コードとしての価値しかない。
実は、アルゴリズムを知った上でゼロから自分のプログラムを書くというのは、私も一部賛成です。シンプルなのはちょっと......。
でも、アルゴリズムを書くのは大歓迎です。ニューラルネットワークや学習原理などに関する書籍は、インターネットで簡単に見つけることができます。


数学 このコードはレシェトフのExpert Advisorと共通点がない ように思うのですが...。

両者に共通するのは、指標を入力としたニューラルネットワークを 構築していることです :)違いは、ニューロンが1つではなく、たくさんあること、それぞれ学習のためのアルゴリズムを自分で書いたことです。


フォーラムの中で、ネットワークの学習ルールを策定してください。
。
私のためなら、詳しく教えてください。何に興味があるのか、よくわからないのですが。





 
maveric писал (а):


フォーラムでネットワークの学習 ルールを策定して ください。
。
私のためなら、詳しく教えてください。何に興味があるのかよくわからないのですが。


ニューラルネットワークにお詳しいようですが、特に多層ネットワークの学習アルゴリズムに注目して記事を書いてみてはいかがでしょうか。それは、多くの人が興味を持つことでしょう。ここの記事は有料です、あなたの仕事が無駄になることはありません。
 
Integer писал (а):
maveric さんが書き込みました（a）。


フォーラムでネットワークの学習 ルールを策定して ください。
。
私のためなら、詳しく教えてください。何に興味があるのかよくわからないのですが。


ニューラルネットワークをよく理解されているようですが、特に多層ネットワークの学習アルゴリズムに注目して記事を書いてみてはいかがでしょうか。それは、多くの人が興味を持つことでしょう。ここの記事は有料です、あなたの仕事が無駄になることはありません。
それは私には良いアイデアとは思えません :)
ニューラルネットワークについては、分類されているわけではなく、インターネットで簡単に見つかる、真面目な人たちが書いた本や記事から学んできました。
モイシャがアブラムにビートルズを歌った逸話のような展開になるのではと危惧しています :)
 

フォーラムでネットワークの学習 ルールを策定して ください。
。
私のためなら、詳しく教えてください。何に興味があるのかよくわからないのですが。

あなたは私の質問に答えてくれました;)この場合、nステップ先の時系列を近似するネットワークを開発したことになります。終値や指標値を入力とします。OK、ではもうひとつ質問です。分類についてですが、指標を分類してみるということですが、その考えを詳しく説明してもいいですか？そうそう、もう一つ言いたいことがあるのですが、これまでの経験から、学習サンプルが正規分布を持つネットワーク学習（教師による学習）を行うと、最も良い結果が得られることが分かっています。引用符で形成される時系列の研究は、昔、何度かやったことがあるのですが．その分布は正規分布とは関係がない。この場合、MSEはより速く減少し、テストサンプルではより良い結果を見ることができるでしょう。
 
maveric:


さて、なぜExpert Advisorが今までのような形で機能しないのかということですが。
なぜなら、過去m回のティックからn回のティックを予測する作業は、明らかに解決不可能だからです。グリッドは、良い予測のための依存関係を見つけることができません。指標を分類しようとするとそれも失敗するが、グリッドは入力データをクラス分けすることができない。
つまり、グリッド用のデータをより工夫して加工する必要があるのです。それは、次に何をするかということです。


新しいスレッドを立てて、サンプルの形成や前処理・後処理について議論するのもいいかもしれませんね。多くの来場者に興味を持っていただけると思います。
 
rip:

フォーラムでネットワークの学習 ルールを策定して ください。
。
私のためなら、詳しく教えてください。何に興味があるのかよくわからないのですが。

あなたは私の質問に答えてくれました;)この場合、nステップ先の時系列を近似するネットワークを開発したことになります。終値や指標値を入力とします。OK、ではもうひとつ質問です。分類についてですが、指標を分類してみるということですが、その考えを詳しく説明してもいいですか？そうそう、もう一つ言いたいことがあるのですが、これまでの経験から、学習サンプルが正規分布を持つネットワーク学習（教師による学習）を行うと、最も良い結果が得られることが分かっています。引用符で形成される時系列の研究は、昔、何度かやったことがあるのですが．その分布は正規分布とは関係がない。この場合、MSEはより速く減少し、テストサンプルではより良い結果を見ることができるでしょう。

正規分布だけでなく少なくとも、サンプルセットも統一してほしい。
一般的には、次のようになります。
最初のトレンド（"up down flat"）の始まりを見つける。この始まりの前のいくつかのバーの数は、グリッドエントリとなり、それに続く全体のトレンドは、1 0 0 200 6の形でロールバックされます。 次の例は、このトレンドの終わりよりも早く形成されています。
トレンドの長さを予測することはできないが、その間の価格変化の絶対値だけを予測することは可能である。
これによって、例のセットが（より）一貫したものになります。
3種類のトレンドに対して、N1 N2 N3の例を得ることができます。
例えば
上 ( 1 0 0 ) - 1 0 0
フラット( 0 1 0 ) - 200
ダウン( 0 0 1) - 250

正規分布の作り方
1.最小限の例数（100）が自分たちに合っていれば、あとはバカスカ削ってもいいんです
2.数の少ない例は、より多く提供してバランスをとるべきです。
3.例題に、数の少ないものを加えて、少し騒がしくする。
4.アップの例よりダウンの例が多く、後者はEURUSDの代わりにUSDEURの逆引きの例も追加できる。

では、これらの事例をカッコいい順に分析していきますね :)
4.理想 左図のようなものはなく、すべてが市場の血肉となる。ただ、書くのが面倒なので、自分で多くの指標を再計算する＋自分で計算することになります。
3.少なくとも、私たちが追加したノイズという形でグリッドに浮遊感を与えているので、少し悪いですね。
2.同じものを何度も見せると、グリッドはそれを記憶するだけで、一般化することはありません。
1.学習が膨大に長くなる（残りの十分な例を捨てた後を確保するため）ために、この方法は3つすべてを取るが すべてのパラメータについて、他の3つを強力に打ち負かす :)


つまり、次のようなことです。ちなみに、私のExpert Advisorは、1と2をミックスしたものです。
 
maveric:

普通だけではありません。少なくとも、サンプルセットも一貫している必要があります。一般的にはこのような感じです。最初のトレンド（"up down flat"）の始まりを見つけると、この始まりの前のいくつかのバーがグリッドエントリーになり、それに続く全体のトレンドは、1 0 0 200 6最初の3つの数字はトレンド識別子で、最後の2つは一般的な価格の変化とトレンドの長さ（バー単位）でロールバックされるでしょう。次の例は、このトレンドが終わるやいなや形成される。 トレンドの長さを予測することはできないが、その間の価格変化の絶対値だけを予測することは可能である。 これによって、例のセットが（より）一貫したものになります。 例えば UP ( 1 0 0 0 ) - 100 flat( 0 1 0 ) - 200 down( 0 0 1 ) - 250 3種類のトレンドについてN1 N2 N3の例を得ます。









正規分布は、確率変数の確率分布 である。データセットには矛盾も非矛盾もありえません。それは物理的なプロセスを記述するf関数の値であり、単にそうであるだけなのです。その価値観の解釈だけが矛盾することがある。

あのね、ひとつだけ理解できないことがあるんだけど、ニューラルネットワークに何をさせたいの？シリーズを概算するか、市場状況の分類を得るか？私の見るところ、両者は根本的に異なる作業ですから、入力データと出力データは全く別のものを用意する必要があります。

用語を少し定義しておこう。
1.系列の近似とは、与えられた例集合｛xt, yt｝を一般化する多次元写像F：x->yの構築のことである。このマッピングをもとに、系列の項にある潜在的な依存性に基づいて、Hステップの未来像を実現するのである。つまり、一般化されるかもしれません。私たちは、行のメンバー自体の値と、行を説明するいくつかの値のセットで操作しようとしています - それらは局所極値などです。(ある区間に対して、例えば価格コリドーを定義する)
2.分類 - すなわち、市場イメージが形成される - 例えば、上昇トレンドとする。このイメージを認識することが必要です。

これをどう考えるか？あなたのコードから判断すると、あなたは市場の入口と出口を予測しようとしているのです。正直なところ、このような作業に対して、
の正しさを深く疑っています。

私が間違っていることを証明してくれるなら、ありがたいことです。

--
リップ
 
rip:
マーベリック

普通だけではありません。少なくとも、サンプルセットも一貫しているはずです。
一般的にはこのようになります。
最初のトレンド（「up down flat」）の始まりを見つけると、この始まりの前のいくつかのバーの数がグリッドエントリとなり、それに続く全体のトレンドは1 0 0 200 6最初の3つの数字はトレンド識別子で、最後の2つは一般的な価格変動とトレンドの長さ（バー単位）です。 次の例は、このトレンドの終わりよりも早く形成されています。
トレンドの長さを予測することはできないが、その間の価格変化の絶対値だけを予測することは可能である。
これによって、例のセットが（より）一貫したものになります。
3種類のトレンドに対して、N1 N2 N3の例を得ることができます。
例えば
上 ( 1 0 0 ) - 1 0 0
フラット( 0 1 0 ) - 200
ダウン( 0 0 1) - 250
正規分布は、確率変数の確率分布である。データセットには矛盾も非矛盾もありえません。それは物理的なプロセスを記述するf関数の値であり、単にそうであるだけなのです。その価値観の解釈だけが矛盾することがある。

あのね、ひとつだけ理解できないのは、ニューラルネットワークに何をさせたいのかってこと。シリーズを概算するか、市場状況の分類を得るか？私の見るところ、両者は根本的に異なる作業ですから、入力データと出力データは全く別のものを用意する必要があります。

用語を定義しよう。
1.近似級数とは、与えられた例集合｛xt, yt｝を一般化する多次元写像F：x->yの構築であり、この写像に基づいて、級数の項のある隠れた依存性に基づいてHステップの未来を想像することができる。つまり、一般化されるかもしれません。行のメンバの値そのものと、行を記述するいくつかの値のセットで操作しようとしているのです - それらは局所極値などです。(例えばある区間の価格コリドーを定義する)。
2.分類 - すなわち、市場イメージが形成される - 例えば、上昇トレンドとする。このイメージを認識する必要があります。

これをどう考えるか？あなたのコードから理解したのは、あなたは市場の入口と出口を予測しようとしているということです。正直なところ、私はその有効性に疑問を持っています。
タスクの

ありがたいですねー、反対のことを証明してくれれば。

--
裂け目


分類の問題では、データをどう解釈するかが重要なのです。大雑把に言うと、文字認識の課題では、Aの例の中に、XやUなどの文字を見つけてはいけないということです :)

両方やりたいんです。グリッドは2つかもしれないし、結果的に1つかもしれない。 グリッドの最初のステップは、現状を分類することである。トレンドの始まりを十分に明確に示すものであれば、第二段階として、このトレンドでどれだけ儲けられるかを推定するために、将来を見通す試みがなされます。

金融シリーズの近似性は分類よりも悪いと推測しています。

 
maveric писал (а):

私の仮定では、金融系列は分類よりも近似に適していると考えています。

価格系列は、他の連続系列と同様に、問題なく近似することができます。ただ、内挿と外挿を混同しないように。多層ニューロンによる補間は、アスファルトに指を2本置くような感覚で行うことができる。ニューラルネットワークによる 非周期的系列の外挿は時間の無駄である。
1...111213141516171819202122232425...28
新しいコメント