FXの場合、ニューラルネットワークは きっと役に立ちませんね。実際、ニューラルネットワークはファジーなパターンを認識する。そして、この(認識)において最も優れたネットワークは脳です(もちろん、注意点があります - 認識できる状態がいくつかしかない場合 - FXでは4つあります(Open Long, Open Short, Close Long, Close Short)。 しかし、私たちも勝つのは得意ではありません。
そして、FXにはパターンがないということです。
いわゆる「古典的な市場モデル」(Yelder, "Fundamentals of Stock Trading")がある。もちろん、いろいろなモデルがありますが、それらは古典的なモデルを繰り返しているか、間違っているかのどちらかだと思います。簡単に言うと、価格は支持線と抵抗線の回廊を移動します。また、長期的なトレンドもあり、それらは回廊やブレークスルーの中で動くが、通常は一方向である。
補間の可能性については、正弦波関数(あるいは、窓の大きいMAでも滑らかなもの)を補間してみてください - そして、彼らがそれに適しているかどうかを見てください。 もう一つは、MA補間の精度は価格の予測に役立たないということです...。
もちろん、かなり長くなりますが、それでも...。
ここで、奇抜なアイデアを出します。
Roshは MQL4でニューラルネットワークをやったと思う。相談した方がいい、自分でやると時間がかかる、大したことない。
ここで、奇抜なアイデアを出します。
Roshは MQL4でニューラルネットを作ったと思う。相談した方がいいよ、自分でやると時間がかかるよ、大変だよ。
私がニューラルネットワークを信じない理由は、すでに説明したとおりです。私はホフマン・ネット(パーセプトロンより優れている)を中心に、十分に手を尽くしたつもりです。ここでは、オプティマイザによるメッシュの直接学習が考えられています。そうでなければ、ニューラルネットワークは 実際には2つのアレイである。
私がニューラルネットワークを信じない理由は、すでに説明したとおりです。パーセプトロンより優れたホフマン・ネットが中心です。
現代のいわゆるニューラルネットワークの ほとんどは、その主要な定式化において近似問題を解いており、同定は背後に回ります。そして結果は同じ、つまりそのような擬似ニューロンは手を出すしかないのです。
そして、FXにはパターンがないということです。
いわゆる「古典的な市場モデル」(Yelder, "Fundamentals of Stock Trading")がある。もちろん、いろいろなモデルがありますが、それらは古典的なモデルを繰り返しているか、間違っているかのどちらかだと思います。簡単に言うと、価格は支持線と抵抗線の回廊を移動します。また、長期的なトレンドもあり、それらは回廊やブレークスルーの中で動くが、通常は一方向である。
現物市場のモデルを考えてみよう。輸出入者は常にお金を変え、為替レートを少しずつ動かしています。そして、私たちのために - ランダムに。市場が横ばいのとき、トレーダーの群れは(というよりそのほとんどは)「ユーロは上がりすぎたようだ、売るべきだ」と考え、その逆もまた然りである。ここで、そうではない、と言う人が出てくる。現代のトレーダーは、インジケータを使用していること。しかし、ミューウイングに基づくすべての指標は、まさにこのレベルに達することを示すシグナルを発しています。
しかし--ブレイクアウトがあった。上としましょう。すると、同じトレーダーの群れが「それだ!」と言います。大きなムーブメントが始まりました。今のうちに掴んでおく必要がある」。そして、買ってくれる。そして、ここからさらにレートが上がっていく。そして、売れ始めるまでが勝負です。この時点で、トレンドの命運が決まります。多くのトレーダーがロングを決済すれば、トレンドは発生しない。その逆も然り。
そして、「小さなレンジの後には大きなレンジが 続く」という現象の(IMHO)説明です(ウィリアム・ラリー「短期売買の長期的な秘密」)。 相場はなぜか動きません。トレーダーはどんどん緊張していく。最後はもうリスキーなんです。何らかの動きが始まり、皆がそれを掴む...。
ですから、トレーダーの主な仕事は、支持線、抵抗線、ブレイクアウトを正しく識別することだと私は考えています。
そして、そのために神経細胞は必要ない :(
最適解は分岐点にあることが多いので、否定するのではなく、最適解を取り込んで追加していく方が建設的なのです。
ですから、トレーダーの主な仕事は、サポート、レジスタンス、ブレイクダウンを正しく識別することだと思います。
Minsky, M and Papert, S (1969) The PERCEPTRON; an Introduction to Computational Geometry, MIT Press, Massachusets
の翻訳が可能です。
ミンスキー・M.・パパート・S.著「ペルセトロン」:ミール社,1971年。- с. 261
子供たちよ、ふざける前に、そして、ふざけた結果に基づいて重要な結論を公表する前に、まず、このテーマに関する資料を勉強してみることである。第一に、害がないこと、第二に、誰もがとっくに知っているレーキを踏まずにすむことです。
記事記事、でも幾何学的な感覚は奪えない。そして、線形分離可能の条件下で、線形平面を用いてハエの座標(特徴量の値)がわかれば、線形フィルタによってハエとカツを分離できることです。 しかし、逆問題、つまり、ある物体に 名前をつけたら その座標が わかるという問題は解決されることはありません。 オブジェクトについて知っておくべきこと しかし、それが分離面の どちら側にあるのかまではわかりません。したがって、内挿・外挿は論外です。
FACT - 時間はすでに、私たちが全体を扱っているのではなく、全体の一部を扱っていることを示しています。対象物から分離した部品はすべてSUBJECTである。次に
宇宙の客観性、多次元性、これらの言葉はFOREXの代名詞でもあります。利益、PURPOSE、Resultは、GENERAL RESOURCEがあるInner UNDIMENSITY of EventsのUNIVERSITYである。 当事者がSUBJECTからOBJECTを理解していないため、EXPERTのためのOBJECTから、プログラミングニューロシェル入力を区別する能力 - 失われている - OBJECTを取り、利用する方法の例数百がある!!!