金融シリーズのニューロフォーキャスト（1論文に基づく） - ページ 8 123456789101112 新しいコメント Mihail Marchukajtes 2011.12.01 17:52 #71 最適化関数を見つける作業が必要だと思います。つまり、ターゲット機能の検索です。最適化サイトでネットワークに何を見つけてもらいたいか？ 同じエリアで最大限のバランスをとるためのパラメータ。いいえ、練習では将来的にうまくいかないことが分かっているからです。そのためには、統計を取って、どの瞬間が、いつ、どのように機能するのかを推定する必要があります。 現実的ではないかもしれませんが、これが私のやり方なのです...。いわば、ゴールです。 をすることです。 NSのスクリーンショットでやったように全てです。 1.6ヶ月のストレッチでネットワークを学習させる。NSがマッハで動いていれば、これらのパラメータをしっかり学習して、普通に取引してくれます。 2.最初の3ヶ月は、ネットワークトレードの結果を見てください。(理論的には、ネットワークがこのデータを見たのだから、結果は良好なはずです) 3.ネットワークを最適化し、我々が既に知っているパラメータを正確に学習させる。 これらのパラメータに対して最適化をもたらす機能を探索し、適合させ、開発する。 5.機能を発見したら、ネットワークに公開していないセグメントでテストする。 今度はNSで部分的に見てみようと思います...。 Mihail Marchukajtes 2011.12.01 17:53 #72 Reshetov: トレンド区間のみで学習させたニューラルネットワークの信号は、ランダムではなく、ネットワークの学習方法になります。すなわち、動きに追従して横に排水される。 急激な変化や予測不可能な動きなどを意味しています。 Mihail Marchukajtes 2011.12.01 17:54 #73 ただ、NSのターゲット機能が複雑なのが玉に瑕ですが...。そんなんで選んでいいのかよ...。 Yury Reshetov 2011.12.01 17:59 #74 nikelodeon: 突然の変化、予測不可能な動きなどのことです。そのような動きがあったときに、ネットがフェンスに座っていることを教えられるのです。例えばこんな感じです。https://www.mql5.com/ru/code/10151 Alexey Burnakov 2011.12.01 18:23 #75 nikelodeon: ただ、NSではターゲット関数が複雑なのが玉に瑕ですが...。そんなんで掘っていいのかよ... ふむ。私は通常、統計パッケージでニューラルネットワークを学習させますが、その際の目標関数は、学習期間やテスト期間におけるバランス値ではなく、ネットワークの出力における誤差の値です。これは、原理的には機械学習の古典的なバージョンです。誤差の値は、誤差の二乗和をとる、二乗和を例数で割る、誤差のモジュロをとるなど、実験することができます。そして、これは限界ではありません。 そして、学習したネットワークは、DLL形式でロボットと信号のやり取りを行う。その余裕たるや甚だしい...。 Alexey Burnakov 2011.12.01 18:29 #76 Reshetov: そのような動きがあったときに、ネットはフェンスに座っていることを教えることができる。このようにhttps://www.mql5.com/ru/code/10151。 SCPを使用することも可能です。学習用サンプルに対して、まずACSを学習し、サンプルがセルに属するかクラスターに属するかを判断する際の最大誤差を測定する。そして、同じデータに対して1つ以上のニューラルネットワークを学習させ、例えば1歩先の値上がりを予測させる。そして作中では、まず新しい、これまで知られていなかった事例が調整されたACSと照合され、予測ネットワークがあらかじめ定義されたエラー閾値を超えた場合、予測ネットワークはオンにされない、あるいは取引ロボットはネットワークからのシグナルに反応しない、とされています。つまり、ACSはアノマリーを検出するために使うのであって、そのアノマリーで取引するわけではありません。実例：2008年秋のことです。ニューラルネットワークを学習させ、四半期中に取引することにしました。すべての主要なペアでダイナミクスの崩壊があり、ACSの例の大部分は単にフィルタリングされ、取引の意思決定を行うことができません。でも、それは僕にとっては理屈でしかないんです。とボソボソと。実際にテストしたわけではありません。 Alexey Burnakov 2011.12.01 18:42 #77 f.t.:脳を鍛えるという作業は別として）何が面白いのでしょうか？新しいデータから学ぶという意味での）再トレーニングをしないことには、NSは機能しない。市場は変化しており、グリッドはそれを学ばなければならない。問題は、新しいトレーニングをいつから始めるかだ。;)そして、グリッドが「壊れた」ときに「修正」できること、層やニューロン数を変えること、別の伝達関数-......。しかし、何を、どのように、どこを変えればいいのか、正確にはわからないでしょう。新市場にメッシュを合わせない限り、うまくいきません。また、if ( Price == Ask ) で Ask = 1.2345 と表示されるのに、Price がなぜか 1.234499999 になってしまうのも同じことです。ここで、投資家となりうる人物との対話を想像してみてください。"彼はどんな答えを出したいと思っているのだろう？1) NSのトレーニングを再び開始し、学習したら（もし学習したら）、再び稼がせる（それまでに市場が再び変化しなければ）。2) デバッグシールを貼って、エラーを見つけ、修正する。だから、「興味がある」のであれば、大歓迎ですが、「稼ぎたい」のであれば？;) すでにロールプレイングを始めている方私はここでは助っ人ではありません )))このスレッドでは論じません、自己責任でお願いします。 あなたは、NSの経験が浅いため、このツールをデータフィッティング、ブラックボックス、レーキインブランク等と無条件に考えています。層数、ニューロン、ファンクションバンドルは、すべて間違った手にかかると不要な荷物になります。まず、なぜネットワークが機能するはずなのかというアイディアが必要で、このアイディアは時系列の異なる部分で広範囲なフォワードテストによって検証されなければならない。リスクアセスメントは、フラッシュが迫っているという事実によってではなく、事前に行うものです。言っとくけど私自身はNSを使って1円も損をしていません。デモで負けたことがあるだけです)。 もう一つは、ニューロの熟練者は、必要なテストをすべて行った後、抽出の問題、つまり、ロシア語で言えば、NSの内部で学習中に形成されるヒューリスティクス、つまり、入力の内容に応じて出力信号を生成する規則の本質を理解することにも気を配るということです。ブラックボックスはすべて左へニューラルネットワークのロジックに入り込んで、それが何をするのか理解しなければならない。Jooさんも書かれていますが、論理的です。そうでなければ、ソビエトロシアではNSに支配されていることが判明します。ハ TheXpert 2011.12.01 20:02 #78 alexeymosc: 講義の進み具合はいかがですか？:) Alexey Burnakov 2011.12.01 20:13 #79 TheXpert: 講義の進み具合はいかがですか？:) まあまあかな。後々、徐々にマスタリングができるようになればいいなと思います。最近、仕事が本当に忙しいんです。 気を取り直して、もう少し見てみようと思います。勾配降下の講義で止まっている、つまり、一般的にはほとんど最初のほうだ。 Alexey Burnakov 2011.12.01 20:16 #80 ニューロテクノロジーの予測への応用を成功させたもう一つの記事。 http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.184.7175&rep=rep1&type=pdf カオス理論の手法を用いて、入力ベクトルのラグを生成しています。また、間違った予測に対しては、ネットワークに罰を与えます。テストサンプルは100日分です。結果は、80％以上のヒットというクールなものです。しかし、今回の予測は上昇傾向（＋2％）か下降傾向のどちらかです。ところで、個人的な経験から、私は株式市場の動向はよく予測されていると言うだろう、あなたが間違っている場合など、他の落とし穴があり、その後損失は大きいです、それは統計を食べる.利点。信じられないかもしれませんが、テストでも8割の精度が出ました。 123456789101112 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
最適化関数を見つける作業が必要だと思います。つまり、ターゲット機能の検索です。最適化サイトでネットワークに何を見つけてもらいたいか？ 同じエリアで最大限のバランスをとるためのパラメータ。いいえ、練習では将来的にうまくいかないことが分かっているからです。そのためには、統計を取って、どの瞬間が、いつ、どのように機能するのかを推定する必要があります。
現実的ではないかもしれませんが、これが私のやり方なのです...。いわば、ゴールです。
をすることです。
NSのスクリーンショットでやったように全てです。
1.6ヶ月のストレッチでネットワークを学習させる。NSがマッハで動いていれば、これらのパラメータをしっかり学習して、普通に取引してくれます。
2.最初の3ヶ月は、ネットワークトレードの結果を見てください。(理論的には、ネットワークがこのデータを見たのだから、結果は良好なはずです)
3.ネットワークを最適化し、我々が既に知っているパラメータを正確に学習させる。
これらのパラメータに対して最適化をもたらす機能を探索し、適合させ、開発する。
5.機能を発見したら、ネットワークに公開していないセグメントでテストする。
今度はNSで部分的に見てみようと思います...。
トレンド区間のみで学習させたニューラルネットワークの信号は、ランダムではなく、ネットワークの学習方法になります。すなわち、動きに追従して横に排水される。
急激な変化や予測不可能な動きなどを意味しています。
突然の変化、予測不可能な動きなどのことです。
そのような動きがあったときに、ネットがフェンスに座っていることを教えられるのです。例えばこんな感じです。https://www.mql5.com/ru/code/10151
ただ、NSではターゲット関数が複雑なのが玉に瑕ですが...。そんなんで掘っていいのかよ...
ふむ。私は通常、統計パッケージでニューラルネットワークを学習させますが、その際の目標関数は、学習期間やテスト期間におけるバランス値ではなく、ネットワークの出力における誤差の値です。これは、原理的には機械学習の古典的なバージョンです。誤差の値は、誤差の二乗和をとる、二乗和を例数で割る、誤差のモジュロをとるなど、実験することができます。そして、これは限界ではありません。
そして、学習したネットワークは、DLL形式でロボットと信号のやり取りを行う。その余裕たるや甚だしい...。
そのような動きがあったときに、ネットはフェンスに座っていることを教えることができる。このようにhttps://www.mql5.com/ru/code/10151。
SCPを使用することも可能です。学習用サンプルに対して、まずACSを学習し、サンプルがセルに属するかクラスターに属するかを判断する際の最大誤差を測定する。そして、同じデータに対して1つ以上のニューラルネットワークを学習させ、例えば1歩先の値上がりを予測させる。そして作中では、まず新しい、これまで知られていなかった事例が調整されたACSと照合され、予測ネットワークがあらかじめ定義されたエラー閾値を超えた場合、予測ネットワークはオンにされない、あるいは取引ロボットはネットワークからのシグナルに反応しない、とされています。つまり、ACSはアノマリーを検出するために使うのであって、そのアノマリーで取引するわけではありません。実例：2008年秋のことです。ニューラルネットワークを学習させ、四半期中に取引することにしました。すべての主要なペアでダイナミクスの崩壊があり、ACSの例の大部分は単にフィルタリングされ、取引の意思決定を行うことができません。でも、それは僕にとっては理屈でしかないんです。とボソボソと。実際にテストしたわけではありません。
脳を鍛えるという作業は別として）何が面白いのでしょうか？
新しいデータから学ぶという意味での）再トレーニングをしないことには、NSは機能しない。市場は変化しており、グリッドはそれを学ばなければならない。問題は、新しいトレーニングをいつから始めるかだ。;)
そして、グリッドが「壊れた」ときに「修正」できること、層やニューロン数を変えること、別の伝達関数-......。しかし、何を、どのように、どこを変えればいいのか、正確にはわからないでしょう。新市場にメッシュを合わせない限り、うまくいきません。また、if ( Price == Ask ) で Ask = 1.2345 と表示されるのに、Price がなぜか 1.234499999 になってしまうのも同じことです。
ここで、投資家となりうる人物との対話を想像してみてください。"彼はどんな答えを出したいと思っているのだろう？
1) NSのトレーニングを再び開始し、学習したら（もし学習したら）、再び稼がせる（それまでに市場が再び変化しなければ）。
2) デバッグシールを貼って、エラーを見つけ、修正する。
だから、「興味がある」のであれば、大歓迎ですが、「稼ぎたい」のであれば？;)
すでにロールプレイングを始めている方私はここでは助っ人ではありません )))このスレッドでは論じません、自己責任でお願いします。
あなたは、NSの経験が浅いため、このツールをデータフィッティング、ブラックボックス、レーキインブランク等と無条件に考えています。層数、ニューロン、ファンクションバンドルは、すべて間違った手にかかると不要な荷物になります。まず、なぜネットワークが機能するはずなのかというアイディアが必要で、このアイディアは時系列の異なる部分で広範囲なフォワードテストによって検証されなければならない。リスクアセスメントは、フラッシュが迫っているという事実によってではなく、事前に行うものです。言っとくけど私自身はNSを使って1円も損をしていません。デモで負けたことがあるだけです)。
もう一つは、ニューロの熟練者は、必要なテストをすべて行った後、抽出の問題、つまり、ロシア語で言えば、NSの内部で学習中に形成されるヒューリスティクス、つまり、入力の内容に応じて出力信号を生成する規則の本質を理解することにも気を配るということです。ブラックボックスはすべて左へニューラルネットワークのロジックに入り込んで、それが何をするのか理解しなければならない。Jooさんも書かれていますが、論理的です。そうでなければ、ソビエトロシアではNSに支配されていることが判明します。ハ
講義の進み具合はいかがですか？:)
まあまあかな。後々、徐々にマスタリングができるようになればいいなと思います。最近、仕事が本当に忙しいんです。
気を取り直して、もう少し見てみようと思います。勾配降下の講義で止まっている、つまり、一般的にはほとんど最初のほうだ。
ニューロテクノロジーの予測への応用を成功させたもう一つの記事。
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.184.7175&rep=rep1&type=pdf
カオス理論の手法を用いて、入力ベクトルのラグを生成しています。また、間違った予測に対しては、ネットワークに罰を与えます。テストサンプルは100日分です。結果は、80％以上のヒットというクールなものです。しかし、今回の予測は上昇傾向（＋2％）か下降傾向のどちらかです。ところで、個人的な経験から、私は株式市場の動向はよく予測されていると言うだろう、あなたが間違っている場合など、他の落とし穴があり、その後損失は大きいです、それは統計を食べる.利点。信じられないかもしれませんが、テストでも8割の精度が出ました。