ニューラルネットワークによる為替レートの予測 - ページ 3

[Mihail Marchukajtes]

正直なところ、私も予報は信用していないのですが、分類、そっちの方が面白いので...。

[Jeremy Falcon]

LeoV:
そして、コースワークの内容は、「ニューラルネットワークによるレート予測は不可能」という一文で構成されているはずです。)))それが全体のコースワーク ))))

なぜ不可能なのか？かなり可能性がありますね :)例えば、私たちが生業としているExpert Advisor（誰もが持っている "主力商品"）について考えてみましょう。そこに線形回帰を見出す、とか。線形回帰をニューロニックに置き換える...出来上がり :)

[Vasiliy Sokolov]

LeoV:
そうすると、あなたのタームペーパーは、「ニューラルネットワークによるレート予測は不可能」という一文で構成されているはずです。)))それが全体のコースワーク ))))

ニューラルネットワークや市場予測全般に失望しているということでしょうか。何年も研究しているだけに、 そう言われると不思議な感じがします。

[Леонид]

C-4: ニューラルネットワークや市場予測全般に失望しているということでしょうか。この分野を何年も研究されていることを知るだけに、その発言はとても不思議です。

私はこの方向を予測の観点から研究しているのではなく、ある時点で、つまり新しいバーが来るたびにではなく、できれば70％以上の確率で利益を上げるために使用できるパターンを見つけるという観点から研究しているのです。

これらは根本的に異なるものであることに同意してください。

利益を得るために、予測する、つまり、新しいバーごとに将来的に機器のラインを継続する必要はありません。

[Vasiliy Sokolov]

LeoV:

私はこの方向を予測の観点から研究しているのではなく、ある時点で、つまり新しいバーが来るたびにではなく、できれば70％以上の確率で利益を上げるために使用できるパターンを見つけるという観点から研究しているのです。

これらは根本的に異なるものであることに同意してください。

あなたは、利益を得るために、すべての新しいバーで、将来的に楽器のラインを継続する、すなわち予測する必要はありません。

それでも、エントリーした 瞬間に、将来はエントリーした方向に価格が変化する、そういう予想をしています。

[Yury Reshetov]

C-4:

ニューラルネットワークや市場予測全般に失望しているということでしょうか。この分野を何年も研究されていることを知るだけに、その発言はとても不思議です。

つまり、多層ニューラルネットは外挿（予測）には向いていないのだ。補間範囲内であれば問題ない。

簡単に言えば、その方法はこうだ。

1. グリッドを鍛える
2. 学習後、正規化する前の入力の値を確認する。非正規化入力が学習サンプルの範囲外である場合，外挿処理を行うため，ここで網が壊れます．つまり，そのような入力信号を待つ方が良いのです．範囲内であれば、補間が行われ、適切な結果が得られる可能性が高いグリッドとなる。

信じられない人は、簡単な課題をやってみよう。0から9までの整数の掛け算の表に、二元配置の多層膜を教えるのだ。次に、補間用の値、つまり0から9までの任意の実数を入力に与えてテストする。そして、外挿のために、つまり、少なくとも1つの入力が0より小さいか9より大きい値を持つことを保証するために、外挿を行う。補間はグリッドで処理し、外挿はねじ込む。

理由は簡単で、シグモイド神経細胞の出力は、学習サンプルの範囲よりわずかに大きい範囲を超える値をすべてカットしてしまうからだ。つまり、シグモイドは、入力にどんな値があっても、それを超えることができない限界値を出力に持つ。下のグラフをご覧ください。シグモイド入力は任意の値、シグモイド出力は1以上0以下、つまり限られた出力範囲外はバツとなります。

シグモイドがないと誤差の逆伝播アルゴリズムが収束しなくなるため、一方ではシグモイドのおかげで多層ネットワークの学習速度が向上することがわかった。しかし一方で、そのようなメッシュは補間器となり、学習サンプルの範囲外では十分に機能しない。

C-4:

それでも、エントリーした時点では、将来的にエントリーした方向に価格が変化することを予想して、このような予想をしています。

すべてのニシンは魚だが、すべての魚がニシンというわけではない。予測内挿と予測外挿は別のものであり、混同してはならない。テレビで釘を打とうとしても、ハンマーの方が向いています。だから、賢い人は外挿に回帰を使い、内挿に多層ニューラルネットを使うのです。繰り返しになりますが、回帰分析にも限界があり、万能ではなく、場合によっては失敗することもあることを忘れてはいけません。

[Jeremy Falcon]

回帰は補間にも適しているのでは？なぜグリッドを作るのか？

[Yury Reshetov]

IronBird:

回帰は補間にも適しているのでは？なぜグリッドを作るのか？

重回帰と 多層ニューラルネットワークを試し、補間のRMSを比較する。また、すべてのツールには、最も効果的な機能限界があることを学びます。

[anonymous]

IronBird:

回帰は補間にも適しているのでは？なぜグリッドを作るのか？

非線形回帰のノンパラメトリック手法の1つに多層ニューラルネットワークが ある。場合によっては、ニューラルネットワークを放棄して、線形/線形/非線形パラメトリック手法を採用することも可能です。

[Dmitry Fedoseev]

予測とは、必ずしも未来に線を延ばすことではありません。ここでいう分析手段とは、価格が上がるか下がるかを予測することです。