친애하는 Reshetov, 나는 당신의 업적을 과소 평가하고 싶지 않았습니다. 아마도 전문가 고문의 본질을 이해하고 싶었을 것입니다. 최적화에 관해서는 본격적인 신경망 이 되려면 Expert Advisor 내부에서 이루어져야 한다고 굳게 확신합니다. 퍼셉트론에 대한 내 질문의 표현이 잘못되었습니다. 새로운 방식으로 공식화하려고 합니다. 다면체를 설명하는 if(a1<x1 && a2>x2 && a3<x3 && a4<x4) 조건 대신 선형 조합 AC(평면)를 사용하는 이유는 무엇입니까? 비유를 해보려고 합니다. 0도 이하일 때 모자를 쓴다고 해보자 내일 모자를 써야 할지 말아야 할지 예측하고 싶다. 즉, 내일의 온도를 예측해야 합니다. 영하의 경우 옷을 입습니다. 당신의 시스템에 따르면, 나는 오늘의 온도에 35를 곱합니다. 그 결과에 일주일 전의 온도를 더하고 27을 곱합니다. 그런 다음 2주 전의 온도를 빼고 84를 곱하고 3주 전의 온도를 뺍니다. , 7을 곱합니다. 온도는 AC와 마찬가지로 매우 명확한 의미를 갖지만 위에서 설명한 선형 조합의 결과는 의미를 잃습니다. 물론 이 모델의 계수를 조정하여 어느 정도 확률로 내일의 온도를 예측할 수 있습니다. 그러나 제 생각에는 일종의 물리적 의미가 있는 조건을 사용하는 것이 좋습니다. 예를 들어, 오늘 기온이 영하보다 낮고 어제 기온이 영보다 높으면 기온이 하락하는 경향이 있으며 내일 기온도 영하가 될 가능성이 매우 높습니다. 내일 기온에 영향을 미치는 다른 요인(지표)을 추가할 수도 있습니다. 예를 들어, 오늘 기온이 영하이고 구름이 없다면 내일도 기온이 영하일 것입니다. 이 모든 비유를 버리고 외환으로 넘어가면 가격 움직임을 측정하고 if(IND1>x1 && IND2>x2 ...)와 같은 조건을 부과하는 여러 지표를 선택하는 것이 좋습니다. 대다수의 전문가들이 이런 방식으로 구축됩니다. 그러나 실생활에서 스스로 학습(적응)할 수 있는, 즉 x1, x2 ...를 최적화할 수 있는 전문가는 거의 없습니다.
그건 그렇고, 나는 또한 신경망에 대한 전문가를 만든 경험이 거의 없습니다. Nearest Neighbor 방법을 사용하여 구축되었습니다. 많은 계산이 있었지만 의미는 거의 없었습니다. 결국 포기했습니다.
그래, 여기 그들이 퍼셉트론의 입력에 공급되는 지표의 선택에 관한 gpwr의 초기 당혹의 진정한 동기가 있습니다. 나는 내 추측을 인용한다:
수학은 다음과 같이 썼습니다. 유리, 왜 그렇게 감정적으로. 이 필터링의 숨겨진 의미에 대한 질문이 거의 확실하게 제기되었으며 결과의 해석에 대한 질문은 아니었습니다. 대략적으로 말하자면: 왜 그런 필터링이 필요한가요? 거래 시스템에 적용할 때 이것은 가장 적절한 질문이 아닐 수도 있지만 MACD가 아닌 정확히 AC인 이유를 정당화할 수도 있습니다.
Gpwr , 이전 페이지에서 이미 답변을 받았습니다. 신경망에서 숨겨진 의미를 찾지 마십시오. 최적화된 매개변수의 수와 물론 시스템의 최종 결과와 다소 수용 가능한 통계적 유효성에서 합리성을 찾으십시오. 결국 많은 추세 추종 시스템은 이동 평균을 기반으로 합니다. 사람은 주변 세상을 프랙탈보다 부드러운 것으로 보는 것을 좋아합니다. 왜냐하면 부드러운 세상이 그에게 더 예측 가능한 것처럼 보이기 때문입니다.
2 Rosh: 세 개의 병렬 신경망 에 대한 귀하의 아이디어가 마음에 들었습니다. 각 신경망은 그래프의 자체 섹션에서 훈련됩니다. 그러나 나는 또한 원시 NN을 훈련한 결과에 실망했고, NN 대신 GA를 선호했을 것입니다. 그의 거래 시스템 백과사전에서 McCormick은 GA가 NA보다 더 유망하다고 생각하는 것 같습니다...
일반적으로 그래프의 어느 부분에서든 작동한다고 주장하는 일반 시스템은 자체 재해를 고려하기 위해 적응형이어야 합니다. 대략적으로 말하자면, 브랜치 작성자의 전문가에 있는 퍼셉트론의 가중치는 어떻게든 시장 상황에 적응해야 합니다.
여러분, 이 주제에서 약간 벗어나겠습니다. 비록 그것이 상당히 일맥상통하긴 하지만요. 오늘 퇴근길 운전하면서 지표에 대한 우리의 태도를 조금이나마 재고해 봤으면 좋겠다는 어리석은 생각이 들었다. 신경망에 적용한다는 관점에서 볼 수 있지만, 신경망에만 적용되는 것은 아닙니다. 한마디로 인디케이터가 화면을 꾸미기 위한 기믹이 아니라 트레이드를 도와주는 스트레이디라는 점에서 진행을 제안합니다. 이 어려운 과정을 돕는 가장 좋은 방법은 무엇입니까? 제 생각에는 가격이 특정 포인트만큼 위 또는 아래로 움직일 확률을 더 이상 고민하지 않고 추정하는 것이 가장 좋습니다. 따라서 지표가 +1에서 -1로 변하는 숫자(또는 가격 계열의 함수)라고 가정해 보겠습니다. 이 숫자의 부호는 가격 움직임의 예상 방향을 나타냅니다. '+' 상승, '-' 하락. 그리고 모듈은 이 방향으로 상당한 수의 포인트를 전달할 확률입니다(예: 30)(이것이 지표의 필수 매개변수가 되도록 하는 것이 좋습니다). 저것들. 모든 지표에는 단일 통합 인터페이스가 있습니다. 그리고 그들이 내부에 가지고 있는 것은 전적으로 저자의 양심에 달려 있습니다. 지표를 신경망에 연결하는 것에 대한 고려 사항에서 정확히 떠올랐습니다. 이 형식에서는 연결하기가 매우 쉽습니다. 그러나 그 아이디어는 독립적인 가치가 있는 것 같습니다. 이 표준에 따라 작성된 새 칠면조를 사용하면 알아낼 필요가 없으며 곡선이 즉시 명확해집니다. 그리고 종종 발생하는 것처럼 네트워크에서 일종의 칠면조를 볼 수 있습니다. 그것에 대한 설명이 없습니다. 그리고 출처가 있다고 해도 작가가 무슨 생각을 하고 있었는지, 이 불멸을 어찌해야 할지... 아아, 이런 접근 방식으로 볼린저스 등의 유행하는 것들은 존재의 권리를 잃는다. . 그러나 아무도 그것이 쉬울 것이라고 약속하지 않았습니다. .. 그러한 표준의 장점은 단점보다 몇 배나 더 큰 것 같습니다.
사실, Reshetov - 잘했습니다. 아무도 MQL4에서 아직 신경망을 만들지 않은 것 같습니다. 그들은 단지 이야기하고 자랑했습니다.
그러나 나는 여전히 내 추론을 포기하지 않는다.
그럼에도 불구하고 Rosh - 어떻게 끝났습니까?
그리고 더. 내 신경망(내 머리)이 현재 내가 만들 수 있는 어떤 인공 신경망보다 더 차갑다는 강한 의심이 있습니다. 나중에 필요할 때 이 주제로 돌아가기로 결정했습니다. 필요성을 느낄 때까지.
친애하는 Reshetov, 나는 당신의 업적을 과소 평가하고 싶지 않았습니다. 아마도 전문가 고문의 본질을 이해하고 싶었을 것입니다. 최적화에 관해서는 본격적인 신경망 이 되려면 Expert Advisor 내부에서 이루어져야 한다고 굳게 확신합니다. 퍼셉트론에 대한 내 질문의 표현이 잘못되었습니다. 새로운 방식으로 공식화하려고 합니다. 다면체를 설명하는 if(a1<x1 && a2>x2 && a3<x3 && a4<x4) 조건 대신 선형 조합 AC(평면)를 사용하는 이유는 무엇입니까? 비유를 해보려고 합니다. 0도 이하일 때 모자를 쓴다고 해보자 내일 모자를 써야 할지 말아야 할지 예측하고 싶다. 즉, 내일의 온도를 예측해야 합니다. 영하의 경우 옷을 입습니다. 당신의 시스템에 따르면, 나는 오늘의 온도에 35를 곱합니다. 그 결과에 일주일 전의 온도를 더하고 27을 곱합니다. 그런 다음 2주 전의 온도를 빼고 84를 곱하고 3주 전의 온도를 뺍니다. , 7을 곱합니다. 온도는 AC와 마찬가지로 매우 명확한 의미를 갖지만 위에서 설명한 선형 조합의 결과는 의미를 잃습니다. 물론 이 모델의 계수를 조정하여 어느 정도 확률로 내일의 온도를 예측할 수 있습니다. 그러나 제 생각에는 일종의 물리적 의미가 있는 조건을 사용하는 것이 좋습니다. 예를 들어, 오늘 기온이 영하보다 낮고 어제 기온이 영보다 높으면 기온이 하락하는 경향이 있으며 내일 기온도 영하가 될 가능성이 매우 높습니다. 내일 기온에 영향을 미치는 다른 요인(지표)을 추가할 수도 있습니다. 예를 들어, 오늘 기온이 영하이고 구름이 없다면 내일도 기온이 영하일 것입니다. 이 모든 비유를 버리고 외환으로 넘어가면 가격 움직임을 측정하고 if(IND1>x1 && IND2>x2 ...)와 같은 조건을 부과하는 여러 지표를 선택하는 것이 좋습니다. 대다수의 전문가들이 이런 방식으로 구축됩니다. 그러나 실생활에서 스스로 학습(적응)할 수 있는, 즉 x1, x2 ...를 최적화할 수 있는 전문가는 거의 없습니다.
그건 그렇고, 나는 또한 신경망에 대한 전문가를 만든 경험이 거의 없습니다. Nearest Neighbor 방법을 사용하여 구축되었습니다. 많은 계산이 있었지만 의미는 거의 없었습니다. 결국 포기했습니다.
수학은 다음과 같이 썼습니다.
유리, 왜 그렇게 감정적으로. 이 필터링의 숨겨진 의미에 대한 질문이 거의 확실하게 제기되었으며 결과의 해석에 대한 질문은 아니었습니다. 대략적으로 말하자면: 왜 그런 필터링이 필요한가요? 거래 시스템에 적용할 때 이것은 가장 적절한 질문이 아닐 수도 있지만 MACD가 아닌 정확히 AC인 이유를 정당화할 수도 있습니다.
Gpwr , 이전 페이지에서 이미 답변을 받았습니다. 신경망에서 숨겨진 의미를 찾지 마십시오. 최적화된 매개변수의 수와 물론 시스템의 최종 결과와 다소 수용 가능한 통계적 유효성에서 합리성을 찾으십시오. 결국 많은 추세 추종 시스템은 이동 평균을 기반으로 합니다. 사람은 주변 세상을 프랙탈보다 부드러운 것으로 보는 것을 좋아합니다. 왜냐하면 부드러운 세상이 그에게 더 예측 가능한 것처럼 보이기 때문입니다.
2 Rosh: 세 개의 병렬 신경망 에 대한 귀하의 아이디어가 마음에 들었습니다. 각 신경망은 그래프의 자체 섹션에서 훈련됩니다. 그러나 나는 또한 원시 NN을 훈련한 결과에 실망했고, NN 대신 GA를 선호했을 것입니다. 그의 거래 시스템 백과사전에서 McCormick은 GA가 NA보다 더 유망하다고 생각하는 것 같습니다...
일반적으로 그래프의 어느 부분에서든 작동한다고 주장하는 일반 시스템은 자체 재해를 고려하기 위해 적응형이어야 합니다. 대략적으로 말하자면, 브랜치 작성자의 전문가에 있는 퍼셉트론의 가중치는 어떻게든 시장 상황에 적응해야 합니다.
지표를 신경망에 연결하는 것에 대한 고려 사항에서 정확히 떠올랐습니다.
그러나 실생활에서 스스로 학습(적응)할 수 있는, 즉 x1, x2 ...를 최적화할 수 있는 전문가는 거의 없습니다.
누가 상관 ;-) 챔피언십에서 내 전문가의 최적화 기간을 최적화합니다. Expert Advisor 자체는 주기적으로 M15, H1에 이익을 표시합니다. 어떤 손도 그것을 실험하기 위해 손을 뻗지 않을 것입니다.
누가 상관 ;-) 챔피언십에서 내 전문가의 최적화 기간을 최적화합니다. Expert Advisor 자체는 주기적으로 M15, H1에 이익을 표시합니다. 어떤 손도 그것을 실험하기 위해 손을 뻗지 않을 것입니다.
비밀이 아니라면 - 챔피언십 공식 발표와 등록 종료 사이에 얼마나 걸렸어요?