Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 868
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Pergunta sobre o assunto.
Considera-se que a NS pode projectar qualquer indicador dentro de si mesma.
Alguém já tentou realizar uma experiência - a NS pode reproduzir, por exemplo, MA? Ou MACD ou um filtro digital?
Talvez não seja um problema. Muitos exemplos em muitos pacotes NS com a concepção de tais coisas.
Mas só se você desenhar o TC, o que ele faz internamente permanece um mistério. Só os coeficientes.
Talvez não seja um problema. Muitos exemplos em muitos pacotes NS com a concepção de tais coisas.
Mas só se você desenhar o TC, o que ele faz internamente permanece um mistério. Apenas os coeficientes.
Em embalagens costumam ter íris e medicamentos, etc. - Não me lembro de nada com índices de mercado.
Embora MA seja demasiado simples: para MA10 adicionar 10 entradas com v=1, atribuir v=0 a outras entradas e depois escolher k=10.
Filtros digitais da mesma forma, mas v não será igual a 1, mas outros valores de acordo com a fórmula do filtro. E teoricamente os NS poderiam encontrar não um dos filtros padrão, mas um único que melhor se adapta ao mercado.
Ou seja, essencialmente 1 neurónio é um filtro digital (TF).
Os neurônios múltiplos permitirão obter interações de múltiplos TFs (deltas, somas). Se precisarmos de interacções de 2ª ordem (delta de delta) - devemos adicionar mais 1 camada oculta.
O produto de 2x CP não pode ser obtido de 2 neurónios no neurónio de saída - é apenas uma adição. Mas pode ser recalculado em um neurônio separado, apenas v e k será diferente.
No geral, para mim esta é uma nova forma de ver a NS como uma TF.
As embalagens geralmente têm íris e medicamentos, etc. - Não me lembro de nada com índices de mercado.
Embora MA seja demasiado simples: para MA10 - adicionar 10 entradas com v=1, atribuir v=0 a outras entradas, e depois captar k=10.
Osfiltros digitais são tão simples como o v não será igual a 1, mas outros de acordo com a fórmula do filtro. E teoricamente, os NS podem encontrar não algo dos filtros padrão, mas um único que melhor se adapta ao mercado.
Isto é, essencialmente 1 neurónio é um filtro digital (TF).
Os neurônios múltiplos permitirão obter interações de múltiplos TFs (deltas, somas). Se você precisar de interações de segunda ordem (delta de delta), você deve adicionar mais 1 camada oculta.
Algo parecido com isto que escrevi há pouco. Mais 2 camadas para o NS, e ele fará você qualquer indicador-previsor por si só. E não há necessidade de se preocupar.
Algo parecido com isto que escrevi há pouco. Mais 2 camadas para o NS, e ele fará você qualquer indicador-previsor por si só. E não tens de te preocupar com isso.
A seleção é necessária quando alimentamos aleatoriamente muitos indicadores padrão e não-padrão (por exemplo, MA, CCI, RSI com períodos diferentes), mas não uma série temporal.
Devemos descartar os que não são adequados. Os NS com as séries cronológicas à entrada seleccionarão automaticamente os indicadores com os coeficientes correctos.
Então acontece que a seleção de preditores é uma coisa desnecessária, que pode até interferir se o input for de barras.
A seleção é necessária quando alimentamos aleatoriamente muitos indicadores padrão e não-padrão, mas não uma série cronológica.
E devemos descartar os que não são nada adequados. Mas os NS com as séries cronológicas na entrada selecionarão automaticamente indicadores com coeficientes apropriados.
Sim. Há uma série temporal normalizada na entrada da NS. Digamos que a estrutura NS -15-20-15-10-5-1 já está a fazer um bom trabalho.
Para determinar os longos e os calções que você precisa de 2 NS.
Então acontece que a seleção de preditores é uma coisa desnecessária, que pode até interferir se o input for de barras.
A seleção é necessária quando alimentamos aleatoriamente muitos indicadores padrão e não-padrão, mas não uma série cronológica.
E devemos descartar os que não são nada adequados. Enquanto os NS com as séries cronológicas na entrada selecionarão automaticamente os indicadores com os coeficientes apropriados.
Eu introduzo a série temporal (os preços nus)
aplicados a indicadores e incrementos de entrada (incluindo os com períodos exponenciais, etc.)
não há diferença, mas há uma diferença quando eu alimento cosines de diferenças, tangentes de diferenças e cos e tang hiperbólicas... não sei porque é assim, mas o desempenho do TC melhora um pouco.
Uh-huh. A entrada NS é uma série temporal normalizada. Digamos que a estrutura NS -15-20-15-10-5-1 já está indo bem.
Para determinar os longos e os calções, precisamos de 2 NS.
Eu aprendi sobre 2 VS na prática, e é a única maneira de usá-los. Se eu usar 3 classes (comprar, esperar, vender), então a classe média ocorre muito rapidamente, especialmente se o neurônio de saída for sigmóide ou tangente.
Mas se a regressão... Idealmente é necessário 1 neurónio de saída.
série temporal alimentada (preços nus) para o insumo
I indicadores de entrada e incrementos (incluindo aqueles com períodos exponenciais, etc.)
Não vejo qualquer diferença, mas há uma diferença quando introduzo cosines de diferenças, tangentes de diferenças e cos e tang hiperbólicas... porque é assim - não sei, mas o desempenho do TC está um pouco melhorado
Depois são necessárias 3-4 camadas ocultas para construir analógicas a partir de preços nus. 1 camada para indicadores + 1 camada para deltas + 1 camada para cossines e tangentes. Já tentou?
Não, eu só uso andaimes até agora (um conjunto de qualquer número de modelos, em diferentes características), a saída é média
muito rapidamente tudo funciona, mas