NS + indicadores. Experiência. - página 4
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
Recentemente fiz experiências com a ZZ em Neuroshelle Day Trader. Eu alimentei a diferença normalizada entre o preço e vários extremos ZZ fixos para inserir o PNN (classificador). Também tentei rácios de diferenças (isto é, modelos harmônicos, se você quiser). NS encontra verdades em um intervalo de tempo limitado. Não direi que é um graal, mas o sistema está em lucro sobre dados que não viu.
E como você normalizou exatamente a diferença? A diferença entre o preço e o último extremo? Ou algo mais? E que classificador você usou? Gráficos Kohonen?
Eu ainda não cheguei à ZZ. Até agora eu experimentei com Kohonen e normalizei os dados através de muving. Em geral, também, o potencial é visível, embora fraco. Eu quero conectar as saídas da rede a um "amplificador" =))). Além disso, tentei classificar os castiçais - codificados por diferentes métodos e carregados no Kohonen. Em princípio, também não foi ruim, pelo menos tampões similares têm as mesmas classes. Mas eu ainda não consegui o jeito da normalização. Tentei convertê-lo para o intervalo 0+1, intervalo -1+1, sigmoidal e tangente. Eu tentei usar os dados "como estão". De alguma forma eu não vi nenhuma vantagem de um ou outro método.
Rosh, você entende por que H+L é previsível (neste caso, persistente) para um processo aleatório?
Eu pensava que era simples, H e L são como um intervalo de confiança para uma variável aleatória, se talvez o número e o gado não mudassem, então este intervalo de confiança permanecerá no lugar (uma constante). E Close é uma previsão do valor deste valor eventual e está entre H e L, por isso é mais difícil de prever.
Eu não tenho esse entendimento e ainda não o tenho. Prival, não aceito sua hipótese de que se trata de algum tipo de intervalo (você se lembra do pico de 200 pontos no cabo, que é feito por um tique?) Nenhum neurônio pode prever isso, mas Fibami, creio, é bastante provável...
P.S. Também não é claro: por que grampos tão longos gostam de descer apenas?
Recentemente experimentei a ZZ em Neuroshell Day Trader. Eu alimentei uma diferença normalizada entre o preço e vários extremos fixos do PP para o PNN (classificador). E também tentei rácios de diferenças (isto é, modelos harmônicos, se você quiser). NS encontra verdades em um intervalo de tempo limitado. Não direi que é um graal, mas o sistema está em lucro sobre dados que não viu.
E como você normalizou exatamente a diferença? A diferença entre o preço e o último extremo? Ou algo mais? E que classificador você usou? Gráficos Kohonen?
Eu ainda não cheguei à ZZ. Até agora eu experimentei com Kohonen e normalizei os dados através de muving. Em geral, também, o potencial é visível, embora fraco. Eu quero conectar as saídas da rede a um "amplificador" =))). Além disso, tentei classificar os castiçais - codificados por diferentes métodos e carregados no Kohonen. Em princípio, também não foi ruim, pelo menos tampões similares têm as mesmas classes. Mas eu ainda não consegui o jeito da normalização. Tentei convertê-lo para o intervalo 0+1, intervalo -1+1, sigmoidal e tangente. Eu tentei usar os dados "como estão". De alguma forma eu não vi nenhuma vantagem de um ou outro método.
Eu faço todas as minhas experiências no NSDT. Tomo as diferenças entre o preço e o último extrema da ZZ. E também entre o último e penúltimo extremo, etc... E também as relações entre as diferenças, - (X-A)/(A-B), (B-A)/(B-C), (B-C)/(C-D), (X-A)/(D-A), geralmente tentando construir modelos harmônicos de Gartley. Eu coloquei tudo em uma rede de probabilidade (há várias variedades em NSh). Eu normalizei valores usando NSh, bem, na verdade esta fórmula
(x-ma(x,n))/(3*stdev(x,n)), ultimamente eu sempre uso esta fórmula. E, na verdade, vá em frente para aprender, cruzar e OOS.
Aqui está um exemplo de normalização que utilizo em quase todos os lugares.
Você pode substituir o que quiser por Close...
Eu não tenho esse entendimento e ainda não o tenho. Prival, não aceito sua hipótese de que se trata de algum tipo de intervalo (você se lembra do pico de 200 pontos no cabo, que é feito por um tique?) Nenhuma rede neural pode prevê-lo, mas Fibami .... Eu acho que é bem possível...
P.S. E outra coisa que eu não entendo: por que é que os garanhões mais longos só gostam de cair?
Vou tentar explicar com mais detalhes. H e L não são nada além de um intervalo de confiança. O valor de sl. não foi além destes limites por dizer um dia. 1 barra diária. Agora basta assumir que este valor aleatório segue uma lei de distribuição. H e L são aproximadamente mozh+-3sko, ou seja, com uma probabilidade de 0,997, o valor aleatório está nestes limites. É mais fácil prever H e L nesta situação, porque é quase uma constante, enquanto o valor da inclinação (Close) permanece como estava.
Basta traçar (você pode gerar) a função de densidade de probabilidade do valor e marcá-lo como positivo+3co. Gerar 1000 valores e por ele (amostra) determinam estes pontos, eles são quase constantes, mas o último número na geração de aleatórios (Fechar). Você pode fazer isso 100 vezes e verificar.
Para os pinos, talvez o seguinte método ajude - você tira 10 medidas (carrapatos) e calcula uma ponte. Os dois mais extremos, que estão na faixa + e -, são descartados. E então você pode usar esta função novamente. Esta estimativa da quantidade desconhecida é mais precisa, pois possui propriedades de estabilidade a tais aberrações anômalas (erro aparente de medição).
No tópico Propriedades interessantes de Alto, Baixo, falamos sobre a previsão "anômala" da série (H+L)/2. O paradoxo é imaginário!
Veja, se a condição que H-L (primeira aproximação da volatilidade do instrumento) é muito menor que (H+L)/2 (primeira aproximação do preço absoluto do instrumento), então (H+L)/2 é equivalente ao procedimento de média da BP com janela deslizante igual a 2. Pensando bem, na realidade é quase uma média. Por outro lado, uma média móvel SEMPRE tem um coeficiente de autocorrelação (CAC) positivo entre os incrementos de séries adjacentes (isto pode ser comprovado diretamente). Assim, para uma BP obtida por integração de gradientes aleatórios e, conseqüentemente, tendo um OAC de gradientes tendendo a zero, o OAC plotado para sua série (H+L)/2 será sempre não-zero e positivo! Infelizmente, este fato não permitirá prever a BP, já que para a série (H+L)/2 haverá invariavelmente um atraso de fase, o que colocará tudo em seu lugar.
Assim.