Encontrar um conjunto de indicadores para alimentar as entradas da rede neural. Discussão. Uma ferramenta para avaliar os resultados. - página 3

Novo comentário
 
ivandurak >> :

Eu também estou muito interessado em encontrar um conjunto mínimo de indicadores e avaliação dos resultados, mas para meus próprios propósitos.

Somente em vez de um preço próximo é necessário utilizar o resultado do comércio.

Cgm ... Você esquece que para a máxima eficiência do aprendizado as entradas da rede devem ser estatisticamente independentes, não deve haver correlação entre os dados alimentados a cada entrada. Todas as máquinas são corrigidas umas com as outras, você pode verificar. Há um software bastante útil e simples - AtteStat, é um complemento do Exel, mas muito útil.
 
rip >> :

É exatamente isso que quero dizer...


Como você forma um vetor que depois passa para JGap, é apenas um vetor de valores W ou são codificados valores W.

O que é uma função alvo? Posso dar um exemplo - se tomarmos como alvo a f-função E[i](t) = D[i](t) - Y[i](t), onde E é erro, D é valor esperado na saída, Y é valor obtido pela entrada da amostra de treinamento X, i é norma de neurônio, t é número de época. Se tomarmos E[i](t) = Sign(D[i](t) - Y[i](t))*(D[i](t) - Y[i](t))^2 em uma série de tarefas, o resultado é muito melhor. Digamos, se formarmos uma série que reflita os atrativos dos sistemas dinâmicos clássicos (Lorenz, Henon, Rössler,...), podemos até mesmo treinar a rede para aproximar tais dados, não profundamente mas ainda assim.


Não tentei com séries formadas a partir de cotações de moedas :) porque acho que não vai funcionar :)

Não. Eu só passo o valor da função alvo para o algoritmo genético, e o algoritmo genético produz um vetor de valores para cada gene, que converto em uma matriz de pesos da rede neural.

 
IlyaA >> :
Com um projeto como este, você pode conseguir um eviti quase vertical sem deslizamento. Você vai abordar a questão da reciclagem no neurônio?

A questão da reciclagem está em segundo plano, por enquanto. Vou pegar 2 meses de M5 (são 12*24*22*2=12.000+ valores) e usá-los para treinar uma rede neural que tem 150 -300 escalas... Acho que é um longo caminho para a reconversão aqui

 
rip >> :

E a reconversão pode não acontecer ... Se o autor citar como um gráfico de erro em uma amostra de teste, você pode dizer num relance o que acontece com o excesso de treinamento.

De que erro estamos falando? a função alvo é maior - por isso o gene é mais apropriado...

 
IlyaA >> :


Concordo. ele está trabalhando com uma caixa preta. é muito provável que haja supertreinamento. Caro ileiarr, você pode publicar o gráfico de treinamento.

Estou registrando o número de linha, número de geração (até 10), valor da função alvo... Acho que esta informação não pode lhe dizer nada sobre requalificação... Acho que não há nenhum treinamento de reciclagem, porque a amostra de treinamento excede em muito o número de pesos na rede neural

 
joo >> :

Você não deveria estar usando os braços ondulantes. Ou melhor, você não deve utilizar apenas médias móveis. Tente experimentar um conjunto de diferentes tipos de indicadores, de preferência o algoritmo de cada indicador deve ser radicalmente diferente dos outros. Então, você obterá mais informações para a rede.

Mais um ponto.

Você está usando um sistema de comércio reverso baseado em sinais NN. Isto é exatamente o mesmo que o especialista em média móvel padrão. Não há melhor nem pior.

Procure uma maneira de determinar o tamanho do SL e TP com NN, e formas de acompanhar as posições abertas. Você também pode abrir ao acaso.


GA é apenas uma ferramenta de otimização (chave de fenda para a máquina). Com diferenças mínimas você pode usá-lo ou qualquer outro algoritmo de otimização (chave de fenda).

Esta foi a questão principal para a qual criei o tema... Que conjunto de indicadores usar? Não sei o suficiente sobre indicadores para poder fazer uma boa escolha e não tenho recursos suficientes para fazer uma pesquisa estúpida... Se você tiver um conjunto completo de indicadores, eu agradeceria.

Quando tenho a informação em tempo real, não sei o que tenho e não sei como fazer isso.

 
iliarr >> :

Eu registro o número de linha, número de geração (até 10), o valor da função alvo. Acho que esta informação não pode lhe dizer nada sobre requalificação... Acho que não há reciclagem, pois a amostra de treinamento excede em muito o número de pesos na rede neural


O público precisa ver uma dependência gráfica do erro de aprendizagem em relação ao tempo (número de épocas).
 
12000 valores :-D com tantos pesos é muito.
 
ivandurak >> :
E se o fizermos com base no princípio do macaco da sorte? Por exemplo, vamos pegar a CCI e verificá-la em todo o histórico disponível, escolheremos setores rentáveis que não perderão o tempo todo. Depois pegamos Momentum, Bollinger, Muvings e escolhemos áreas rentáveis. A negociação é feita virtualmente e um sistema que se mostra tão bom quanto a seleção inicial é admitido para negociação real. Se a história se repete, deve funcionar. Além disso, a vantagem desta abordagem é uma estimativa aproximada da duração de uma boa situação. Quais são seus critérios para selecionar áreas rentáveis como número de negócios, a média de transações, o saque máximo, a duração de uma área rentável, eu tenho uma pequena idéia, eu lhe direi mais tarde.

Você estava falando sério? Ou talvez você precise de algumas modificações?

a[0]=iCCI(Symbol(),0,12,PRICE_TYPICAL,0)
a[1]=iMomentum(NULL,0,12,PRICE_CLOSE,0)
a[2]=iBands(NULL,0,20,2,0,PRICE_LOW,MODE_LOWER,0)
a[3]=iMA(NULL,0,13,8,MODE_SMMA,PRICE_MEDIAN, i)
 
iliarr >>

Esta foi a questão principal para a qual criei o tema... Que conjunto de indicadores usar? Não sei o suficiente sobre indicadores para poder fazer uma boa escolha e não tenho recursos suficientes para fazer uma pesquisa estúpida... Se você tiver um conjunto completo de indicadores, eu agradeceria.

Se você tem um bom conhecimento de funcionamento do detector, não se preocupe, eu o obterei imediatamente.

já tenho um bom conhecimento prático dos indicadores, vou dar-lhes um bom resultado.

e em 2 dias você terá sua própria opinião.

12345678910
Novo comentário
Razão: