Neuromongers, não passem por aqui :) precisam de conselhos

 

Saudações :) .

A situação é a seguinte: há cerca de meio ano, eu me envolvi seriamente com a neurônica. E gradualmente, passo a passo, não sem a ajuda de alguns usuários do fórum, cheguei a tal quadro:

Aqui está minha cabeça de mastro, se alguém estiver interessado:

par GBPUSD, colado para frente desde 10.2001 até agora.

Kagba a tendência positiva está aí :) é bom :) estou feliz sem fim. Mas a expectativa e o saque não são nada agradáveis.

Se eu negocio desta forma, recebo menos de 20% por ano com o mesmo máximo de drawdown.

Dica: Suspeito que posso reproduzir uma imagem semelhante em qualquer grande empresa.

O único problema é que demorei 2,5 horas e mais de 1000 de reconversão da rede para obter este gráfico.


Existe alguma maneira de melhorar estas estatísticas?

Ficaria feliz em ouvir quaisquer sugestões de pessoas que utilizam redes neurais no comércio.

 

Uma imagem da tabela é certamente boa, mas não é suficiente para qualquer conselho e pensamento sensato, e apenas para falar sobre o tema, não apenas sobre o que se trata. Com sua permissão, algumas perguntas importantes:

1) O que é a moldura? Duração padrão do período de aprendizagem e OOS?

2) A profundidade da janela de dados de entrada? E em geral sobre os dados de entrada o que não é "desculpe"...

3) Tipo de NS?

4) Função Fitness?

WZY... E não prometa ainda jurar por todas as grandes classes) Para a minha NS é GBPUSD e EURUSD que se tornam as mais "grandes", o resto é definitivamente pior...

Z.U.2. E seria bom ter um resultado separado do período de treinamento e do OOS seguinte, não de todo o período, mas apenas um pedaço da cola, a média.

 
Figar0:

1) Que estrutura? Duração padrão do período de aprendizagem e OOS?

M15. Janela de 25 meses, OOS de um mês.

2) A profundidade da janela de dados de entrada? E em geral sobre os dados de entrada o que não é "desculpe"...

Citações convertidas em ferro de passar. Para o gráfico acima a profundidade é de 60 barras, a cauda prevista 15. A cauda não é comercializada a todo o comprimento. Esta era a configuração padrão.

3) Tipo de NS?

Rede eco :) Mas não importa. Tenho certeza de que poderia obter resultados semelhantes, digamos, com a FANN, somente com mais trabalho.

4) Função Fitness?

Função de aptidão de quê?

Z.U. E não prometa ainda jurar por todos os instrumentos "maiores") Para o meu NS são GBPUSD e EURUSD que se revelam os mais "maiores", os outros são definitivamente piores...

Vou dar uma olhada. É apenas longo.

 

Em resumo:

Aprendendo na História - > Retraining - Profit on History - > On Real - Total Flush = Etapas de qualquer autômato neural.

Você não está cansado de cometer os mesmos erros?

Pessoas sortudas, tanto tempo livre.

 
TheXpert:

Função de aptidão de quê?


A função de aprendizagem alvo da rede neural. Em que a rede é implementada? Em que é treinado?

Z.I. Correu para ler sobre a rede "Echo") Iniciar link para não compartilhar, Yandex e google levam ao lugar errado, obviamente...

Risco:

Em resumo:

Aprendizagem sobre a história - > Re-aprendizagem - lucro sobre a história - > Em real - drenagem completa = Etapas de qualquer autômato neural.

Você não está cansado de cometer os mesmos erros?

Pessoas sortudas, tanto tempo livre.


O homem lhe mostrou o OOS assim, por que haveria de haver uma perda no "real"?)

 
Risk:

Em resumo:

Em resumo, shoo!
Figar0:

A função de aprendizagem alvo da rede neural. Em que é implementada a rede? Em que é treinado?

A função alvo é uma semblante de uma cauda. A rede é implementada em uma dll, a implementação é minha. O treinamento e as funções básicas de serviço são fornecidos pela implementação.

 
Figar0:

A função de aprendizagem alvo da rede neural. Em que é implementada a rede? Em que é treinado?

Z.I. Eu corri para ler sobre a rede "Echo")


O homem lhe mostrou o OOS como, por que deveria haver um dreno no "real"?)


O sistema é ajustado à história e quanto melhor a curva de lucro, mais o sistema é requalificado. Uma vez que o sistema atinge a vida, é isso ... mata.

Os neurônios só são bons para encontrar soluções na ciência básica.

/ apagado por moderador/
 
TheXpert:

Função alvo -- similaridade da cauda. A rede é implementada em uma dll, a implementação é minha. O treinamento e as funções básicas de serviço são fornecidos pela implementação.




Acho que entendo, ou seja, a rede é treinada diretamente em MT?

Outra pergunta é: por que 1000 de reciclagem, que é claramente mais do que o número de meses do teste? Mês de treinamento OOS, mês de treinamento OOS.... . Alguns resultados de treinamento são eliminados pelos resultados da licitação e a reciclagem é feita?

 
Figar0:


Acho que entendi, ou seja, a rede é treinada diretamente em MT?

Outra pergunta é: por que 1000 de reciclagem, que é claramente mais do que o número de meses do teste? Mês de treinamento OOS, mês de treinamento OOS.... . Alguns resultados de treinamento são eliminados pelos resultados da licitação e a reciclagem é feita?


Situação: O evento A - > leva ao evento B, e este tem sido o caso, digamos, de todo o ano de 2009

Estamos em 2010 - Evento A - > leva a um evento que não é B.

/deletado pelo moderador/.

 
Risk:


O sistema é ajustado ao histórico e quanto melhor a curva de lucro, mais o sistema é retrabalhado. Uma vez que o sistema atinge a vida, é isso ... acabou.

Os neurônios só são bons para encontrar soluções na ciência básica.

O ZE Expert simplesmente não entende a natureza das coisas, é como um macaco com uma arma.


Você parece não ter descoberto qual é a causa do excesso de treinamento e a causa do dreno. é tudo, e você pode resolver muitos problemas com redes.

Você não parece ter ido além do NSH4 ou 5...

 
Risk:


O sistema é ajustado à história, e quanto melhor a curva de lucro, mais o sistema é treinado em excesso. Uma vez que o sistema atinge a vida, é isso ... criança.

Os neurônios só são bons para encontrar soluções na ciência básica.

O ZE Expert simplesmente não entende a natureza das coisas, é como um macaco com uma arma.


cara, foi-lhe dito que é um teste de avanço.
Razão: