Assessor para um artigo. Testes para todos os participantes. - página 5
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
Não é preciso resolvê-lo. É suficiente encontrar uma amostra de treinamento suficiente para um caso em particular, e é muito fácil de fazer.
IMHO, isto é muito mais fácil de resolver. Sentei-me e experimentei várias janelas de otimização e encontrei este método:
Executamos a primeira otimização. Buscamos um avanço bem ou mal sucedido com um drawdown decente. Mova o cursor em um gráfico para a parte inferior deste mesmo desenho e veja a data em uma ponta de ferramenta. Deslocar o fim da janela de otimização para esta mesma data. Fazemos mais uma otimização e buscamos o sucesso no futuro e vemos que um milagre aconteceu: o ajuste nivelou nosso sorteio anterior e o transformou em uma área lucrativa, e então o avanço é bem sucedido, como era antes deste truque.
Teoricamente este método é certamente melhor, porque neste caso nosso TS aprendeu a eliminar o drawdown, o que não pôde fazer antes, porque não tinha poderes telepáticos e nós lhe dissemos qual foi seu erro. E praticamente - ainda está escrito com uma forquilha, ou seja, devemos verificar adicionalmente se este método é adequado, pois a área da janela para testes dianteiros diminuiu.
O material para o artigo já está totalmente montado, a única coisa que resta é colocar tudo isso em ordem, adicionar algumas imagens e você pode enviá-lo para publicação.
Em resumo, o artigo trata de uma rede neural com sistema de especialistas embutidos (o que os escritores de papel podem sonhar por uma taxa?) e dá respostas às seguintes perguntas
1. Por que uma rede neural precisa de interpolação? Realmente, por que de repente ele precisou dele?
2. Um neurônio que foi treinado para uma correta aproximação de dados estacionários e consistentes pode interpolar? Revelado a partir do exemplo de uma regressão logística, que por sua vez é um neurônio. Os propagandistas da regressão logística continuarão insatisfeitos. Os médicos de pragas também desaprovam este rabisco, pois hoje em dia está na moda calcular diagnósticos computadorizados usando a regressão logística.
3. Como criar um sistema especializado para uma interpolação correta: condições necessárias e suficientes? Um sistema especializado é essencialmente uma camada de rede neural, mas não uma caixa preta, porque tem uma base de conhecimento de regras facilmente interpretáveis, como outros sistemas especializados. Se alguém tem algo a esconder, é melhor não ler tal coisa, mas usar caixas pretas.
4. É possível fazer a requalificação de uma rede neural com um sistema especializado a bordo? Quem o proíbe?
5. Como treinar automaticamente o sistema especializado sobre o conjunto de exemplos de treinamento para que você não tenha que criar e corrigir manualmente sua base de conhecimentos? Naturalmente, exemplos de treinamento são sinais comerciais, ou seja, usamos leituras de indicadores técnicos ou osciladores para treinar o sistema para comercializar, mas não para reconhecer algumas íris nerds de Fisher. Mas ainda assim é mais conveniente e confiável arranhar a base de conhecimento com as mãos, especialmente com curvas e crescendo de alguns lugares, do que confiar este caso a estúpidos algoritmos.
6. Como eliminar o sub-treinamento de uma rede neural com um sistema especializado? Esta é certamente uma pergunta estranha, porque todos estão acostumados a lutar com a reciclagem e os ajustes. Mas o autor está obviamente determinado a lutar contra algo errado.
7. Vantagens e desvantagens das redes neurais comuns em comparação com uma rede neural com um sistema especializado a bordo? O autor foi longe demais em termos de desvantagens, pois hoje em dia é provável que se vanglorie de algo como: know-how, solução patenteada, dificilmente se encontram análogos, recomendações dos melhores criadores de cães e dentistas, não pode haver desvantagens, apenas vantagens, encomendar e comprar agora mesmo, enquanto o estoque já está se esgotando, etc.
Também serão anexados a este artigo códigos fonte da rede neural com sistema especializado escrito em mql4 e mql5 sem utilizar bibliotecas externas e dll, e o próprio artigo explica as principais características dos algoritmos ao longo do caminho. E não há sentido algum, porque todos os garra-pregos sabem com certeza que os códigos fonte devem ser cuidadosamente escondidos dos olhos curiosos, as testemunhas devem ser removidas e todos os vestígios devem ser encobertos.
Essas são as tortas.
O problema com a adaptação é que algumas pessoas só analisam os resultados da otimização individual (corridas). Mas é preciso considerá-los como um todo - o resultado geral das zonas ideais. Neste caso, não é necessário avançar.
Por exemplo, temos um sistema em uma única máquina com um ótimo - o período de máquina. Otimizado e com um monte de conjuntos de valores de atacado, organizados pela PF, por exemplo. Naturalmente, a chance de que as corridas individuais sejam aleatórias é alta e precisamos verificá-las, por exemplo, com antecedência. Mas se considerarmos não as corridas individuais, mas a zona ótima e o resultado nela, então é quase impossível encaixar um resultado positivo na zona ótima em diferentes partes da série. Naturalmente, isto depende da largura da zona ótima e da sensibilidade dos resultados da corrida a uma mudança mínima no ótimo. Isto é, manter a zona ideal é um sinal de robustez e anti-instalação. E o avanço só é bom quando usado uma vez. Use-o repetidamente para o mesmo sistema e ele apenas se torna parte da amostra de treinamento.
P.S.
O momento em que um determinado sistema estava em funcionamento é também um parâmetro do sistema. Por exemplo, trabalhou-se de 2005 a 2011. Esta é sua faixa de valor ideal - tempo de vida. Otimizando a história, quase procuramos encontrar sistemas com o máximo desta gama. Mas o sistema não deve funcionar para sempre. É por isso que ao estabelecer um período de teste devemos levar em conta que devemos escolhê-lo arbitrariamente e exigir que o sistema funcione em toda esta gama - é apenas uma frase vazia. Se você decidir pesquisar por 10 anos, você o faz). Imha, já é um período suficiente, que dá o nível desejado de confiança nos resultados. Depende do número de negócios e da distribuição de negócios rentáveis/fraccionados.
Avals:
Mas se você considerar não corridas individuais, mas a zona ótima e o resultado sobre ela, então manter um resultado positivo sobre a zona ótima em diferentes partes da fila é quase impossível de caber.
Sim, imho é o mesmo, mas em uma veia diferente. A zona ideal é algum tipo de filtro suavizante sobre os resultados?
é como um valor médio do índice alvo (fator de lucro, por exemplo) em uma determinada gama de óticas.
É importante que o leque de opções com um valor-alvo médio suficiente seja suficientemente amplo para ser mantido em todas as partes do teste. As corridas individuais podem entrar temporariamente na zona de perdas, mas em média a faixa deve permanecer lucrativa. O sistema é robusto se isto for verdade para cada opção.
Portanto, a idéia não é estimar a robustez de uma corrida individual, mas da opção como um todo.
Por exemplo, decidir que o QI de uma pessoa depende da altura. Otimize-o em 1000 células e obtenha um QI médio máximo de 162 cm de altura. Então eles começaram a fazer testes em outras pessoas e isso acabou não sendo tão bom)) Mas, se se verificar, que de forma constante em cada amostra as pessoas com altura, por exemplo, de 160-170cm têm um QI médio mais alto, então as chances são muito menores do que em um único valor (porque mais pessoas chegam à amostra). E isto significa que, por si só, a dependência do QI em relação à altura tem um lugar.
Nova versão no arquivo anexo, desta vez com gerenciamento de dinheiro (porcentagem não agressiva de depósito):
Nova versão no arquivo anexo, desta vez com gerenciamento de dinheiro (porcentagem não agressiva de depósito):
O problema com a adaptação é que algumas pessoas só analisam os resultados da otimização individual (corridas). Mas é preciso considerá-los como um todo - o resultado geral das zonas ideais. E então o avanço não é necessário.