rede neural e entradas - página 8
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
Quanto ao reconhecimento das letras do alfabeto (por analogia), devemos supor que o mercado é um sistema fechado. Isso o tornará estacionário (em seu idioma), ou seja, devemos inserir tudo o que sabemos sobre o mercado. )))))
E aqui aparece a eterna questão do construtor do TS: a função não linear que a rede construiu com as entradas e saídas dadas é um ajuste ou uma regularidade realmente encontrada?
E no caso da NS a questão é muito séria, porque, por exemplo, 2 camadas de 10 neurônios é uma centena de pesos (uma centena de parâmetros da futura EA) que devem ser otimizados. Tente pegar um Expert Advisor com uma centena de parâmetros e executar a otimização em todos eles durante um ano: o mais provável é que isto seja considerado um ajuste.
Mais especificamente, não conhecemos a natureza da não-estacionariedade dos mercados financeiros e, infelizmente, não sabemos.
A única vantagem da NS é que ela é muito não-linear e muito flexível. Com uma pequena quantidade de neurônios, o NS pode memorizar (aprender) 10-15 anos de uma minuciosa tabela de qualquer ferramenta facilmente.
Ao que parece - o que mais é necessário?
E aqui apenas a habilidade do comerciante se torna relevante - para inserir informações sobre aqueles símbolos que têm regularidade e evitar a reciclagem da rede. Se estas duas condições forem cumpridas - a rede funcionará perfeitamente.
Mas estas duas condições estão entre as mais difíceis. Tudo o que você precisa é do "sentimento de intuição" do comerciante )))).
Mais especificamente, a natureza da não-estacionariedade dos mercados financeiros é algo que não sabemos e infelizmente não podemos saber.
Certamente podemos especular, mas é como prever - não adianta. "Como um dedo no céu" ))))
Não é nada inútil: se a entrada (quociente) for adequadamente descrita, ela dá uma vantagem estatística bastante tangível. Para colocá-lo em termos formais, o problema é encontrar uma transformação que tenha um kotir na entrada e um GPB estacionário na saída como o residual. Se a transformação for encontrada, isso significa que o modelo leva em conta todas as peculiaridades do comportamento do kotir. Bem, então é uma questão de técnica - analisar os parâmetros atuais do modelo e determinar se eles nos permitem atualmente tirar proveito da situação. A tarefa é criativa, mas esse é o caso, "calibre científico" foi, é e sempre será o principal método de síntese científica)))
Não inútil em absoluto: se a entrada (quociente) for adequadamente descrita, ela dá uma vantagem estatística bastante tangível. Em termos formais, o problema é encontrar uma transformação que tenha um kotir na entrada e um GER estacionário na saída como o residual. Se a transformação for encontrada, isso significa que o modelo leva em conta todas as peculiaridades do comportamento do kotyr. Bem, então é uma questão de tecnologia - para analisar os parâmetros atuais do modelo e determinar se eles nos dão a oportunidade de aproveitar a situação no momento determinado. A tarefa é criativa, mas esse é o caso, "calibre científico" foi, é e sempre será o principal método de síntese científica)))
Eu não concordo com tais complicações, mas seja o que for.
Na verdade, na minha opinião (e não apenas na minha), tudo é muito mais simples - se houver padrões nos quocientes alimentados às entradas e saídas NS, então a rede os encontrará com sucesso e você ficará feliz. E praticamente qualquer NS. Se não houver regularidades - é inútil transformar, sintetizar, construir algum tipo de NS completo e estar envolvido em outros problemas científicos e matemáticos - você não encontrará regularidades onde não há nenhuma )))).
É como procurar um gato preto em uma sala preta, especialmente se ele não estiver lá ))))
Eu não concordo com tais complicações, mas não importa.
Na verdade, na minha opinião, é muito mais simples - se houver padrões nos quocientes alimentados às entradas e saídas NS, a rede os encontrará e você ficará feliz. E praticamente qualquer NS. Se não houver regularidade - é inútil transformar, sintetizar, construir algum tipo de NS completo e fazer todos os outros pokes científicos e matemáticos )))).
Eu não! A regularidade pode não estar em toda parte, mas aparece apenas em determinados momentos, de curto prazo, que a NS não definirá devido a sua inércia. Pessoalmente, tenho exatamente este ponto de vista em relação ao kotier - existem pequenas áreas locais de ineficiência, e para trabalhar com elas é preciso detectá-las logo no início. Para que a rede possa fazer isso, ela deve ser não uma rede qualquer, mas uma rede com feedbacks entre as camadas, e não tomada ao acaso, mas de acordo com algum modelo, ou seja, novamente, algum conhecimento a priori deve ser colocado no NS.
Não, não tem! O padrão pode não estar em toda parte, mas pode aparecer apenas em determinados momentos, de curto prazo, que a NS não pode detectar devido a sua inércia. Pessoalmente, este é exatamente meu ponto de vista em relação ao kotier - existem pequenas áreas locais de ineficiência, e para trabalhar com elas você precisa detectá-las logo no início. Para que a rede possa fazer isso, ela deve ser não uma rede qualquer, mas uma rede com feedbacks entre as camadas, e não tomada ao acaso, mas de acordo com algum modelo, ou seja, novamente, algum conhecimento a priori deve ser colocado no NS.
A propósito, na teoria de controle ótimo acima mencionada está provado que o problema da busca por uma lei de controle ótimo sob certas condições (np bastante simples na estrutura "contra-exemplo Witsenhausen" para o controlador quadrático) é NP-complete (ou seja, computacionalmente muito complicado), então não é de se admirar que eles tentem resolvê-lo apenas com este NS em particular...
Não, não é! A regularidade pode não estar em toda parte, mas aparece apenas em determinados momentos, de curto prazo, que a NS não pode determinar devido a sua inércia. Pessoalmente, tenho exatamente este ponto de vista em relação ao kotier - existem pequenas áreas locais de ineficiência, e para trabalhar com elas é preciso detectá-las logo no início. Para que a rede possa fazer isso, ela deve ser não uma rede qualquer, mas uma rede com feedbacks entre as camadas, e não tomada ao acaso, mas de acordo com algum modelo, ou seja, novamente, algum conhecimento a priori deve ser colocado no NS.
Talvez, mas por que fazer tais investigações quando é possível ganhar dinheiro por métodos muito mais simples.
Seu método faz algum sentido profundo, mas surgem muitas perguntas que têm muito poucas respostas - como você detecta essas áreas ineficazes? Quais são as ineficiências? Como você identifica a natureza desses feedbacks em relação a esses modelos? Como pode ser determinada a correlação entre esses modelos e os feedbacks? Que conhecimento a priori e como relacioná-lo com os modelos em conjunto com os feedbacks? Em resumo - câncer cerebral ))))
A propósito, na teoria do controle ótimo que mencionei, está provado que o problema de encontrar uma lei de controle ótimo sob certas condições (nn uma estrutura bastante simples "Witsenhausen contra-exemplo" para um controlador quadrático) é NP-complete (isto é, computacionalmente terrivelmente complicado), então não é de se admirar que eles tentem resolvê-lo com um NS...
OK, eu desisto )))) Estou fora ))))