Usando redes neurais no comércio - página 28
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
O que você escreveu já foi discutido várias vezes neste fórum e não somente. Portanto, não tenho energia para escrever tudo uma segunda vez .......
Robot_al:
... Форекс мне стал более-менее понятен, даже, когда он непонятен - это всего лишь инверсия "понятности".
... Bem, forex é apenas um lugar onde fui capaz de aplicar a lógica da álgebra de George Bull.
Legal...
Ótimo...
O que você escreveu já foi discutido várias vezes neste fórum e não somente. Portanto, não tenho energia para escrever tudo uma segunda vez .......
Portanto, eu não li este fórum com atenção. Porque eu não vi nenhuma discussão desse tipo. De qualquer forma, eu não insisto. E escrever uma segunda vez não é realmente uma tarefa grata.
Ao vir a este fórum, eu me fiz apenas uma pergunta. Essa pergunta parece ter sido respondida.
solar, chamo sua atenção para o fato de ter insinuado o problema da classificação. e este é o princípio da aprendizagem sem um professor. ou seja, não há aqui nenhum conceito de "fora".
P.S. Desculpe, por alguma razão tive que mudar meu apelido para leksus para o atual.
Pouco antes de se concentrar completamente na classificação. Mas pense nisso - se você ensinar 5 letras do alfabeto à rede, por exemplo, como você fará o reconhecimento de texto depois de digitalizá-lo?
Eu não estou te perseguindo de jeito nenhum. A mensagem principal - a completude das informações é necessária. Você está se concentrando na coisa errada até agora, imho.
Pouco antes de você se concentrar completamente na classificação. Pense nisso - se você ensina à rede 5 letras do alfabeto, por exemplo, como você vai fazer o reconhecimento de texto após a digitalização?
Não, é claro que não vou fazer reconhecimento de texto. Não vale a pena aprender as cinco letras...
Obrigado, eu também estou tentando ser construtivo. E me pareceu que estamos falando de coisas diferentes. Ao reclamar das dificuldades de classificação, quis dizer o seguinte.
Vamos pegar o caso clássico - o avião. A teoria afirma que os dados (no caso do plano) devem ser separáveis linearmente para produzir uma classificação bem sucedida.
(desculpe, eu não tinha nenhuma foto bonita, tive que fazer algumas fotos rápidas em Excel).
Suponha que tomamos dados com 2 parâmetros X e Y (o avião...). Anexamo-los aos vetores de unidade e temos a seguinte imagem. Vemos 5 áreas distintamente separadas. Qualquer SOM pode gerenciar a classificação de uma só vez e a classificação será apenas uma classificação. Qualquer dado novo cairá em uma das classes. As propriedades de cada classe são conhecidas por nós, portanto, simplesmente descobrindo em qual classe os novos dados se encaixam, sabemos imediatamente tudo sobre ela. Com tudo o que isso implica...
Infelizmente, os casos clássicos e práticos, como dizem em Odessa, são duas grandes diferenças.
No caso prático, descarregamos os dados e obtivemos uma imagem como esta. A classificação também é certamente possível neste caso, mas não tem nenhum valor prático. Podemos especificar as mesmas 5 classes e a SOM as "desenhará" honestamente, distribuindo de forma uniforme os centros de agrupamento. Os dados recém-chegados irão para algum lugar. Mas este "em algum lugar" não faz mais sentido. Todos os dados, assim como suas propriedades, estão uniformemente espalhados (misturados) através do plano. Se acreditamos em tal classificação e atribuímos um novo dado a uma das classes, estamos apenas nos enganando a nós mesmos.
Este é o cerne do problema, e o que eu quis dizer naquele meu posto. Portanto, não importava como eu olhava para o problema, eu nunca conseguia obter dados com clara separabilidade. Portanto, ou não há separabilidade alguma, então nem tente. Ou eu não tenho tração suficiente. A Mãe Natureza me abençoou com alguma autocrítica, por isso estou inclinada para a segunda opção. Portanto, consulto vários camaradas. Uma vez que você tenha uma classificação clara, você pode então trabalhar com uma grade de probabilidade e uma lógica difusa.
Não, é claro que não estou fazendo reconhecimento de texto. Não vale a pena aprender as cinco letras...
Obrigado, eu também estou tentando ser construtivo. E eu pensei que estávamos falando de coisas diferentes. Em meu lamento sobre as dificuldades de classificação, eu quis dizer o seguinte.
Vamos pegar o caso clássico - o avião. A teoria afirma que os dados (no caso do plano) devem ser separáveis linearmente para produzir uma classificação bem sucedida.
(desculpe, eu não tinha nenhuma foto bonita, tive que fazer algumas fotos rápidas em Excel).
Suponha que tomamos dados com 2 parâmetros X e Y (o avião...). Anexamo-los aos vetores de unidade e temos a seguinte imagem. Vemos 5 áreas distintamente separadas. Qualquer SOM pode gerenciar a classificação de uma só vez e a classificação será apenas uma classificação. Qualquer dado novo cairá em uma das classes. As propriedades de cada classe são conhecidas por nós, portanto, simplesmente descobrindo em qual classe os novos dados se encaixam, sabemos imediatamente tudo sobre ela. Com tudo o que isso implica...
Infelizmente, os casos clássicos e práticos, como dizem em Odessa, são duas grandes diferenças.
No caso prático, descarregamos os dados e obtivemos uma imagem como esta. A classificação também é certamente possível neste caso, mas não tem nenhum valor prático. Podemos especificar as mesmas 5 classes e a SOM as "desenhará" honestamente, distribuindo de forma uniforme os centros de agrupamento. Os dados recém-chegados irão para algum lugar. Mas este "em algum lugar" não faz mais sentido. Todos os dados, assim como suas propriedades, estão uniformemente espalhados (misturados) através do plano. Se acreditamos em tal classificação e atribuímos um novo dado a uma das classes, estamos apenas nos enganando a nós mesmos.
Este é o cerne do problema, e o que eu quis dizer naquele meu posto. Portanto, não importava como eu olhava para o problema, eu nunca conseguia obter dados com clara separabilidade. Portanto, ou não há separabilidade alguma, então nem tente. Ou eu não tenho tração suficiente. A Mãe Natureza me abençoou com alguma autocrítica, por isso estou inclinada para a segunda opção. Portanto, consulto vários camaradas. Uma vez que você tenha uma classificação clara, então você pode trabalhar com uma grade de probabilidade e uma lógica fuzzy.
Raciocínio típico de AT, fé cega no postulado - "A história se repete".
Tudo sobre o que você escreve é bom (talvez) para análise de dados, mas nem de perto para previsão.
Por que você acha que as classes identificadas como resultado de uma classificação bem sucedida (assumindo que você conseguiu resolver este problema) estarão no futuro? A questão principal não é a classificação, mas a previsibilidade do método, a confiança em seu uso no futuro. Esse é um problema completamente diferente. É por isso que as redes neurais têm um valor muito limitado no comércio. IMHO.
Como regra, todo o poder das redes pode ser aproveitado se você utilizar dados indiretos, ao invés de diretos, que tenham uma relação estável com o objeto.
Por exemplo, a iluminação dos objetos durante o dia e à noite, dependerá do ângulo do sol. E se você usar os dados de iluminação do sol, você obterá a iluminação dos objetos.
O objetivo das redes é reconstruir a informação a partir de eventos relacionados. Uma rede não é uma função mágica, ela tem tanta magia quanto qualquer função matemática.
Não vou insistir, mas se você quiser classificar, aproximar, prever, interpolar ou qualquer outra coisa ..... qualquer ferramenta, você precisará arquivá-la. tudo Destacarei todos os dados relacionados a ele. E isto não é apenas OHLCV transformada de alguma forma. Por exemplo, o movimento do ouro pode ter algum efeito sobre qualquer instrumento? Óleo ? E assim por diante.....
Boa sorte em geral com esta difícil tarefa para você.
Talvez você não devesse enfiar nada ali, afinal de contas? Talvez devesse haver alguma conexão entre o que entra e o que sai?
Você está sugerindo dólares para a entrada?
Eu estive pensando. Talvez seja isso mesmo. ))
Raciocínio típico de AT, fé cega no postulado - "A história se repete".
A fé cega nunca existiu. Materialista até o núcleo. Mas estou absolutamente convencido de que "a história se repete". Acredito que ela se repete. Isso não significa que o preço de hoje às 15 horas se comportará da mesma forma que na terça-feira passada às 15 horas, ou algo semelhante.
Tudo sobre o que você escreve é bom (talvez) para a análise de dados, mas não é nem de perto suficientemente bom para a previsão.
Por que você acha que as classes identificadas como resultado de uma classificação bem sucedida (assumindo que você tenha conseguido resolver este problema) estarão no futuro? A questão principal não é a classificação, mas a previsibilidade do método, a confiança em seu uso no futuro. Esse é um problema completamente diferente. É por isso que as redes neurais têm um valor muito limitado no comércio. IMHO.
Tanto a análise quanto a previsão estão no mesmo copo, neste caso.
Sobre as aulas que não estou contando, no momento estou apenas especulando. E você está certo, a questão principal não é a classificação. A classificação é apenas uma espécie de base. E além disso (objetivo) é a previsibilidade. Mas eu também não conto nada aqui. Não sei se pode funcionar ou não. Descobrirei quando eu implementar o "dispositivo em ferro". Só então se tornará conhecido.
A fé cega nunca existiu. Um materialista até o núcleo. Mas estou absolutamente convencido de que "a história se repete". Acredito que está se repetindo. Isto não significa que o preço se comportará da mesma forma que na terça-feira passada às 15:00, ou algo semelhante.
Tanto a análise quanto a previsão estão no mesmo copo, neste caso.
Sobre as aulas que não estou contando, no momento estou apenas adivinhando. E você está certo, a questão principal não é a classificação. A classificação é apenas uma espécie de base. E além disso (objetivo) é a previsibilidade. Mas aqui eu também não conto nada. Não sei se pode funcionar ou não. Saberei quando eu implementar o "dispositivo em ferro". Só então se tornará conhecido.
Talvez eu não entenda alguma coisa.
Nós classificamos em padrões. Acreditamos que tal padrão aparecerá no futuro e seremos capazes de usar esse conhecimento para fazer previsões. Certo?
Com que fundamentos? Quem provou que haverá um padrão desse tipo, ou ligeiramente ou fortemente alterado?
IMHO se ensinarmos a rede a reconhecer a letra "a" escrita à mão, então há certeza absoluta de que esta letra será no futuro, pois ela existe na língua e se no futuro a maioria das pessoas começar a escrever com os pés, ainda haverá um "a", apenas a letra "a" mudará e talvez a rede tenha que ser mais bem treinada. Fala de estacionariedade.
As citações são um processo não estacionário em princípio, ou seja, há algum tipo de desvio o tempo todo, diferente em momentos diferentes, que são comparáveis a (exceder) a parte estacionária. Este é o problema - a não-estacionariedade do original: cartas russas hoje e cartas chinesas amanhã. É preciso buscar a realidade objetiva que as cartas refletem. E isto é o que não fazem as redes neurais.