Usando redes neurais no comércio - página 33
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
Bonito - lindo.
No Exército, um camarada meu tinha esta inscrição tatuada em seu ombro. :-)
Penso que o assunto não está coberto, pelo menos em termos de organização e preparação dos dados de entrada na rede...
Precisamos definir o objeto com o qual estamos trabalhando. Onde é que as redes neurais têm esta definição? Com o que elas trabalham? Camadas, perceptrons?
Por que as redes neurais precisam de quaisquer camadas ou perceptrons? Deixe que os desenvolvedores de redes neurais lidem com eles.
Para um networker neural, uma rede neural é uma caixa preta.
Todos os engenheiros de redes neurais devem ter para definir tarefas: valores nas entradas e valores nas saídas - amostra que é dividida em duas partes - treinamento e testes (teste de avanço). Assim, a tarefa é assegurar que os valores nas entradas com probabilidade máxima coincidam com os valores nas saídas da rede neural em amostra de teste, após treiná-la na amostra de treinamento.
Você tem que começar aqui. Comece com uma simples.
Série estacionária = Mo e variância é uma constante. Com ARCH a variância não é apenas uma constante, ela também depende dos valores anteriores.
Na construção de modelos, é obrigatória a verificação dos resíduos de ARCH dos modelos, pois o MOC não pode ser aplicado na presença de ARCH.
começar a partir daqui - não poderia ser mais simples.
Não me pergunte - tudo isso já foi explicado neste fórum há muito tempo.
Os padrões são ensinados durante 18 horas e aceitos para crédito, sendo a pergunta principal: você entende que os padrões não devem ser usados no comércio?
Se você colocasse a questão dessa maneira, eu diria que seu professor estava pelo menos um pouco fora de tópico.
Não estou sendo sarcástico, eu também era um estudante. Estou curioso, após qual resposta foi dado o crédito?
Dito isto, eu diria que seu professor foi, no mínimo, um pouco fora de tópico.
Não estou sendo sarcástico, eu também era um estudante. Estou curioso, após qual resposta foi dado o crédito?
Sinto muito, os estudantes vêm em todos os tipos de majors. O TA é ensinado em quinze dias a qualquer pessoa em DC, enquanto a econometria leva cinco anos e nem todos o querem.
Posso dizer novamente: em TA não há dúvida alguma da probabilidade de que a previsão seja cumprida. Nós apenas acreditamos e vazamos e não entendemos o porquê. Na econometria, a questão da confiança nos resultados da modelagem é a principal questão. Assim como na vida.
Por que as redes neurais precisam de quaisquer camadas ou perceptrons? Deixe que os desenvolvedores da rede neural lidem com eles.
Para um projetista de rede neural, uma rede neural é uma caixa preta.
Todos os engenheiros de redes neurais devem ter para definir tarefas: valores nas entradas e valores nas saídas - amostra que é dividida em duas partes - treinamento e testes (teste de avanço). Assim, a tarefa é assegurar que os valores nas entradas com probabilidade máxima coincidam com os valores nas saídas da rede neural em amostra de teste, após treiná-la na amostra de treinamento.
Caro Yuri, gostaria de lhe pedir para não usar tal declaração em um sentido geral (quero dizer sobre todas as redes neuronais). Como você vê, as redes neurais (em um sentido geral) muitas vezes se preocupam com o número de camadas escondidas, e também periodicamente com o número de neurônios nessas camadas escondidas. E às vezes também há dificuldades com a escolha da função de ativação. E às vezes é preciso escolher também um método de descida por gradiente. Não estou nada ofendido, não estou nada ofendido. Mas mesmo assim, você simplificou demais a situação.
De acordo. Meus postos estão fora de tópico. Se me dão licença.
Desculpe, os estudantes vêm em todos os tipos de especializações. O TA é ensinado em uma quinzena a qualquer pessoa em DC, enquanto a econometria é ensinada por 5 anos e não a todos.
Posso reiterar: em AT a questão da probabilidade de execução prevista não é levantada de forma alguma. Nós apenas acreditamos e vazamos e não entendemos o porquê. Na econometria, a questão da confiança nos resultados da modelagem é a principal questão. Como na vida.
Eu não estou discutindo. Econometria é você, não eu. Tenho apenas três anos de matemática sob minha alçada em um departamento não matemático. E TA nunca foi exigido parater um"intervalo de confiança". O AT indica (mostra o comerciante) a ocorrência de uma situação, após a qual um evento acontecerá com um alto grau de probabilidade. Como regra, para um lado ou para o outro. Em outras palavras, a previsão do evento e somente o evento. E onde exatamente nunca foi o objetivo da AT, com raras exceções. Na maioria das vezes, é "onde quer que ele sopre, é onde nós negociamos".
EconMod, eu joguei fora a bandeira branca. Eu estava cansado de operar neste modo. A verdade parou de tentar falar no sentido restrito há cerca de 7 páginas. Fazer xixi por fazer xixi, isso não é o meu forte. Estou quieto desde criança.
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, não consegui encontrar fotos bonitas, tive que fazer 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.
Vamos pegar o caso clássico - o avião. A teoria afirma que, para produzir uma classificação bem sucedida, os dados (no caso do plano) devem ser separáveis linearmente.
O avião é um exemplo clássico, não um caso clássico. E esta simples separabilidade é utilizada em tais exemplos apenas para ilustrar a idéia.
É necessário aumentar gradualmente a dimensionalidade do vetor de características a fim de construir uma classificação praticamente aceitável. Neste caso, a separação das classes terá que ser não linear.