O que alimentar a entrada da rede neural? Suas ideias... - página 55
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
Chegamos aos paradigmas fundamentais da negociação: 1) Os padrões são os mesmos para compra e venda, apenas espelhados 2) Os padrões para compra e venda são diferentes Sim, de fato, enquanto não houver provas, podemos confiar em algumas crenças ou fatos.
Nesse caso, como eu disse acima, confio no fato de que, em todas as TSs conhecidas, as condições para COMPRA e para VENDA são as mesmas, espelhadas. Isso se aplica tanto às TSs de drenagem (99,9%) quanto às bem-sucedidas. Enfatizo - bem-sucedidas.
O fato de que qualquer discriminação de um dos tipos de negócios afeta negativamente os forwards e os backs também joga contra a segunda posição, em minha opinião.
Por exemplo, meu truque sobre o intervalo - se ele não for espelhado, mas diferente (ou seja, de -1 a 0 e de 0 a 1 serão áreas completamente diferentes com pesos diferentes) - então a otimização e o treinamento em si parecerão tanto no período de teste - assustadores e apertados, quanto no atacante e no defensor - assustadores e apertados. E se for espelhado - então é mais provável que ocorram transições suaves.
Imho, subjetivo. Também contra a segunda opção está o fato, como mencionado acima, de que se você lecionar em 2020, então em 2021 será difícil.
Portanto, um NS sem espelho, ou um NS separado para BUY, que é treinado separadamente, tem a garantia de que todos os conjuntos de otimização serão lançados em 2021. Se você pressioná-los um após o outro, todos atingirão o pico.
Todos eles aprenderam a COMPRAR e, em 2021, eles abrem a COMPRA sempre que podem, não sabem como sair dela, e apenas um pouco de VENDA, e então - não está claro onde. Mas eu não rejeito essa variante e testo tudo o que vem à mão )) Porque todo dia algo novo aparece
Qualquer teoria tem o direito de ser, é claro).
Pegue um índice ou uma ação, eles estão subindo há anos. Há padrões claros de compra e venda, eu acho. Os símbolos de Forex, é claro, são planos em geral, mas também mostram movimentos longos. Em suma, tudo deve ser verificado - como sempre).
Tem o direito de ser qualquer teoria, é claro).
Considere um índice ou uma ação, que vem subindo há anos. Acho que há padrões de compra e venda claramente diferentes aqui. Os símbolos de Forex, é claro, são planos em geral, mas também mostram movimentos longos. Em suma, tudo deve ser verificado - como sempre).
É importante entender: "diferente" e "ausente" não são a mesma coisa. Um padrão espelhado de VENDA em uma tendência de alta pode simplesmente estar ausente. E aparecer em uma correção.
Por exemplo, o padrão: 1) MA fast crosses MA slow up - open BUY 2) MAfast crosses MA slow down - open SELL O padrãoSELL não aparecerá em uma tendência plana de alta sem correções profundas. Mas quando as condições chegarem, ele aparecerá.
Mas as condições são as mesmas, são espelhadas. E o NS, que é treinado separadamente para a COMPRA, procurará a COMPRA mesmo em correções. E em uma tendência de baixa profunda, ele se derramará, tentando abrir a COMPRA, porque já "aprendeu o suficiente" e nunca viu uma tendência de baixa. Outra variante - treinamento em todas as tendências de toda a seção. Aparentemente, isso é lógico, mas a peculiaridade é que todo NS, como é chamado corretamente (aproximação?), treina melhor a negociação que gera mais dinheiro e ajusta os pesos a eles.
Pelo menos as arquiteturas simples, incluindo RNN, LSTM, CNN e similares. Se elas tiverem poucos neurônios, camadas e filtros, farão exatamente a mesma coisa que as MLPs, às vezes até pior. Se houver muitos neurônios (Python, software de terceiros), eles se transformam em uma média móvel defasada que prevê o valor de uma barra atrás.
Aqui é importante perceber que "diferente" e "ausente" não são a mesma coisa.
É disso que estou falando.
alimente a SMA de entrada da grade deslocada por meio período - mas como professor. Não ensine neurônica tirando negociações ou ziguezagues do teto.
Se ele puder prever a média futura com probabilidade e desvios suficientes, será o graal.
A EMA ( média móvel exponencial) tem uma característica interessante.
Quando o fechamento da barra/vela está acima ou abaixo da MME, a MME é direcionada para cima ou para baixo de acordo.
Bollinger padrão e criado por uma rede neural.
A largura do canal foi inserida na entrada da rede neural.Bollinger padrão e criado por uma rede neural.
A entrada da rede neural foi a largura do canal.É divertido. O objetivo de substituir o BB padrão é obter os valores mais cedo?
O que significa "treinamento" para você?
A ndrey Dik#:
O que é "treinamento"?
Pergunta maravilhosa Se for totalmente divulgado no contexto de um ambiente virtual (campo de informações), então, presumivelmente, você poderá ir na direção certa, em vez de transmitir conhecimento acadêmico e livros didáticos
Sempre que escolhia arquiteturas, eu me perguntava "por que assim? Por quê? Por que eles decidiram fazer dessa forma?"
Não, apenas pegue e traduza a arquitetura, que foi escrita por tios-matemáticos inteligentes. Até perguntei na sala de bate-papo por que o bloco LSTM tem a forma que tem?
Em resposta - bobagens dos livros didáticos de MO: é uma memória de longo prazo, blá blá blá,adaptada ao aprendizado em tarefas de classificação e blá blá blá blá. Eu pergunto "então por que exatamente assim?", e a resposta é "os matemáticos decidiram assim". Nenhuma teoria, nenhuma teoria da informação, nenhuma teoria de processamento de informações, nenhuma definição de aprendizado, teorias de aprendizado, etc. Postulados estúpidos.
A partir da terceira vez, o bate-papo começou a falar sobre desvanecimentos e picos de gradiente. O LSTM resolve esses problemas.
Bem, OK, como isso é resolvido? - Comgates! Que gates!?!? Que portas? -
um elemento-chave que armazena informações durante toda a sequência.
Que informações???? Os números na entrada?
Mas você está convertendo-os dos números de entrada em uma confusão distorcida e incompreensível, que transforma os números-cores RGB de entrada em algo ilegível, uma caixa preta de mingau. Bem, digamos, convertendo alguns números em outros, mas aprendendo em quê? Memorização?
Então é memorização! E em que isso difere do aprendizado? No final, não está claro o que eles tentam aplicar ao que não está claro no segundo grau - mercado não estacionário. Em geral, a pergunta é ótima, foi feita há muito tempo. Seu desdobramento é algo extremamente interessante.
Pergunta maravilhosa Se for totalmente divulgado no contexto de um ambiente virtual (campo de informações), então, presumivelmente, é possível chegar à direção certa, em vez de transmitir conhecimento acadêmico e livros didáticos
Toda vez que eu escolhia arquiteturas, fazia a mim mesmo a pergunta "por que assim? Por quê? Por que eles decidiram fazer dessa forma?"
Não, apenas pegue e traduza a arquitetura, que foi escrita por tios-matemáticos inteligentes. Até perguntei na sala de bate-papo por que o bloco LSTM tem a forma que tem?
Em resposta - bobagens dos livros didáticos de MO: é uma memória de longo prazo, blá blá blá,adaptada ao aprendizado em tarefas de classificação e blá blá blá blá. Eu pergunto "então por que exatamente assim?", e a resposta é "os matemáticos decidiram assim". Nenhuma teoria, nenhuma teoria da informação, nenhuma teoria de processamento de informações, nenhuma definição de aprendizado, teorias de aprendizado, etc. Postulados estúpidos.
A partir da terceira vez, o bate-papo começou a falar sobre desvanecimentos e picos de gradiente. O LSTM resolve esses problemas.
Bem, OK, como isso é resolvido? - Comgates! Que gates!?!? Que portas? -
um elemento-chave que armazena informações durante toda a sequência.
Que informações???? Os números na entrada?
Mas você está convertendo-os dos números de entrada em uma confusão distorcida e incompreensível, que transforma os números-cores RGB de entrada em algo ilegível, uma caixa preta de mingau. Bem, digamos, convertendo alguns números em outros, mas aprendendo em quê? Memorização?
Então é memorização! E em que isso difere do aprendizado? No final, não está claro o que eles tentam aplicar ao que não está claro no segundo grau - mercado não estacionário. Em geral, a pergunta é ótima, foi feita há muito tempo. Seu desdobramento é algo extremamente interessante.