O que alimentar a entrada da rede neural? Suas ideias... - página 6

Novo comentário
 
Dmytryi Voitukhov #:

Então, qual é a razão de eu preparar uma resposta detalhada?

Eu tenho o tópico em uma guia aberta, na prática, geralmente quando estou fazendo outra coisa, quando uma ideia vem à minha cabeça (o que mais exportar para a grade) eu imediatamente a verifico. Infelizmente, não entendo muitas das sugestões do tópico (não consigo descobrir o que exportar, como e para onde exportar).

Sem ofensa. Se houver algo formalizado (que eu possa distorcer), ficarei muito feliz e com certeza verificarei.

 

- O que alimentar a entrada da rede neural?

- Suas ideias...

 
Avalie a ideia (não consigo realizar tal coisa com os meios disponíveis), mas estou interessado em sua opinião: Em um artigo local, li que "....



A s redes Kohonen são normalmente usadas no reconhecimento de imagens..." e imediatamente insere a cronologia de preços. Você não acha que isso é uma dica, porque os traders não "comem" a cronologia, eles olham para o gráfico, podem marcar algo em comum, ver algum grupo de preços, marcar um nível ali e avaliar rupturas/rebotes, números. Aotreinar uma rede neural para reconhecer um gato em imagens, um conjunto de muitas imagens é preparado para a rede neural para treinamento.



Como resultado, a rede neural pode identificar um gato em uma imagem que gosta de correr pelo apartamento às quatro da manhã sem problemas sérios. E na rede você pode encontrar cada vez mais artigos sobre como ensinar uma rede neural a identificar números e sinais em uma imagem. Por que não fazer o mesmo com um gráfico de preços? Faça capturas de tela de um gráfico de preços antes que ele suba e vice-versa. Como a imagem tem apenas duas cores (preto e branco) e haverá poucos detalhes, as imagens terão pouco peso, além de serem processadas. E alimente a rede neural com todas elas, para que ela finalmente simule/emule o trabalho do trader, eu não multipliquei os preços.
[Excluído]  
Ivan Butko treinar uma rede neural para reconhecer um gato em imagens, um conjunto de muitas imagens é preparado para a rede neural para treinamento.



Como resultado, a rede neural pode identificar um gato em uma imagem que gosta de correr pelo apartamento às quatro da manhã sem problemas sérios. E na rede você pode encontrar cada vez mais artigos sobre como ensinar uma rede neural a identificar números e sinais em uma imagem. Por que não fazer o mesmo com um gráfico de preços? Faça capturas de tela de um gráfico de preços antes que ele suba e vice-versa. Como a imagem tem apenas duas cores (preto e branco) e haverá poucos detalhes, as imagens terão pouco peso, além de serem processadas. E alimentar a rede neural com todas elas, para que ela finalmente simule/emule o trabalho de um operador, eu não multipliquei os preços.
Complicação artificial, a partir de uma série unidimensional, criar uma bidimensional. O número de sinais aumentará em ordens de magnitude e o tempo de treinamento também. Mas o resultado será o mesmo.

Para séries temporais, não faça capturas de tela, mas todos os tipos de transformações, como gráficos de recorrência, caso contrário, a matriz de recursos será muito esparsa.
 
Maxim Dmitrievsky #:
Complicação artificial: a partir de uma série unidimensional, você cria uma bidimensional. O número de recursos aumentará em ordens de magnitude e o tempo de treinamento também.
E o resultado será o mesmo.

Para séries temporais, não faça capturas de tela, mas todos os tipos de transformações, como gráficos de recorrência, caso contrário, a matriz de recursos será muito esparsa.



Obrigado pelo conselho, mas me parece que talvez não devêssemos considerar as séries temporais, mas sim os padrões, nos quais parte das séries temporais não desempenha um papel, e a rede neural analisará a "imagem como um todo", como faz um trader. A tarefa em si é diferente, ou seja: antes de uma tendência (reversão), essa parte do gráfico deve ser escaneada e "não diga" à rede neural quais são os preços dessas velas, a diferença de preços das velas, não conduza nem a alimente com a normalização dos preços das velas, a normalização dos dados do indicador - tudo isso deve ser descartado e alimentado com o valor real durante o treinamento apenas "para cima" ou "para baixo", "1" ou "0", "touro" ou "urso". E quando a rede neural "enxergar" esses touros, em novos candlesticks (faça uma tela da seção do gráfico para a rede neural ou automatize esse processo de alguma forma), ela dirá "bem, isso não é um touro, há alguma besteira, não entendo", e em outro gráfico "há algo que parece um touro, provavelmente é um touro", no terceiro gráfico "há definitivamente um touro, o preço está prestes a virar". Por analogia com o reconhecimento de imagens (acho que vi um artigo em algum lugar sobre o hacker). Lá, também, a rede neural foi alimentada com um milhão de imagens de gatos, e então ela: "aqui está um gato", "este provavelmente é um gato", "este não é um gato")).

 
Outra opção é treinar em cada vela. Isso exige muita mão de obra e recursos, mas talvez cresça à distância, já que muito trabalho é feito. Digamos que sejam 500 candles ou mais, treine até ficar azul (retreinamento) e preveja apenas um candle, um novo. Então, assim que ele fechar, treine novamente e assim por diante. Se o processo de aprendizado levar muito tempo (embora eu não tenha notado tal coisa), pegue um candle de uma hora ou um candle de 4 horas.

Talvez seja possível contornar esse notório 50/50. Encontrei aqui um artigo de um brasileiro sobre a propagação reversa de erros. Não há um EA propriamente dito, apenas um script, mas ele pode prever um próximo valor. Tentarei essa abordagem quando a adaptar a um EA.
[Excluído]  
Os padrões são onde eles estão localizados, em lugar nenhum? Ou em uma série temporal. Por que todo mundo tem um desejo tão forte de se livrar disso e começar a treinar NS em nada :)

Uma forma específica de treinamento não funcionará, você precisa elaborar uma estratégia. Assim como no TS sem NS.

Pense no NS como um otimizador de estratégia, como o que está embutido no terminal
 
Se você treinar uma rede neural em tudo e tentar prever o valor, obterá algo ainda pior do que o ADX
[Excluído]  
Bem, você define algumas condições para prever de agora em diante e ignora o resto. Tudo depende da estratégia, do que é esperado na saída.

É possível alocar antes do treinamento, é possível depois colocar uma condição onde deve funcionar e onde não deve. Você pode criar várias abordagens, desde que elas sejam significativas.
 

Inserir períodos na rede neural.

Comparação de anos.

Depois, as estações do ano.

Dias

Velas de horas (considerando a mudança de horário verão/inverno).

E então você verá um padrão em algum instrumento.

É isso, você está rico. Se você fizer essa análise, por favor, compartilhe-a mais tarde, pois não consigo colocá-la em minhas mãos.

// Um matemático já ficou milionário no mercado de ações estudando esses padrões.


P.S. Você também pode inserir os períodos dos planetas, da lua e a localização da bolsa de valores em relação à rotação deles. Teoricamente, você captará a amplitude da moeda (câmbio europeu - euro, câmbio americano - dólar, etc.). Comparando as amplitudes e combinando-as, você verá todos os pares de moedas à frente. Para aqueles que não entendem, isso é humor.

12345678910111213...85
Novo comentário