Использование Нейронных сетей в трейдинге. - страница 6
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
ОК, Сергей, давай медленно и печально. Вначале разберемся с общими теоремами. Вот сцылко. Смотри теоремы 24, 25, 26.
Обрати внимание: в Th 24 речь идет о функции плотности распределения.
А вот Th 25 делает как раз в точности то, что тебе нужно, и там речь идет о функции распределения.
Глянь для прикола также на следствие 8 из Th 26. Третья формула следствия - это как раз то, о чем я говорил, когда хотел получить гауссово из равномерного.
А для твоей экспоненциально распределенной нужно просто аккуратно получить ее функцию распределения (интегральную) и применить Th 25.
Спасибо.Счас гляну.
Глянул - то, что нужно! Буду изучать.
Что Вы имеете ввиду под "архитектура масштабируется произвольно". Насколько я понимаю архитектура - это строение сети. А масштабирование - использование некоторой функции нормирования данных. 100 входов - что-то много. Или Ваши 100 что-то другое?
У меня сеть попросту переучивается каждые 24 часа. Не знаю, плюс это или минус. Но, пока фанкчит.
Супер.:)
Machine Learning Repository
Вот ссылка на стандартные задачи. На них обычно происходит апробация различных алгоритмов, методов предобработки и т.д..
Также на них можете и потренироваться, научиться использовать сети, увидеть собственными глазами "Что такое прогноз или классификация при помощи НС", точнее какую ошибку можно от нейросетей ожидать и т.д.
Описание к задачам там же, выше...
Вот небольшой пример из выборки одной задачи(OptDigits):
Входные значения:
00000000000001100111100000000000
00000000000111111111111111000000
00000000011111111111111111110000
00000000011111111111111111110000
00000000011111111101000001100000
00000000011111110000000000000000
00000000111100000000000000000000
00000001111100000000000000000000
00000001111100011110000000000000
00000001111100011111000000000000
00000001111111111111111000000000
00000001111111111111111000000000
00000001111111111111111110000000
00000001111111111111111100000000
00000001111111100011111110000000
00000001111110000001111110000000
00000001111100000000111110000000
00000001111000000000111110000000
00000000000000000000001111000000
00000000000000000000001111000000
00000000000000000000011110000000
00000000000000000000011110000000
00000000000000000000111110000000
00000000000000000001111100000000
00000000001110000001111100000000
00000000001110000011111100000000
00000000001111101111111000000000
00000000011111111111100000000000
00000000011111111111000000000000
00000000011111111110000000000000
00000000001111111000000000000000
00000000000010000000000000000000
Выход: 5
Вот сцылко. Смотри теоремы 24, 25, 26.
НиАсилил.
Смотрим. Слева - плотность вероятности для цен открытия минутных баров EURUSD, справа - функция распределения:
Теперь по сцылко:
Положим, что я хочу получить из распределения показанного на первом рис. - константу равную 1. Тогда не трудно получить следующее тождество:
Смотрим дальше.
Про отрезок пока умолчим - не до него. Что тут утверждается? Буквально, что если у меня есть функция распределения F(x) (рис. справа), то ничего не стоит получить возжделенную "полочку" - для этого достаточно на входные данные воздействовать этим опрератором... Но это же бред! По-моему, так равномерного распределения из исходного не получить. Короче, кто тут дружит с настоящей математикой. Ау!
Про отрезок пока умолчим - не до него. Что тут утверждается? Буквально, что если у меня есть функция распределения F(x) (рис. справа), то ничего не стоит получить возжделенную "полочку" - для этого достаточно на входные данные воздействовать этим опрератором... Но это же бред! По-моему, так равномерного распределения из исходного не получить. Короче, кто тут дружит с настоящей математикой. Ау!
Именно так, Сергей, именно так. Возьми и проверь этот бред (а еще лучше попытайся осознать, почему это именно так). Генери нормально распределенную величину и воздействуй на нее гауссовой функцией (интегральной). Только не забудь убедиться в том, что эти две функции (интегральный закон распределения и вторая функция) абсолютно идентичны.
P.S. А с плотностями распределения и с производными брось ты возиться. Зачем они тебе? Это ж то же самое, только сбоку.
P.P.S. Сергей, ну я ж ведь сам из равномерной величины получал нормально распределенную, воздействуя на первую функцией, обратной интегральной гауссовой. А теперь берем и инвертируем вычисления...
жуть ваще чем вы тут занимаетесь... мой бедный моск...
ЗЫ: кстати, давно хотел спросить - а почему мы должны считать функцию цены непрерывной? а вдруг она дискретная?
Ну, вот, Сергей, Mathemat сейчас говорит то о чём я Вам писал. Сейчас попробуем в этом убедиться.
Вот постороена функция распределения(эмперически)
Затем строим теоретическую(не помню, правильно ли назвал?) по формуле (1/КОРЕНЬ(6,2828))*EXP(-ABS(СТЕПЕНЬ(A1;2)/2))
Светлозелёная как раз и должна идеально апроксимировать синию. Тогда при помощи интегральной можно будет получить идеальную "полочку"...
Вот вид интегральной(сигмоида!!!)
Я вижу задачу так, надо апроксимировать с помощью коэф.(каких не знаю) эмперическую функцию распределения с помощью теоретической. Потом эти коэф. подставить в сигмоиду, и после прохождения данных через сигмоиду, как раз и будет равномерное распределение.
Алексей, правильно ли вообще я думаю? Может что-то подскажите по этому поводу?
Ну, вот, Сергей, Mathemat сейчас говорит то о чём я Вам писал. Сейчас попробуем в этом убедиться.
Давай убедимся.
Вот постороена функция распределения(эмперически)
Нет, это не функция распределения, а плотность вероятности (см. ссылку Алексея).
Светлозелёная как раз и должна идеально апроксимировать синию. Тогда при помощи интегральной можно будет получить идеальную "полочку"...
Вот вид интегральной(сигмоида!!!)
Это не сигмоида, если быть точным - это интеграл от гаусса с переменным верхним пределом - erf(x) - табулированная функция.
Я вижу задачу так, надо апроксимировать с помощью коэф.(каких не знаю) эмперическую функцию распределения с помощью теоретической. Потом эти коэф. подставить в сигмоиду, и после прохождения данных через сигмоиду, как раз и будет равномерное распределение.
С аппроксимацией проблем нет, они начинаются потом, когда непонятно, что делать с полученной функцией распределения erf(x) . Я об этом и говорил выше.
Да, действительно, с определениями(распределение/плотность распределения) ошибался...
Что делать с erf() - я не знаю.
Вот обычная сигмоида и её производная. Почему сигмоида? - просто потому что сигмоида это не erf(x). :)
Теперь берём данные, строим эмперическую, подбираем коеффициенты А и В, так что бы плотности совпадали. На графике также интегральная.
Теперь подставляем в интегральную найденые коэффициенты, и считаем.
Вот что получается:
Теперь это всё надо так сказать "подбить" теоретически, потому что я делал это больше по интуиции, чем с помощью теоретических знаний.
Вопрос ко всем знатокам - Как найти коэф. А и В? Может А и В не нужны, есть каки-либо другие формы записи законов распределения и т.д.?
А может это вообще всё херня и так делать нельзя?