Поиск набора индикаторов для подачи на входы в нейросеть. Дискуссия. Инструмент оценки результатов. - страница 2
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
На пальцах.
Один говорит, другой отвечает.
Рост человека (см):
1-невероятно
10-не может быть
30-маловероятно
100-может быть
176-правда
200-маловероятно
230-не может быть
300-невероятно.
Это пример нелинейного преобразования.
А если сделать на принципе везучей мартышки . Берем к примеру CCI прогоняем на всей доступной истории, по результатам теста выбираются участки где есть прибыль не все же время он будет сливать . Далее берем моментум, болинджер, мувинги, точно также выбираем прибыльные участки . Торговля ведется виртуально и та система которая дает результаты не хуже полученных на первоначальном отборе допускается к реальой торговли . Если история повторяется должно получиться . Также плюс такого подхода в прикидочной оценке продолжительности благополучной ситуации . Как по вашему по каким критериям должны выбираться прибыльные участки ну там кол-во сделок, средняя сделка, максимальной просадке, длительность благополучного участка, у мну есть небольшая идейка озвучу чуть попозже .
вам в другую ветку сюда.здравствуйте
всегда интересно было узнать про НС но как только начинаю читать какую нить литературу на эту тему просто голова начинает кипеть и в итоге никак не могу даже понять что же такое НС
не могли бы вы на простом примере (так сказать на пальцах) обьяснить что же это такое
Спасибо
Лови.
Лови.
ia takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC
cpacibo
ia takoe uge chital mnogo navernoe mne ne dano poniat chto takoe NC
cpacibo
А что нужно тебе!?
да понять как НС понимает что 176 см - это правда
да понять как НС понимает что 176 см - это правда
Мдя... А вот sin90% = 1 - это правда?
да понять как НС понимает что 176 см - это правда
Вот процесс пошёл!
Мой предыдущий пример - нелинейная колоколообразная функция преобразования
А вообще, чаще всего применяют, я во всяком случае такую функцию: (2/(1-2^(-х))-1
Поэкспериментируйте в экселе или маткаде. с примером выше. многое прояснится.
вам в другую ветку сюда.
При всем уважении, меня тоже очень интересует поиск минимального набора индикаторов а также оценка результатов, только для для своих целей .Так что извините,но никуда я отсюда не пойду и свои мысли высказывать буду хотя и признаю, что они непосредственного отношения к нейросетям не имеют .
далее код и небольшое описание оценки результатов ТС .Только вместо цены закрытия надо использовать результат торговой сделки .Кто с геометрией дружит поправьте код
double Dispersia (int i, int N)
{
// в этой подпрограмме вычисляется дисперсия отклонения цены закрытия от
// линии линейной регрессии
// имхо дисперсия от среднего значения не совсем адекватна тк если распределение
// описывается к примеру y=b*x+c то дисперсия ( от среднего ) зависит от угла наклона,глубины
// выборки и разброса . В моем варианте дисперсия зависит только от разброса.
// Конечно лучше использовать степень или экспоненту,особенно при рачете систем
// основанных на соростях ускорениях, тогда сами, извиняйте туповат .
double Pi=3.141592653589793 ; //забыл оператор эквивалентности .
int j;
double a,b,Summ_x,Summ_y,Summ_x_2,Summ_xy,Deviation,StdDeviation,Sredn_y,AC;
for (int x=1;x<N;x++)
{ j=N-x+i;
Summ_x=Summ_x+x;
Summ_y=Summ_y+Close[j];
Summ_xy=Summ_xy+x*Close[j];
Summ_x_2=Summ_x_2+MathPow(x,2);
}
b=((N-1)*Summ_xy-Summ_x*Summ_y)/((N-1)*Summ_x_2-MathPow(Summ_x,2));
a=(Summ_y-b*Summ_x)/(N-1);
Sredn_y=Summ_y/(N-1);
for ( x=N ;x>=1 ;x--)
{
j=N-x+i ;
if ( b >0 )
{
AC= MathAbs(Close[j]-(b*x+a))*MathSin(Pi/2-MathArctan(b)) ;
}
if ( b<0 )
{
AC=MathAbs(Close[j]-(b*x+a))*MathSin(MathArctan(b)-Pi/2) ;
}
Deviation=Deviation+ MathPow(AC,2) ;
}
StdDeviation=MathSqrt(Deviation/N);
return(StdDeviation*StdDev);
}
Если оценивать результат по этой формуле, тогда ТС описывается двумя параметрами углом наклона линии регрессии чем больше тем лучше,и псевдодисперсией чем ближе к нулю тем лучше .