нейронная сеть и входы - страница 8
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
Как и для распознавания букв из алфавита (по аналогии) , нужно исходить из того , что рынок это замкнутая система .. Что будет его превращать стационарность (оперируя Вашим языком) Т.е на вход нужно подать все что мы знаем о рынке . )))))
И тут возникает извечный вопрос построителя ТС: та нелинейная функция, которую построила сеть при данных входах и выходах, это подгонка или реально выявленная закономерность?
Причем в случае с НС вопрос стоит очень остро, ведь, например, 2 слоя по 10 нейронов - это сотня весов (считай, сотня параметров будущего советника), которые надо оптимизировать. Попробуйте-ка взять какой-нибудь советник с сотней параметов и прогнать оптимизацию по всем по ним за год: скорее всего, такой расклад следует признать подгонкой.
Если говорить более конкретно, то характер нестационарности финрынков мы не знаем и знать нам, к сожалению, не дано.
Единственное преимущество НС это в том, что НС очень не линейна и очень гибкая. С небольшим колличеством нейронов НС может запомнить (выучить) 10-15 лет минутного графика любого инструмента легко и непринужденно.
Казалось бы - что еще нужно?
И тут становится актуальным только умение трейдера - подать на вход информацию тех инструментов, у которых есть закономерности и сделать так, чтобы сеть не переобучилась. Если выполнить эти 2 условия - сеть отлично будет работать.
Но эти 2 условия одни из самых сложных. Тут только мастерство трейдера - "чуйка" ))))
Если говорить более конкретно, то характер нестационарности финрынков мы не знаем и знать нам, к сожалению, не дано.
Предполагать конечно можем, но это как предсказание - бестолку. "Как пальцем в небо" ))))
Не бестолку вовсе: если вход (котир) адекватно описан, это дает вполне ощутимое статпреимущество. Если выражаться формальным языком, то задача состоит в том, чтобы найти преобразование, имеющее на входе котир, а на выходе в качестве остатка - стационарный БГШ. Если преобразование найдено, значит модель учла все особенности поведения котира. Ну, а дальше дело техники: проанализировать текущие параметры модели и определить, дают ли они в даный момент возможность воспользоваться ситуацией в нашу пользу. Задача творческая, но такое уж это дело, "научный тык" был, есть и всегда будет основным методом научного синтеза)))
Не бестолку вовсе: если вход (котир) адекватно описан, это дает вполне ощутимое статпреимущество. Если выражаться формальным языком, то задача состоит в том, чтобы найти преобразование, имеющее на входе котир, а на выходе в качестве остатка - стационарный БГШ. Если преобразование найдено, значит модель учла все особенности поведения котира. Ну, а дальше дело техники: проанализировать текущие параметры модели и определить, дают ли они в даный момент возможность воспользоваться ситуацией в нашу пользу. Задача творческая, но такое уж это дело, "научный тык" был, есть и всегда будет основным методом научного синтеза)))
Не согласен с такими усложнениями, ну да ладно.
На самом деле, на мой взгляд (и не только на мой), все гораздо проще - если в котирах, подаваемых на входы и выход НС есть закономерности, то сеть их успешно найдет и будет вам счастье. Причем практически любая НС. Если нет закономерностей - бестолку преобразовывать, синтезировать, строить какую-нить всемугущую НС и заниматься прочими научно-математическими тыками - вы не найдете закономерности там, где их нет ))))
Из серии - бесполезно искать черную кошку в черной комнате, особенно, если ее там нет ))))
Не согласен с такими усложнениями, ну да ладно.
На самом деле, на мой взгляд, все гораздо проще - если в котирах, подаваемых на входы и выход НС есть закономерности, сеть их найдет и будет вам счастье. Причем практически любая НС. Если нет закономерностей - бестолку преобразовывать, синтезировать, строить какую-нить всемугущую НС и заниматься прочими научно-математическими тыками ))))
А вот и нет! Закономерность может быть не везде, а появляться только в определенные моменты, причем краткосрочные, которые НС не определит вследствие своей инерционности. Лично я как раз именно такой точки зрения относительно котира придерживаюсь - есть короткие локальные участки неэффективности, причем, чтобы с ними работать нужно детектировать их в самом начале. Чтобы сеть могла это делать, она должна быть уже не любой, а с обратными связями между слоями, причем взятыми не наобум, а сообразно некой модели, т.е. опять же придется закладывать в НС некие априорные знания.
А вот и нет! Закономерность может быть не везде, а появляться только в определенные моменты, причем краткосрочные, которые НС не определит вследствие своей инерционности. Лично я как раз именно такой точки зрения относительно котира придерживаюсь - есть короткие локальные участки неэффективности, причем, чтобы с ними работать нужно детектировать их в самом начале. Чтобы сеть могла это делать, она должна быть уже не любой, а с обратными связями между слоями, причем взятыми не наобум, а сообразно некой модели, т.е. опять же придется закладывать в НС некие априорные знания.
Кстати, в упомянутой мной теории оптимального управления доказано, что задача поиска оптимального закона управления при определенных условиях (нп достаточно простой по структуре "контрпример Витсенхаузена" для квадратичного контроллера) является NP-полной (т.е. вычислительно жутко сложной), поэтому неудивительно что ее пытаются решать с помощью как раз вот такой вот НС...
А вот и нет! Закономерность может быть не везде, а появляться только в определенные моменты, причем краткосрочные, которые НС не определит вследствие своей инерционности. Лично я как раз именно такой точки зрения относительно котира придерживаюсь - есть короткие локальные участки неэффективности, причем, чтобы с ними работать нужно детектировать их в самом начале. Чтобы сеть могла это делать, она должна быть уже не любой, а с обратными связями между слоями, причем взятыми не наобум, а сообразно некой модели, т.е. опять же придется закладывать в НС некие априорные знания.
Может быть, но просто зачем заниматься такими изысканиями, когда можно заработать гораздо более простыми методами.
Ваш метод имеет некий глубокий смысл, но очень много возникает вопросов, ответов на которых практически нет - как детектировать эти неэффективные участки? Что такое неэффективные участки? Как определить характер этих обратных связей соотносимо с этими некими моделями? Как определить соотносимость этих моделей и обратных связей? Какие априорные знания и как их соотнести с моделями в совокупности с обратными связями? Ну вообщем - рак мозха ))))
Кстати, в упомянутой мной теории оптимального управления доказано, что задача поиска оптимального закона управления при определенных условиях (нп достаточно простой по структуре "контрпример Витсенхаузена" для квадратичного контроллера) является NP-полной (т.е. вычислительно жутко сложной), поэтому неудивительно что ее пытаются решать с помощью как раз вот такой вот НС...
Усе, здаюсь ))) Я пас )))