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
Красавчег - красиво.
В Армейке у корефана эта надпись была наколота на плече... :-)
Считаю сабж темы не раскрыт, хотя бы в части организации и порядка подготовки входных данных в сеть...
Надо определить объект, с которым работаем. Где это определение у нейросетевиков? с чем они работают? Со слоями, персептронами?
Нахрена нейросетевикам какие-то слои или перцептроны? Пущай ими разработчики нейростетей занимаются.
Для нейросетевика нейросеть - это чёрный ящик.
Всё что нужно иметь нейросетевику для постановки задачи: значения на входах и значения на выходах - выборка, которая делится на две части обучающая и тестовая (форвард тест). Соответственно задача состоит в том, чтобы значения на входах с максимальной вероятностью совпадали со значениями на выходах нейросети в тестовой выборке после её обучения на выборке обучающей.
Начинать надо отсюда. С простого.
Стационарный ряд = мо и дисперсия константа. у ARCH дисперсия мало того, что не константа, так еще и зависит от предыдущих значений.
При построении моделей проверка на ARCH остатка от моделей обязательна, так как при наличии ARCH МНК применять нельзя.
начинай отсюда - проще не бывает
только без меня - все это разжевано на этом форуме давным давно
Паттернам учат 18 часов и принимают зачет, причем основной вопрос: а понимаете ли вы, что паттернами в трейдинге пользоваться нельзя?
При такой постановке вопроса я бы сказал, что Ваш преподаватель был, как минимум, малость не корректен.
Я не ёрничаю, я тоже был студентом. Мне интересно, после какого именно ответа зачет ставился?
При такой постановке вопроса я бы сказал, что Ваш преподаватель был, как минимум, малость не корректен.
Я не ёрничаю, я тоже был студентом. Мне интересно, после какого именно ответа зачет ставился?
Извините, студенты бывают разных специальностей. ТА учат в течение двух недель любого в ДЦ, а эконометрике 5 лет и не всех желающих.
Могу еще раз повторить: в ТА вообще не поднимается вопрос о вероятности исполнения прогноза. Просто верим и сливаем и не понимаем почему. В эконометрике вопрос доверия к результатам моделирования основной. Как и в жизни.
Нахрена нейросетевикам какие-то слои или перцептроны? Пущай ими разработчики нейростетей занимаются.
Для нейросетевика нейросеть - это чёрный ящик.
Всё что нужно иметь нейросетевику для постановки задачи: значения на входах и значения на выходах - выборка, которая делится на две части обучающая и тестовая (форвард тест). Соответственно задача состоит в том, чтобы значения на входах с максимальной вероятностью совпадали со значениями на выходах нейросети в тестовой выборке после её обучения на выборке обучающей.
Уважаемый Юрий, я хочу попросить не использовать подобные утверждения в общем смысле (в смысле, про всех нейросетевиков). Видите ли, нейросетевиков (в общем смысле) довольно часто волнуют вопросы количества скрытых слоев, а также периодически количества нейронов в этих скрытых слоях. А также иногда возникают трудности с выбором функции активации. А плюс к этому иногда бывает ещё и метод градиентного спуска приходится выбирать. Я ни сколько не обиделся, ни боже ж мой. Но все-таки Вы как-то уж слишком чересчур упростили ситуацию.
Согласен. Мои посты оффтоп. Прошу извинить.
Извините, студенты бывают разных специальностей. ТА учат в течение двух недель любого в ДЦ, а эконометрике 5 лет и не всех желающих.
Могу еще раз повторить: в ТА вообще не поднимается вопрос о вероятности исполнения прогноза. Просто верим и сливаем и не понимаем почему. В эконометрике вопрос доверия к результатам моделирования основной. Как и в жизни.
Я ж не спорю. Эконометрика - это Вы, не я. У меня за плечами лишь 3 курса математики на нематематическом факультете. А от ТА никогда и не требовалось "доверительного интервала". ТА обозначает (показывает трейдеру) наступление ситуации, после которой с большой степенью вероятности произойдет событие. Как правило, в ту или другую сторону. Другими словами прогноз события и только события. А куда именно, целью ТА никогда и не было, за редким исключением. Чаще всего "куды прорвет, туды и торгуем".
EconMod, я выкинул белый флаг. Мне надоело функционировать в таком режиме. Истина перестала предпринимать попытки вставить слово страниц 7 тому назад. Пописать ради пописать, это не мое. Я вообще молчун с детства.
Нет, конечно, я не буду заниматься распознаванием текста. Бессмысленно с выученными все-то 5 буквами...
Благодарю, я тоже стараюсь быть конструктивным. И мне показалось, что мы говорим о разных вещах. В своем сетовании на трудности с классификацией имелось ввиду следующее.
Возьмем классический случай - плоскость. Теория утверждает, что для производства успешной классификации данные (в случае с плоскостью) должны быть линейно разделимы.
(сорри, красивых картинок под руками не оказалось, пришлось быстренько сделать картинки в екселе)
Допустим, мы взяли данные с 2-мя параметрами X и Y (плоскость же...). Привели к единичным векторам и получили такую картинку. Видим 5 явно раздельных области. Любая SOM справится с классификацией на раз и классификация будет именно классификацией. Любое новое данное попадет в один из классов. Свойства у каждого класса нам известны, поэтому, просто узнав, в какой класс попало новое данное, мы сразу про него всё знаем. Со всеми вытекающими...
К сожалению, классический и практический случаи, как говорят в Одессе - две большие разницы.
В практическом случае мы выгрузили данные и получили такую вот картинку. Классификация, конечно, и в этом случае возможна, но она не представляет никакой практической ценности. Можем задать те же 5 классов и SOM честно их "нарисует", просто равномерно распределив центры кластеров. Вновь пришедшее данное попадет куда-то. Но это "куда-то" никакого смысла уже не имеет. Все данные, как и их свойства, равномерно раскиданы (перемешаны) по плоскости. Если мы верим такой классификации и новое данное приписываем к одному из классов, то мы просто сами себя обманываем.
Вот в чем заключается суть проблемы, и что я и имел ввиду в том своем посте. Т.е. с какой стороны я на проблему не наскакивал, получить данные с внятной разделимостью мне так и не удалось. Т.е. либо разделимость напрочь отсутствует, нефиг и пытаться. Либо у меня тямы не хватает. Природа-матушка не обделила меня некоторой самокритичностью, поэтому пока что я склоняюсь ко второму варианту. Поэтому советуюсь с разными товарищами. Ну и повторюсь, получив внятную классификацию, далее уже можно поработать с вероятностной сеткой и с нечеткой логикой.
Возьмем классический случай - плоскость. Теория утверждает, что для производства успешной классификации данные (в случае с плоскостью) должны быть линейно разделимы.
Плоскость - это классический пример, а не классический случай. И такая простая разделимость используется в подобных примерах исключительно для наглядности объяснения идеи.
Для построения приемлемой с практической точки зрения классификации необходимо постепенно повышать размерность вектора признаков. Разделение классов при этом уже с необходимостью будет нелинейным.