Нейронные сети - страница 20

[name]

После "пережевывания" (хотя и поверхностного - все еще нужно время) кажется, что мы никогда не будем использовать ANN эффективно. У нас (мелкого картофеля) нет достаточно денег на оборудование, необходимое для использования ANN так, как она должна использоваться

[hughesfleming]

Сам по себе.... почему столько негатива?

Это не так уж и сложно. Сначала нужно понять, что именно вы пытаетесь предсказать. Следующий вопрос - шум. Вам нужно убедиться, что вашу модель не обманут случайности и предвзятость при добыче данных. Существуют бесплатные инструменты, которые позволят вам разработать доказательство концепции, прежде чем вы потратите много денег на оборудование.

Например, если вы прогнозируете тренд, вам нужно проверить, имеет ли ваша модель преимущество перед простым средним значением. Если вы прогнозируете поворотные точки, сначала посмотрите, можете ли вы превзойти преобразование Фурье. Если преимущество невелико, то нужно спросить себя, стоит ли тратить время на обучение. Неважно, используете ли вы нейронную сеть или одну из различных машин опорных векторов, вы все равно столкнетесь со всеми проблемами подгонки кривых прошлого для предсказания будущего. Вне выборки эти системы, как правило, терпят неудачу, потому что любой успех, который вы могли бы иметь в ходе тестирования, может быть обусловлен случайностью. Никакое количество денег, вложенных в оборудование, не решит эту проблему.

Эти инструменты могут быть полезны, но вам необходимо сдерживать свои ожидания. Если модель может улучшить стратегию на несколько процентных пунктов, то со временем и при большом количестве сделок вы окажетесь в выигрыше.

с уважением,

Алекс

[name]

hughesfleming:
На моем собственном сайте.... почему столько негатива?

Это не так сложно. Сначала нужно понять, что именно вы пытаетесь предсказать. Следующий вопрос - шум. Вам нужно убедиться, что вашу модель не обманут случайности и погрешности при поиске данных. Существуют бесплатные инструменты, которые позволят вам разработать доказательство концепции, прежде чем вы потратите много денег на оборудование.

Например, если вы прогнозируете тренд, вам нужно проверить, имеет ли ваша модель преимущество перед простым средним значением. Если вы прогнозируете поворотные точки, сначала посмотрите, можете ли вы превзойти преобразование Фурье. Если преимущество невелико, то нужно спросить себя, стоит ли тратить время на обучение. Неважно, используете ли вы нейронную сеть или одну из различных машин опорных векторов, вы все равно столкнетесь со всеми проблемами подгонки кривых прошлого для предсказания будущего. Вне выборки эти системы, как правило, терпят неудачу, потому что любой успех, который вы могли бы иметь в ходе тестирования, может быть обусловлен случайностью. Никакое количество денег, вложенных в оборудование, не решит эту проблему.

Эти инструменты могут быть полезны, но вам необходимо сдерживать свои ожидания. Если модель может улучшить стратегию на несколько процентных пунктов, то со временем и при большом количестве сделок вы окажетесь в выигрыше.

с уважением,

Алекс

Алекс

Спасибо за ответ

Причина, по которой я сказал то, что сказал, заключается в том, что, если мы не обладаем хорошим аппаратным обеспечением, расчеты ANN всегда будут "неполными". И тогда дело доходит до того, что мы уже делаем: оценка с использованием наших собственных NN

[hughesfleming]

Хорошо... понял. Если вам захочется поэкспериментировать, я описал один из способов использования Rapidminer с metatrader здесь, на всякий случай, если вы не видели эту тему . https://www.mql5.com/en/forum/181252.

[name]

hughesfleming:
Хорошо... понял. Если вы хотите поэкспериментировать, я описал один из способов использования Rapidminer с metatrader здесь, на всякий случай, если вы не видели тему . https://www.mql5.com/en/forum/181252.

Алекс

Спасибо за помощь.

[nevar]

У меня есть несколько многообещающих тестов вне образца, как тот, который я прикрепил.Поиск прибыльных алго с AI - это все о ваших входах, и это искусство, а не наука .Когда я искал различные алго для живой торговли, я пришел кросс Recurrent Neural Network-Restricted Boltzmann Machines в python Моделирование и генерация последовательностей полифонической музыки с RNN-RBM - DeepLearning 0.1 документация и Bernoulli Restricted Boltzmann Machines feature extractor and LogisticRegression classifier in python Restricted Boltzmann Machine features for digit classification - scikit-learn 0.15.2 documentation.They sound quiet interesting does anyone have any experience with any of these two algorithms for live trading ?

[tampa]

Нейротренд клонированный (индикаторы + шаблон)

neurotrendnncloned.rar

[Joakin]

Полезная ссылка : Учебник по нейронным сетям

[seekers]

Искусственные нейронные сети : artificial_neural_networks.pdf

В этой заметке мы представляем обзор ключевых концепций, которые привели к появлению искусственных нейронных сетей как основной парадигмы для приложений Data Mining. Нейронные сети прошли через два основных периода развития - начало 60-х и середину 80-х годов. Они стали ключевым событием в области машинного обучения. Искусственные нейронные сети были вдохновлены биологическими открытиями, связанными с поведением мозга как сети единиц, называемых нейронами. По оценкам, в человеческом мозге насчитывается около 10 миллиардов нейронов, каждый из которых соединен в среднем с 10 000 других нейронов. Каждый нейрон получает сигналы через синапсы, которые контролируют воздействие сигнала на нейрон. Считается, что эти синаптические связи играют ключевую роль в поведении мозга. Фундаментальным строительным блоком в искусственной нейронной сети является математическая модель нейрона

[seekers]

прогнозирование_возможности_но_не_прибыльности_-__эмпирическая_оценка_генетического_алгоритма_оптимизированного_тр.pdf

В данной работе оценивается эффективность нескольких популярных технических правил торговли, применяемых на австралийском рынке акций. Оптимальные значения параметров торгового правила за период с 4/1/82 по 31/12/89 были найдены с помощью генетического алгоритма. Затем эти оптимальные правила оцениваются с точки зрения их способности к прогнозированию и экономической прибыльности во вневыборочный период с 2/1/90 по 31/12/97. Результаты показывают, что оптимальные правила превосходят эталонную стратегию покупки и удержания с поправкой на риск. Правила демонстрируют некоторые признаки способности к прогнозированию и прибыльности в течение всего тестового периода. Однако изучение результатов по подпериодам показывает, что избыточная доходность снижается со временем и становится отрицательной в последние пару лет. Кроме того, после корректировки на несинхронность торговли правила демонстрируют очень мало, если вообще демонстрируют, доказательств прибыльности.