Что подать на вход нейросети? Ваши идеи... - страница 35
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
Нереально использовать год или больше НС без переобучения.
Если сеть сможет работать неделю или две без переобучения (максимум месяц) - это уже отличный результат.
Хотя некотореы пипсари переобучают сеть каждые сутки
Вот я поэтому и запостил, самородок такой. На простейшей нс продержался год с небольшим.
Нереально использовать год или больше НС без переобучения.
Если сеть сможет работать неделю или две без переобучения (максимум месяц) - это уже отличный результат.
Хотя некоторые пипсари переобучают сеть каждые сутки
Уже тошнит от этих нейронов.
Сообщу любопытные реакции и забью пока на них.
В общем, в процессе метода художественного тыка и реализации своей креативности попробовал следующее:
1) Динамичный вес: в зависимости от того, в каком диапазоне находится входное число от -1 до 1, вес меняется.
Оптимизация: границы диапазонов и собственно сами веса.
Результат: при малых архитектурах выглядит стабильнее, чем обычная MLP.
2) Динамический вес в зависимости от паттерна из входных данных.
Оптимизация: веса, количество которых зависит от количества входных данных, и диапазоны, отталкиваясь от которых (больше/меньше) можно сторить отношения (паттерн).
Результат - тоже показался стабильней, чем обычная MLP.
Что значит у меня стабильный? - Абсолютно субъективное восприятие результатов прогонки полученных при оптимизации сетов, которые меньше похожи на рандомную кашу, и больше участков на форварде, где происходил равномерный рост.
Потом возникла мысль:
Идея в том, что подавая на вход акую-то строгую временную последовательность данных, при передвижении окна на 1 шаг, MLP-веса "рушат картину", выдавая совершенно другой результат, поскольку входные данные и сами веса на новом шаге сильно различаются. Хотя, казалось бы, картина входов таже самая! Просто добавился один новый вход, а самый старый - отбросился. Но при перемножении на MLP - информация о движущемся в прошлое паттерне - просто стирается.
Решил попробовать такую схему
3) Барабан весов. При движении окна входных данных влево, веса соответсвенно смещаются за ними, и на новом (свежем) входе мы умножаем либо на последний вес из предыдущего шага, передвигая окно весов параллельно со входами, либо на новый вес, если хотим создать барабан дополнительных весов.
Мои кривульки читаются справа-налево (не знаю, зачем так рисую, само собой).
Тут же прикрутил метод из пунктов 1 и 2.
Оптимизация: всё выше перечисленное.
Результат: не удивил.
Последния метод пришёл в голову, когда я долго всматривался в пояснительную картинку свёрточной сети CNN.
Осталась как будто какая-то недосказанность чтоли, либо недоделанность. Наверное, надо снова CNN посмотреть.
ВХОДЫ:
1) Самый стабильные показались мне с помощью индикатора ЗигЗаг.
На вход: отношение размера последней "ноги" зигзага к размеру остальных его ног.
2) Поход цены. То есть, в зависимости от цвета свечи подавать отношение её первой тени, второй тени и тела - к её размеру.
3) Отношение приращение Close1-Close2 к размеру свечи1. Результаты понравились тем, что было мало "выбросов" эквити, её отвратительно болтанки, либо простыми словами - пересиживания. Родственное данному явлению - усреднение результатов при перемножении весов MLP, когда бланс растет ровно, но эквити колбасит неподетски.
4) Отношение Close1 к фракталам вверх и вниз на h1/h4/d1.
Всё остальное (могу что-то упустить) - более рандомное на форварде и обучаемом периоде, грязное, некрасивое, неплавное, резкое, отвратительное.
Но, это я ещё не сказал про паттерны на входе из размеров тренда. Пока не смог потестить нормально, но зигзаг и фракталы, как вариант, могут примерно говорить о таком же результате, в принципе.
ассоциация структурной схемы нейросети у меня одна и та же - цифровой фильтр
но мне не понятно
почему во всех программах нейросетей, коды которых я читал, коэффициент равен 1.0 ?
по идее, если каждый нейрон - это некий разряд цифрового фильтра, то и коэффициенты не должны быть равны 1.0
поэтому, коэффициенты и есть предикторы и именно их и нужно подбирать и подавать на вход нейросети
и учитывая то, что коэффициенты можно просто на просто рассчитать по формуле, к чему танцы с бубном по созданию нейросети?Ivan Butko #:
...
3) Барабан весов. При движении окна входных данных влево, веса соответсвенно смещаются за ними, и на новом (свежем) входе мы умножаем либо на последний вес из предыдущего шага, передвигая окно весов параллельно со входами, либо на новый вес, если хотим создать барабан дополнительных весов.
Мои кривульки читаются справа-налево (не знаю, зачем так рисую, само собой).
...
ВХОДЫ:
1) Самый стабильные показались мне с помощью индикатора ЗигЗаг.
На вход: отношение размера последней "ноги" зигзага к размеру остальных его ног.
...
Прогнал в такой реализации, выбрал верхний сет, у которого начинается 600 сделок (все выше - по 200 с чем-то), и самый топовый с 200~.
Примерно так работают. Лучше не смог.
ассоциация структурной схемы нейросети у меня одна и та же - цифровой фильтр
но мне не понятно
почему во всех программах нейросетей, коды которых я читал, коэффициент равен 1.0 ?
по идее, если каждый нейрон - это некий разряд цифрового фильтра, то и коэффициенты не должны быть равны 1.0
поэтому, коэффициенты и есть предикторы и именно их и нужно подбирать и подавать на вход нейросети
и учитывая то, что коэффициенты можно просто на просто рассчитать по формуле, к чему танцы с бубном по созданию нейросети?Попроще сформулируйте, для бюджетников, не понимаю что за коеффициент...
Прогнал в такой реализации, выбрал верхний сет, у которого начинается 600 сделок (все выше - по 200 с чем-то), и самый топовый с 200~.
Примерно так работают. Лучше не смог.
Попроще сформулируйте, для бюджетников, не понимаю что за коеффициент...
недавно выкладывал, нашел как то раз ответы практически на все вопросы:
Литература по преподаваемым дисциплинам (digteh.ru)
структурка однового из фильтров
чем не нейронка?
недавно выкладывал, нашел как то раз ответы практически на все вопросы:
Литература по преподаваемым дисциплинам (digteh.ru)
структурка однового из фильтров
чем не нейронка?
Нифига себе. Что за скайнет.
Если в этом есть польза для торговли - благодарю за пост
Нифига себе. Что за скайнет.
Если в этом есть польза для торговли - благодарю за пост
а вот еще
практически копия нейронок, которые тут все делают
недавно выкладывал, нашел как то раз ответы практически на все вопросы:
Литература по преподаваемым дисциплинам (digteh.ru)
структурка однового из фильтров
чем не нейронка?
Это БИХ-фильтр, их тяжелее реализовать и фазовые сдвиги нелинейные.
а вот еще
практически копия нейронок, которые тут все делают
А вот это уже КИХ-фильтр, легко считается в Матлаб и очень легко реализуется программно. А если карточка поддерживает OpenCL, то такой фильтр замечательно распараллеливается. Но с OpenCL не пройдет в маркете, это чисто для себя или продавать самостоятельно. А посчитать фильтры легко и бесплатно можно в онлайн-версии Matlab, дают бесплатно 20 часов в месяц. Самое смешное, несмотря на санкции, я из России захожу без ВПН и регистрация у меня на почту @yandex.ru )). Ищите в верхней панели вкладку Apps и там внизу есть раздел по фильтрам. В Filter Design можно посчитать коэффициенты. А в десктопной версии есть Filter Builder, там можно посчитанный фильтр импортировать в виде функции и вообще, возможностей побольше, чем у онлайн. Кстати, матлабовские функции очень легко конвертировать в Matlab DLL, которые напрямую вызываются из MQL5. В Matlab есть для этого встроенные средства. Минус в том, что для работы таких DLL нужно ставить свободно распространяемый run-time с сата mathworks, а он раньше был больше пол-гига, сейчас наверняка еще подраспух.
Да, за сылку с литературой отдельная благодарность, много интересного материала.
Это БИХ-фильтр, их тяжелее реализовать и фазовые сдвиги нелинейные.
А вот это уже КИХ-фильтр, легко считается в Матлаб и очень легко реализуется программно. А если карточка поддерживает OpenCL, то такой фильтр замечательно распараллеливается. Но с OpenCL не пройдет в маркете, это чисто для себя или продавать самостоятельно. А посчитать фильтры легко и бесплатно можно в онлайн-версии Matlab, дают бесплатно 20 часов в месяц. Самое смешное, несмотря на санкции, я из России захожу без ВПН и регистрация у меня на почту @yandex.ru )). Ищите в верхней панели вкладку Apps и там внизу есть раздел по фильтрам. В Filter Design можно посчитать коэффициенты. А в десктопной версии есть Filter Builder, там можно посчитанный фильтр импортировать в виде функции и вообще, возможностей побольше, чем у онлайн. Кстати, матлабовские функции очень легко конвертировать в Matlab DLL, которые напрямую вызываются из MQL5. В Matlab есть для этого встроенные средства. Минус в том, что для работы таких DLL нужно ставить свободно распространяемый run-time с сата mathworks, а он раньше был больше пол-гига, сейчас наверняка еще подраспух.
Да, за сылку с литературой отдельная благодарность, много интересного материала.
где то на форуме положили советник на МАшке, который заделал чат ГПТ
самое интересное то, что в коде идет анализ МАшки как в сторону увеличения количества баров, так и уменьшения
я конечно же не стал пробовать применить такое на практике в силу неоднократного фиаско при использовании индикаторов, но что то в этом есть по моему
---
ТС задал вопрос на тему торговли на MN1
думаю что идея такой торговли в силу приличного отставания индикаторов в конечном итоге сведется к анализу экономической ситуации, а не графика