Обсуждение статьи "Биологический нейрон для прогнозирования финансовых временных рядов"

Новый комментарий
 

Опубликована статья Биологический нейрон для прогнозирования финансовых временных рядов:

Выстраиваем биологически верную систему нейронов для прогнозирования временных рядов. Внедрение плазмоподобной среды в архитектуру нейронной сети создало своеобразный "коллективный разум", где каждый нейрон влияет на работу системы не только через прямые связи, но и посредством дальнодействующих электромагнитных взаимодействий. Как покажет себя нейронная система моделирования мозга на рынке?

Модель Ходжкина-Хаксли, удостоенная Нобелевской премии, описывает механизм генерации и распространения нервных импульсов на клеточном уровне. Но почему именно эта модель может быть ключом к пониманию финансовых рынков? Ответ кроется в удивительной аналогии между распространением нервных импульсов в мозге и распространением информации на рынках. Подобно тому, как нейроны обмениваются электрическими сигналами через синаптические связи, участники рынка обмениваются информацией через торговые операции.

Инновационность нашего подхода заключается в добавлении плазмоподобной составляющей к классической модели. Мы рассматриваем нейронную сеть, как динамическую систему, погруженную в "плазму" рыночной информации, где каждый нейрон может влиять на поведение других нейронов не только через прямые связи, но и через создаваемые им электромагнитные поля. Это позволяет системе улавливать тонкие корреляции и взаимосвязи, которые остаются незамеченными для традиционных алгоритмов.

В данной статье мы подробно рассмотрим архитектуру системы, принципы ее работы и результаты практического применения на различных финансовых инструментах. Мы покажем, как биологически инспирированный подход может предложить новый взгляд на проблему прогнозирования финансовых временных рядов и открыть новые горизонты в области алгоритмической торговли.

Автор: Yevgeniy Koshtenko

 
Для меня нейросети пока предмет изучения, планирую использовать их в своем скальпере. Загадок в них не вижу. Для меня загадка в другом — почему авторы подобных статей с упорством маньяка пытаются скормить НС сырые бары? Я думаю, что если человек освоил работу с НС, то и основы DSP (цифровая обработка сигналов) не составит изучить особого труда. В это статье автор вообще превзошел всех известных мне т.н. «аналитиков» — подает на вход бары D1 и пытается угадать цену на 15 дней вперед. А что, так тяжело вытянуть из МТ5 тиковые данные и попробовать это на скальпинге с предварительной обработкой???
 
Alexey Volchanskiy #:
Для меня нейросети пока предмет изучения, планирую использовать их в своем скальпере. Загадок в них не вижу. Для меня загадка в другом — почему авторы подобных статей с упорством маньяка пытаются скормить НС сырые бары? Я думаю, что если человек освоил работу с НС, то и основы DSP (цифровая обработка сигналов) не составит изучить особого труда. В это статье автор вообще превзошел всех известных мне т.н. «аналитиков» — подает на вход бары D1 и пытается угадать цену на 15 дней вперед. А что, так тяжело вытянуть из МТ5 тиковые данные и попробовать это на скальпинге с предварительной обработкой???
Предварительная обработка - это к ванге сходить? 

Откуда вы знаете, что цены надо обрабатывать, где обоснование оному, кроме лозунгов МО-шников о наличие фантомного шума, определение которого в контексте форекса даже не знают. 

Цена - это не физический сигнал, тут нет никакого шума. 

Каждый ценовой паттерн описывает свой тренд и флет, что на D1, что на M1. 
Импульс-коррекция. 

На всех ТФ свои паттерны. 

Предобработка графика - это и есть поиск закономерностей. Поиск закономерностей через фильтрации всякие. 

Так любая НС этим занимается. 

Вы просто два раза будете обрабатывать график. 

А если на вход подадите индикаторы - то 3 раза. 
 

To Ivan Butko

Препропессинг - предварительная обработка  предикторов -  первый и наиболее важный из трех этап любого проекта машинного обучения. Нужно сесть и выучить основы. Тогда  Вы не несли бы голимую пургу.

"Мусор на входе - мусор на выходе" - и для этого к гадалке ходить не надо.

 

По статье;

Экзотика не дающая преимущества даже против простых статистических моделей. И зачем?

По коду:

Адаптивная нормализация - не увидел что там адаптивного?

Все индикаторы есть в библиотеке технического анализа ta. Зачем все переписывать на Python?

Нет смысла в практическом применении, ИМХО

 
Vladimir Perervenko #:

To Ivan Butko

Препропессинг - предварительная обработка  предикторов -  первый и наиболее важный из трех этап любого проекта машинного обучения. Нужно сесть и выучить основы. Тогда  Вы не несли бы голимую пургу.

"Мусор на входе - мусор на выходе" - и для этого к гадалке ходить не надо.

Вы транслируете учебники

Не разорались с определением мусора в ценах

Не знаете, что есть мусор, а что не есть. И есть ли он в принципе. Поскольку на форексе зарабатывают и на М1, и на М5, и на М15 и так далее, вплоть до D1

Вы не понимаете и не умеете торговать руками.

Отсюда - вы не понимаете, что вы сами несёте. 


Но, если у вас есть подтверждение работоспособности и стабильности ваших моделей НС исключительно из-за наличия препроцессинга (без него ведь - мусор) - то будете правы. 

Есть такие?
[Удален]  
Легко сказать: выучить основы, это же как минимум 1 книгу по основам прочесть нужно :) и не просто прочесть, а запомнить.
 
Шум - это ошибка модели. То есть в реальности нет никакого абстрактного "шума цены", есть лишь ряд из ошибок конкретной модели. Модель считается более-менее рабочей, если ряд этих ошибок ведёт себя как белый шум (стационарный процесс без корреляции).
Новый комментарий