Искусственные нейронные сети. - страница 6
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
Помешательства нет. Есть глубокое понимание сетей. Излагать его здесь долго, да и зачем. Поэтому ограничиваюсь кратким изложением своего мнения. Те кто не согласен, высказывайтесь, приводите примеры, даже Renaissance Technologies если хотите. Посмеёмся вместе.
Есть глубокое понимание сетей. Излагать его здесь долго, да и зачем.
Помешательства нет. Есть глубокое понимание сетей. Излагать его здесь долго, да и зачем. Поэтому ограничиваюсь кратким изложением своего мнения. Те кто не согласен, высказывайтесь, приводите примеры, даже Renaissance Technologies если хотите. Посмеёмся вместе.
приводить примеры сейчас наверно невозможно, но в дальнейшем, при эволюции терминала, языка програмирования, инструментария можно будет делать полноценный ИИ, многие великие люди ошибались по поводу прогресса, некоторые вовремя меняли свое мнение, многие из-за этого терпели неудачу, так что надо подождать пока
2-мя математиками, 2-мя физиками, 2-мя нейробиологами и 2-мя экономистами
Замкнутый круг какой то получается!
Если мы знаем, что нужно подавать на входы НС, то НС нафик не нужна.
А если подавать на входы всякую фигню, то НС фикне и научиться.
Напрашивается вывод: Нейросетки - фикня?!!!! =)
Я считаю нужно подавать на вход НС действительно важную информацию:
1)последние котировки, например последние 10 часовых баров (чтобы НС смогла определять уровни и патерны);
2)Текущее время (чтобы НС знала когда ожидать скачков волатильности, т.к. новости и открытие рынка происходит в круглые значения времени);
3)Макроэкономические показатели (желательно в режиме реального времени, как и откуда их вводить в МТ5 - не знаю);
4)Новости хорошие и плохие по разным регионам (не знаю как это реализовать, можно ввести коэффициент плохости/хорошести новостей, но как подавать их в МТ5 и откуда автоматом без участия человека незнаю);
приводить примеры сейчас наверно невозможно, но в дальнейшем, при эволюции терминала, языка програмирования, инструментария можно будет делать полноценный ИИ, многие великие люди ошибались по поводу прогресса, некоторые вовремя меняли свое мнение, многие из-за этого терпели неудачу, так что надо подождать пока
не соберутся и не сделают что-то действительно рабочее)), к тому же нет гарантий что эти нейросети еще не существуют, возможно трудятся себе тихонько у кого-то в терминалеПрогресс в искусственных нейросетях начался в 1943 году и за 69 лет они не научились даже отличать кошек от собак. Существуют области где они успешно применяются, области где данные не нуждаются в существенном нелинейном преобразовании. Например, предсказание потребления электричества на основе времени суток и температуры воздуха. Или предсказание GDP роста на основе factory orders, personal income, уровня безработицы, и т.п. На рынке сети должны принимать решения на основе прошлых цен. Подавать на входы сети сами N прошлых цен ни к чему хорошому не приведёт така устанвливать нелинейную зависимость между зашумлёнными данными глупо. Паттерны на рынке существуют, но они настолько искажены, что даже обычными методами нелинейного преобразования времени и цены их не установить. Например, из N прошлых цен самыми важными моментами могут быть только один или два участка, а именно участки где зти цены достигают уровней поддержки и сопротивления, трендовых линий или изменение их направления. Как цена двигается между этими важными участками в большинстве случаев не важно. То есть, размерность N данных существенно уменьшается до 2-3х путём такого нелинейного преобразования. Сеть никогда сама не научится делать такое нелинейное преобразование цен. Это предстоит нам делать. Но если мы знаем что нам делать с ценами, то мы уже заранее знаем стратегию (пробой уровней например) и зачем нам сеть? Если мы знаем что 1-2-3 паттерн в тренде приводит к продолжению тренда, зачем нам сеть? Может в будущем компьютеры станут настолько мощными что появятся новые типы сетей, более схожие с биологическими (лет этак через 20-30, может быть).
Почитайте также здесь, там хорошо описаны недостатки сетей: https://en.wikipedia.org/wiki/Neural_network
Например вот этот отрывок:
to implement large and effective software neural networks, much processing and storage resources need to be committed. While the brain has hardware tailored to the task of processing signals through a graph of neurons, simulating even a most simplified form on Von Neumann technology may compel a NN designer to fill many millions of database rows for its connections - which can consume vast amounts of computer memory and hard disk space. Furthermore, the designer of NN systems will often need to simulate the transmission of signals through many of these connections and their associated neurons - which must often be matched with incredible amounts of CPU processing power and time. While neural networks often yield effective programs, they too often do so at the cost of efficiency (they tend to consume considerable amounts of time and money).
приводить примеры сейчас наверно невозможно, но в дальнейшем, при эволюции терминала, языка програмирования, инструментария можно будет делать полноценный ИИ, многие великие люди ошибались по поводу прогресса, некоторые вовремя меняли свое мнение, многие из-за этого терпели неудачу, так что надо подождать пока
А терминал и MQL5 тут ни при чем, т.к. ИИ в целом и НН в частности уже давно никто не запрещает реализовывать (полноценно) на других инструментах, в том числе и подключая затем в виде библиотек к МТ.
Проблема не в том, чтобы сетку создать и чему-то научить (как это делать - понятно, потому что есть куча инфы и даже готовых реализаций). Проблема с сетками совсем другая - она фактически озвучена здесь же - вся действенность сетки "зарыта" в выборе исходных данных, на которых мы её обучаем. И выбрать правильные данные (в контексте рынка), правильно их преобразовать (например, пересчитать в многомерное пространство, в котором формируются, по одной из теорий, аттракторы стохастического процесса, скрытого за внешними проявлениями изменений котировок) - это самое ценное know-how, о котором я полезной на практике инфы не встречал. Всё предлагавшееся в ветке выше уже конечно же пробовали, безуспешно. Например, для макропоказателей не нужна сетка, потому что если их уметь верно интерпретировать, то можно торговать руками. Новости, не показатель, потому что, во-первых, реакция на них будет по факту, а мы ведь вроде как хотим предсказывать движения и принимать решения до того, как новость уже выстрелит; а во-вторых, реакция на новости непредсказуема - пример: землетрясение в Японии - вроде бы йене должно поплохеть, а на самом деле спрос на неё вырос, и еще часто новость вроде негативная, но менее негативная, чем ожидалось и это воспринимается как повод для подъема рынка, ну и так далее. В общем, всё уже пробовали. Те, у кого что-то получилось (если такие есть), здесь не сидят. И не делятся know-how.
Продолжаем дискуссию о сетях на рынке. Возьмём для примера зрительную кору нашего мозга. Только V1 слой этой коры содержит 140 миллионов нейронов, а там всего 6 слоёв. Все эти нейроны обрабатывают информацию параллельно и подсоединены между собой через миллирады адаптивых синапсов. Компьютеры в распоряжении трейдеров могут иметь до 1000 ядер ГПУ. То есть, чтобы имитировать работу зрительной коры, каждое ядро должно расчитывать сотни тысяч нейронов в реальном времени. Обучение такой сети займёт около года. И всё это чтобы видеть мир и распознавать образы. Даже если нам удастся успешно обучить эту сеть, она всё равно не достигнет той же точности распознования объектов как у нас, так как мы используем не только зрительную информацию. Например, одной из самых трудных задач для искусственных сетей это распознование теней. Для нас это пустяк так как мы знакомы со свойствами света. Но сеть не знает эти свойства света и сама она их установить не может если мы её не обучим этим свойствам. Сеть также не знакома с прозрачностью обьектов и т.п. Теперь возьмите рынок, где намного больше шума чем в зрительной информации и объекты (ценовые паттерны) искажены намного сильнее. И мы хотим чтобы пара десятков нейронов поглядев на прошлые цены установила нам рыночные закономерности. Смешно, не правда ли?
Продолжаем дискуссию о сетях на рынке. Возьмём для примера зрительную кору нашего мозга. Только V1 слой этой коры содержит 140 миллионов нейронов, а там всего 6 слоёв. Все эти нейроны обрабатывают информацию параллельно и подсоединены между собой через миллирады адаптивых синапсов. Компьютеры в распоряжении трейдеров могут иметь до 1000 ядер ГПУ. То есть, чтобы имитировать работу зрительной коры, каждое ядро должно расчитывать сотни тысяч нейронов в реальном времени. Обучение такой сети займёт около года. И всё это чтобы видеть мир и распознавать образы. Даже если нам удастся успешно обучить эту сеть, она всё равно не достигнет той же точности распознования объектов как у нас, так как мы используем не только зрительную информацию. Например, одной из самых трудных задач для искусственных сетей это распознование теней. Для нас это пустяк так как мы знакомы со свойствами света. Но сеть не знает эти свойства света и сама она их установить не может если мы её не обучим этим свойствам. Сеть также не знакома с прозрачностью обьектов и т.п. Теперь возьмите рынок, где намного больше шума чем в зрительной информации и объекты (ценовые паттерны) искажены намного сильнее. И мы хотим чтобы пара десятков нейронов поглядев на прошлые цены установила нам рыночные закономерности. Смешно, не правда ли?
Я другой пример приведу.
Зашел на сайт РБК, там за сегодня настрочили 137 новостей, а реального влияния на курс рубля может оказало 3. Причем очень вероятно, что есть влияния о которых не написано в новостях.
То есть, мало того, что нужно научится очень качественно отфильтровать входной поток, так еще вполне может быть, что во входном потоке нет информации описывающей причины тех или иных изменений цен.
В целом не нужно путать теплое с мягким. Машины изначально создавались, что бы заменить монотонный/изученный человеческий труд. Если взять сферу торговли, то подавляющие число участников слабо понимают чем они занимаются, что собственно и отражено в результатах. Нет однозначных принципом которые гарантируют результат в будущем, если взять М3 доллара и динамику СП500, то видно что даже стратегия buy&hold теряет деньги. Что тогда должны выполнять машины - тоже монотонно терять...
Хотя искусство ради искусства, тоже имеет право на жизнь.