Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2249
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
Я не знаю как такое реализовать.... может есть какой то более простой вид...
Я хочу создать сеть цель которой брать на входе рыночные котировки , а на выходе выдавать более "прогнозируемый" ряд
Но мне нужна мера "прогнозируемости"
Я не знаю как такое реализовать.... может есть какой то более простой вид...
Я хочу создать сеть цель которой брать на входе рыночные котировки , а на выходе выдавать более "прогнозируемый" ряд
Но мне нужна мера "прогнозируемости"
Пока науке не известно, как точно определить начало стационарности, потому что оно на истории определяется. Как МАшка.
Меры прогнозируемости на не стационарном ряде нет, она может быть только на стационарных участка. Если сеть будет хотя бы просто определять эти участки на истории для начала, уже хорошо.
.
Как один из вариантов. Одним значением меру предсказуемости не измерить)
Пока науке не известно, как точно определить начало стационарности, потому что оно на истории определяется. Как МАшка.
Меры прогнозируемости на не стационарном ряде нет, она может быть только на стационарных участка. Если сеть будет хотя бы просто определять эти участки на истории для начала, уже хорошо.
Ты не понял.. Я ничего прогнозировать не буду, я буду заставлять сеть генерировать новый стационарный ряд...
Мне подходит определение на истории, главное чтобы работало
вот тут вроди то что надо
Ты не понял.. Я ничего прогнозировать не буду, я буду заставлять сеть генерировать новый стационарный ряд...
Мне подходит определение на истории, главное чтобы работало
вот тут вроди то что надо
Через энтропию тоже можно. По мне это сложное понятие. Это как стабильность эквити. Его тоже одним параметром не описывают.
Да, Вы правы, если вектор признаков преобразовать в матрицу и скормить свертке, то мало что измениться( уже проверял:)) В моем случае, идея заключается в максимальном использовании свойства сверточной сети искать и использовать локальные шаблоны. Эти шаблоны инвариантны в отношении переноса, то есть многослойная свертка может находить один и тот же шаблон, в разных местах изображения. Так же архитектуры с промежуточным агрессивным уменьшением карты признаков позволяет формировать иерархию между шаблонами на разных сверточных слоях. Так вот, я пытаюсь подобрать такую графическую интерпритацию котировки, которая позволит свертке находить эти шаблоны.
Для нащих задач скорее подойдет convLSTM. Т. е. свертка с учетом пространственно временных параметров. Примеры можно посмотреть здесь и здесь. В torch буду проверять на неделе как работает. Есть реализация на PyTorch
Удачи
Про цос, нс, ошибки 1, 2 рода.
До половины почитал и с хохотом остановился тут
случайных чисел. Нейронная сеть, использующая эти весовые коэффициенты, может иметь правильное соотношение между входом и выходом, но почему эти практические весовые коэффициенты работают, остается загадкой. Это мистическое свойство нейронных сетей является причиной, по которой многие ученые и инженеры избегают их. Вспомните все те научные фикции, которые распространяют компьютерные ренегаты.
Автор по моему очень далек от НС , даже более далек чем я))
До половины почитал и с хохотом остановился тут
случайных чисел. Нейронная сеть, использующая эти весовые коэффициенты, может иметь правильное соотношение между входом и выходом, но почему эти практические весовые коэффициенты работают, остается загадкой. Это мистическое свойство нейронных сетей является причиной, по которой многие ученые и инженеры избегают их. Вспомните все те научные фикции, которые распространяют компьютерные ренегаты.
Автор по моему очень далек от НС , даже более далек чем я))
Книга 97 года, по цос. Из 33 глав эта единственная о сетках. Принято считать что сетки это черные ящики. В конце концов это перевод.
Почитай по диагонали, довольно интересно.
Книга 97 года, по цос. Из 33 глав эта единственная о сетках. Принято считать что сетки это черные ящики. В конце концов это перевод.
Почитай по диагонали, довольно интересно.
Прочитал...
Родилась идея, что если сделать дискретно косинусное преобр. и заставить сеть выбирать те коефициенты сумма которых даст чистый сигнал..