Sinir ağının girişine ne beslenmeli? Fikirleriniz... - sayfa 48
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Normal bir geriye dönük test genellikle gerçeklikle örtüşür. Aksi takdirde, bu tür geriye dönük testleri siktir edin).
Bu sınıflandırmaya sahibim (azalan önem sırasına göre):
1. Orijinal serinin genişlet ilmesi
2. orijinal seri
3. Bir sc. penceresinde başlangıç serisinin normalleştirilmesi
4. göstergeler (geri dönüşler dahil)
Hata değeri sizin için bir şey ifade ediyor mu? Çok yazık. Zaten bir değerlendirme için yeterli.
Bu kategorizasyona sahibim (azalan önem sırasına göre):
1. Orijinal serinin büyütülmesi
2. orijinal seri
3. sc. penceresindeki başlangıç serisinin normalleştirilmesi
4. göstergeler (geri dönüşler dahil)
Tamam, sizin için bir geriye dönük test olacak, bu belirli NS için değil, belki başka bir tane.
x - anlaşma sayısı, Y - enstrüman puanı cinsinden birikmiş kar.
Hiçbir fikrim yok. Enstrümanın ne olduğunu bile hatırlamıyorum :)
)))
Konuşacak bir şey yok.)
Başlangıçta en çok arzu edilen şey orijinal seriyi beslemektir. Ancak bu, yeni verilerde eğitim aralığının dışına çıkan fiyatlar nedeniyle her zaman işe yaramaz.
İkinci durum için en az bilgi kaybıyla büyütme/farklılaştırma tekniklerini tartışmak faydalı bir tartışma olacaktır.
Bir şeyler eksik. Bir tür ara bilgi. Burada bu normalleştirmeleri seçiyorum.
Aktivasyon fonksiyonunun süslü bir forma sahip olması için katsayılar ekliyorum (yeni kurallar yaratıyorum), ağırlıklar bunu yapsa da, yine de - çıkış kuralları (hangi sayı çıkacak) kesinlikle en süslü formları alıyor, ancak bir şey değişmez hale geliyor - geçmişi hatırlamak. Mantıksal olarak iyi sayılır, ancak yeni veriler için kötü. Onlar farklı, neden hafızaya ihtiyacımız olsun ki!
Bu üniversiteye gitmek gibi saçma bir şey: "Okulda öğretilen her şeyi unutun." Demek istediğim şu: normalleştirmelerde ya da onlarsız (çıplak veri) - NS her yerde tüm modellerin 50/50 çalışma şansına sahip olduğu gerçeğine rastlar. Tek şey şudur: çıplak verilerde NS.... ileriye doğru daha kararlıdır. SADECE DÜZLÜKTE! Ve kim yarın ya da yarından sonraki gün için söz veriyor? Ayrıca hayır, çünkü bu durumda NS antrenman tarihindeki en uzun düzlüğe uyum sağlamak için ağırlıkların ortalamasını çok fazla alıyor.
Ve eğer yeni veriler bu düzlüğün ötesine geçerse - NS ters ticareti açar ve - ölene kadar oturur. Al / a_now_sell / a_now_buy bayrak türünde hiçbir filtre çalışmaz. NS, ayarlanan SL'yi aldıktan sonra kapanır. Ve bu sorunun yarısıdır, flotasyon tam istikrarı garanti etmez, NS de dalgalanabilir.
Bu sonuçların toplamı, tüm bunları kar elde etmek için çalışan bir yöntem olarak adlandırmayı zorlaştırıyor. NS fikrinin kendisi.... yeni bir bilgi yaratmıyor. Onu yeniden etiketliyor. 0.2, 0.3, 0.4 sayıları var - bunları 0.3456 olarak etiketliyor. Başka bir girdi sayıları kümesi, 0.5367 olarak etiketliyor.
Ve böyle devam eder. Ama bu küme, her bir sayı kümesi birer örüntüdür. NS esasen "a" desenini alır ve ona "b" deseni adını verir.
Ve yazının başına dönecek olursak, eksik olan şey öğrenme bilgisidir. Öğrenme nedir? Genel olarak nedir? Tanımı açıyorsunuz - bir soyutlama hapşırığı var.
Yani, uygulamalı bir göreve bağlı bir şey, ChatGPT de ders kitaplarını ezberliyor ve ondan ne istediğimi anlamıyor. İki sayı alıyorsunuz, her birini iki başka sayıyla çarpıyorsunuz - bu öğrenme mi? Hayır. Bu ince ayar yapmak, uydurmak, optimize etmektir.
Bunun sonucu girdi setinin "işaretlenmesidir." Eğitim, A deseninin bize şimdi AL sinyali ve yarın SAT sinyali vermesidir. Tam olarak nasıl? Püf noktası nedir? Öğrenme tamamen bununla ilgilidir. Öğrenme bağlamı.
Adaptasyon. Ama adaptasyonlar oldu. Ve işe yaramadılar. Bir şeylerin eksik olduğunu varsayabiliriz.
Ve hareketli ortalamanın periyodunu değiştirmek, mantıklı olsa da garip bir uyarlamadır. Öğrenmeyi sayılara nasıl çevirirsiniz?
Asıl soru bu. Verileri ön işleme tabi tutmadan. Sistem neyi ön işleme tabi tutacağını nereden biliyor? Veri ön işleme fikri, "gürültüden arındırma" - zaten İŞLEYEN KALIPLARIN yaratılması gibi görünüyor! - İşte bu kadar. Al, ticaretini yap.
Ama böyle bir şey yok. Piyasa gürültüsüne piyasa gürültüsü denir çünkü piyasa gürültüsüdür. Bu nereden geliyor? Fizik ders kitabından mı? Matematikten mi? Genliklerin ve süreksizliklerin akıllı grafikleri orada bir şey gösterdiği için mi?
Hepiniz iyisiniz, makaleleriniz profesyonel ve akademik, ancak oldukça gevşek olmasa da Forex'e gevşek bir şekilde uygulanıyorlar. Serbestçe trend - trend, düz - düz, gürültü - gürültü, eğitim - eğitim diyoruz, ancak hiçbir şey hiçbir yerden gelmiyor.
Farklı dillerde iletişim kuruyoruz. Sanki kökten farklı bir çalışmaya, kökten farklı bir yaklaşıma (sayılarla çalışmak) ihtiyacımız varmış gibi. Peki ve buna göre - herhangi bir "sistem düşünüyor", "kara kutu", "NS karar verdi", "eğitim yanlış", "bilgi yok, oraya bir şey düşmedi, bu yüzden kazanmıyor" olmadan en katı yorum.
Bir şey eksik. Bir çeşit ara bilgi.
"Durağanlık" kelimesi burada daha önce de duyuldu, ancak benim istediğim bağlamda değil.
Tüm bu nankör uğraşları da deneyimledikten sonra basitçe düşünüyorum:
Piyasa durumları vardır, bunları örneğin kümelenme yoluyla elde edebilirsiniz.
Her bir kümeden gelen kotasyonları (getirileri) tek bir satırda birleştirir ve diğer kümelerden gelen kotasyonları çıkarırsak, bazı durumlarda neredeyse durağan bir seri elde ederiz. Bununla zaten çalışabilirsiniz.
Ayrıca, modele ne girileceği önemli değildir (tercihen ham fiyatlar, böylece bilgi kaybı olmaz).
MO algoritmaları iyi çalışır, onları araştırmanıza gerek yoktur. Sabit seriler/kanunlar aramanız gerekir. Sadece onlar üzerinde MOShka istikrarlı bir şekilde geleceği tahmin eder.
Durağan bir serinin veya durağan bir düzenliliğin nasıl elde edileceğine dair başka fikirler varsa - bu her zaman doğru düşünme yoludur.