文章 "交易中的神经网络：基于 ResNeXt 模型的多任务学习"

新评论
 

新文章 交易中的神经网络：基于 ResNeXt 模型的多任务学习已发布：

基于 ResNeXt 的多任务学习框架，优化了金融数据分析，可参考其高维度、非线性、和时间依赖性。使用分组卷积和专用头，令模型能有效从输入数据中提取关键特征。

在潮流卷积架构中，有一个特别突出：ResNeXt，该架构在《深度神经网络的聚合残差变换》一文中有所讲述。ResNeXt 具备捕捉局部和全局依赖关系的能力，并有效处理多维数据，同时经由分组卷积降低计算复杂度。

利用深度学习进行金融分析的一个关键领域是多任务学习（MTL）。该方式允许同时解决多个相关任务，提升模型的准确性和普适能力。不同于经典方式中每个模型只定位单一任务，MTL 利用共享数据表示，令模型对市场波动更具韧性，并强化训练过程。该方式对于市场趋势预测、风险评估、和资产估值尤其宝贵，在于金融市场动态变化，且受多种因素影响。

《经由深度学习和 ResNeXt 在金融数据挖掘中的协同优化》的研究中讲述了一个 ResNeXt 架构整合到多任务模型中的框架。该方案为处理时间序列、识别时空形态、及生成准确预测开辟了新可能。ResNeXt 的分组卷积和残差模块加速训练，降低了关键特征丢失的风险，令该方法尤为适用金融分析。


作者：Dmitriy Gizlyk

 

德米特里，你有大量关于神经网络的文章。

你更喜欢通过写文章 而不是交易来赚钱。

难道用神经网络赚钱是不可能的吗？

 
我也想知道。有没有从这个模型衍生出来的交易 EA？
 

算法编码的兄弟们，这里有很多程序员，甚至是大多数程序员，都在研究和开发新技术，但 "却 "没有靠这些技术赚钱。

毕竟，这是一个开发者论坛，而不是交易者论坛。虽然也有成功的交易者。但我们永远不会知道。

 
Edgar Akhmadeev #:

算法编码的兄弟们，这里有很多程序员，甚至是大多数程序员，都在为自己研究和开发新技术，但 "却 "没有靠这些技术赚钱。

毕竟，这是一个开发者论坛，而不是交易者论坛。虽然也有成功的交易者。但我们永远不会知道。

根据我的经验，那些有真正有用的东西可以分享的交易者，从来不会分享任何东西。
 
Alain Verleyen #:
根据我的经验，能够分享真正有用的东西的交易者从来不会分享任何东西。

是的，他们知道（就像我从 1998 年开始就知道），一个有效的策略在发布后很快就会失效。

这就是为什么论坛上的程序员会分享个人解决方案，而有效的（盈利的）策略却从未发布过。或出售。

 
Edgar Akhmadeev #:

是的，他们知道（我从 1998 年开始就知道），一个有效的战略一旦传播开来，很快就会失效。

这就是为什么论坛上的程序员会分享各自的解决方案，而有效的（盈利的）策略却从未公布过。或出售。

国家间转账的需求就不算数了吗？）

你怎么能成为这样的系统？

如果你在回调时买入，交易机器人就会一直工作，问题是回调在哪里？

 
我看过翻译，我绝对不能翻译。
 
lynxntech #:
我看过译文，我绝对不能翻译

我得承认，我不够聪明，看不懂原文。

"我整晚都在自言自语，他们却听不懂！"(日瓦涅茨基

 
Edgar Akhmadeev #:
是的，他们知道（我从 1998 年开始就知道），有效的策略一旦传播开来，很快就会失效。

这适用于流动性有限的交易所，但不适用于外汇交易，那里有足够的流动性供所有人使用。

附注：我想起了米哈伊尔，他在莫斯科交易所有一套对冲系统，他分享了这套系统，它很有效，将来也应该有效。一切都取决于个人资本，100 美元在那里什么也做不了。

在这里，每个人都在寻找一个100英镑的系统，每天盈利10%。这就是搜索结果如此糟糕的原因。

新评论