Нейро сети - страница 9

Всё зависит от того, что из себя представляет исходный сигнал, что представляет из себя его производная и что мы хотим получить в итоге. Но конечно, чем меньше преобразований тем лучше, так как каждое преобразование вносит дополнительные искажения в исходный сигнал, что естественно может негативно сказыватся на конечный результат.

Речь шла о производном сигнале, дающем максимум при пересечении исходным некоторого порога - т.е. обобщение приведенного выше примера.

Итак, всё сводится к поставленной задаче.

Позвольте вынести на суд мой ход мыслей - как и зачем я собираюсь использовать сети.

• Обучая сеть по индикатору, дающему готовые сигналы, я рассчитываю, что сеть найдет некоторую комбинацию входов (паттерн), предшествующий возникновению сигнала и при повторении паттерна предсказать сигнал.

Как она "узнает", что именно предшествующий? Ну наверное потому что именно они будут давать бОльшую прибыль в стратегии, построенной по этим сигналам. Хотя не однозначно тут конечно - всего лишь предположение.

Паттерн для полноты картины должен (? может) включать в себя как статическую составляющую (значения), так и динамическую (моментумы и т.п.)

Получается уже обсуждавшееся выше обучение с учителем. В качестве учителя будет выступать индикатор, дающий неплохие сигналы (а после оптимизации - еще лучшие).

Но тогда почему бы не использовать "идеального" учителя, выдающего сигналы на основе того же зигзага. Хотя тут вопрос - можно ли позволить заглядывать в будущее учителю, не позволяя заглядывать сети?

• Можно использовать обучение без учителя в расчете на то, что сеть сама найдет состояние, в котором выдаваемые ею сигналю максимизируют прибыль. Но тут сложно что-то предугадать - только выбирать (? подбирать) тип, конфигурацию сети и набор входов?

• При работе над подбором входов выбираются/создаются индикаторы, более-менее достоверно раскрывают какой-то момент (приближение к уровню консолидации, например или снижение корреляции между парами), которые сами по себе недостаточны для формирования сигнала. В состоянии ли сеть обработать весь этот набор данных и сделать вывод? Другими словами, какими качествами эти сигналы должны обладать, чтобы сеть работала эффективно?

С уважением к собравшимся.

Для полноты картины: идея в том, чтобы с помощью сети получать сигналы на вход (или их подтверждение), а далее сопровождать сделку и выходить "самостоятельно" - либо по стоп-лосу, либо по получению обратного сигнала.

Тут зашла речь об обучении с учителем и без учителя

И возник вопрос - к пользователям Нейрошелла (возможно и в других прогах есть аналогичное - не знаю просто) - касаемо аддона Neural Indicators.

Выскажу некоторые свои предположения (если не прав - поправьте).

Если взять обычные сети нейрошелла на базе Турбопропа (предикт или АТР2), или вероятностные - то обучение идет с учителем. В качестве учителя берем некоторый индикатор - или стандартный Neural Outputs типа Optimal%Change, или изменение цены, или флаг Бая/Селла, или что нибудь на базе того же зигзага (раз и о нем речь пошла) ну и т.д. Так вот, есть предположение, что сигналы учителя должны некоторым образом согласовываться с входными данными. Иначе возможны ситуации, типа - вход постепенно растет, потом падает, но выход остается постоянный. Либо - вход постоянный - выход вначале резко растет, потом уменьшается. Вариантов здесь множество, и все гораздо ухудшается когда входов много. А подобные вещи, скорей всего ведут к тому, что сеть может впасть в ступор - ведь одни и теже входные данные приводят к разным выходам, или наоборот.

Поэтому здесь может быть вывод - что подобрать ПРАВИЛЬНОГО учителя очень сложно, при ошибке мы рискуем даже при хороших входах испортить сеть.

Возможное решение - использовать сети из аддона neural Indicators - которые обучаются без учителя, и подстраиваются под целевые функции стратегии

Вопрос - имеет ли данный аддон явное преимущество перед остальными сетями нейрошелла?

Не пойму, зачем брать производные от котировок, когда можно нейросетью предсказывать возможное направление движения, подавая на вход ряд предыдущих значений HIGH CLOSE LOW

ну эдак глубиной в 400 баров ;) ? На таймфреймах Н1 и меньше нужно ёще учитывать и цену OPEN. Итого для М1 400 Х 4 = 1600 входных значений HCLO: для предсказания направления на 60 баров вперёд будет достаточно ))). Осталось только найти подходящую программу-анализатор ну и суперкомп.

Самое главное найти подходящую программу анализатор )))

Прошу прощения, конечно, но что - был положительный опыт в подобном подходе?

Ну на Н4 на 4-5 баров вперёд проц на 90-сто достоверно да в течении 2-3 недель без переучивания..

Т.к. нормальную программу найти нереально, приходится кроме форекса изучать ещё и www.wasm.ru ;)

А так если-бы форекс был-бы случайным шумом, то давно-бы его бросил.

Если честно - не вкурил...))) По поводу идеального учителя - совсем не факт, что нужен именно идеальный......

Преимущество одно - нет учителя.....

Проблема в одном, когда цена выйдет за рамки диапазона, который был на истории в 400 баров, нейросеть не будет знать что делать и будет давать сигнал в сторону этого диапазона вне зависимости от того, как будет двигаться цена вне его......

Как говорится, правильно заданный вопрос содержит в себе большую часть ответа. Поэтому даже из такого ответа можно сделать определенные выводы..))

Простите мне мою назойливость и позвольте представить еще один вопрос-рассуждение:

Можно ли использовать нейронную сеть для определения текущей фазы рынка?

Поясню, что имеется в виду.

Под фазой рынка в данном случае подразумевается наличие тренда или его отсутствие (вероятно, это флэт и есть).

Ладно, про учителя оставим. Возьмем сеть без обучения.

Получается нужно подобрать входы таким образом, чтобы в пространстве входных параметров возникли кластеры (да простят мне мою некомпетентность), в лучшем случае ДВА:

Один для тренда, второй для флэта.. (а может быть только один кластер - тренд, и всё остальное - не тренд?).

Если всё так:

Каким образом, в каком виде по выходной сигнал покажет принадлежность к конкретному кластеру?

Эти кластеры реально визуализировать, чтобы ориентироваться уже на этапе подбора входов?

При проектирования такой сети можно как-то методически контролировать процесс или приходится полагаться на удачу - получится-не-получится (вопрос, конечно, наивный)))?

С уважением.

// пошел учить матчасть

На счет бэкпропа хотел бы добавить, что использование стандартной для алгоритма ошибки неправильно.