Поиск набора индикаторов для подачи на входы в нейросеть. Дискуссия. Инструмент оценки результатов. - страница 8
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
lea писал(а) >>
По прямому назначению - выбрать набор переменных, которые будут скоррелированы слабже исходных.
Я несколько раньше пробовал сделать сверточную сеть, для тестирования взял временной ряд М5, сеть 48-x-48, ряд был приведен к симметричному виду относительно 0. Ф-ция активации th(). Так вот, я не смог достичь ошибки на тестовой выборке больше 0.1 я так и не смог.
Я несколько раньше пробовал сделать сверточную сеть, для тестирования взял временной ряд М5, сеть 48-x-48, ряд был приведен к симметричному виду относительно 0. Ф-ция активации th(). Так вот, я не смог достичь ошибки на тестовой выборке больше 0.1 я так и не смог.
Мне не совсем для свёртки ценового ряда. Уже есть набор показателей (т.е. преобразованный ряд цен), вот размерность этого набора и нужно уменьшить.
Мне не совсем для свёртки ценового ряда. Уже есть набор показателей (т.е. преобразованный ряд цен), вот размерность этого набора и нужно уменьшить.
Сеть свертки и PCA это одно и тоже, только термины разные.
Подаем на вход X, ожидаем его же на выходе сети. Кол-во нейронов промежуточного слоя меньше чем входной\выходной слой. Значение выходов нейронов
промежуточного слоя считаем отображением входного множества. Эти данные и используются в дальнейшей обработке.
lea писал(а) >>
Никто не баловался с методом главных компонент (он же - "principial component analysis" или "pca")?
Спасибо. Хороший вопрос.
iliarr писал(а) >>
если целевой функцией будет только количество сделок или только просадка, толку буде мало т.к. сеть будет учиться либо часто и бесцельно входить/выходить в рынок либо учиться избегать просадок....
надо оптимизировать и прибыльл, и количество сделок, и просадку... на сколько я помню, JGAP позволяет иметь целевую функцию с несколькими выходами.. сейчас более приоритетными вижу задачи : разобраться с входными данными и довести до ума рекуррентную нейросеть.
на настоящий момент, как я вижу, поиск и тестирование входных данных тем методом который я предложил, мало кому интересен...
Илья, думаю вас заинтересует статья в Валютном Спекулянте (http://www.spekulant.ru/archive/2004_11_st11.html). Там как раз обсуждается и фитнесс-функция тоже (не только чисто по эквити, но и с разбавлением ее просадкой и кол-вом сделок)
если целевой функцией будет только количество сделок или только просадка, толку буде мало т.к. сеть будет учиться либо часто и бесцельно входить/выходить в рынок либо учиться избегать просадок....
Тоже так думаю, что толку будет мало, поэтому и писал "ради интереса"
iliarr писал(а) >>
надо оптимизировать и прибыльл, и количество сделок, и просадку... на сколько я помню, JGAP позволяет иметь целевую функцию с несколькими выходами..
Об этом я и говорил, об многокритериальной оптимизации. Хмм, думал: "Нифигасе, какой термин придумал!", а оказывается им давно пользуются... многокритериальная оптимизация
Думаю, должно быть не несколько фитнес функций ("..JGAP позволяет иметь целевую функцию с несколькими выходами.."), а одна, но с несколькими необходимыми критериями. Сейчас как раз рассуждаю, как подобраться к этому вопросу незаметно и схватить его за ноздри.. Может кто посоветует литературу по этому вопросу?
marketeer писал(а) >>
Если сеть обучается без учителя получать гипотетически неограниченную прибыль, то следует иметь в виду, что входные данные все равно накладывают ограничение сверху на размер прибыли. На выбранном периоде обучения можно оценить сумму, больше который получить нельзя (постоянным лотом, выбранной стратегией). Значит можно вычислить коэффициент обученности сетки на этом периоде как отношение теоретической максимально возможной прибыли к тому, что дает сеть. Потом аналогичные оценки делаются для валидационного периода, и коэффициенты сравниваются...
Согласен с iliarr'ом. Получится подгонка
зы Пока писал, Daniil меня опередил, он тоже об этом же.
Илья, думаю вас заинтересует статья в Валютном Спекулянте (http://www.spekulant.ru/archive/2004_11_st11.html). Там как раз обсуждается и фитнесс-функция тоже (не только чисто по эквити, но и с разбавлением ее просадкой и кол-вом сделок)
Интересная статья. Спасибо.
Наиболее интересным мне было:
-определение автором целевой функуции "Fit = Profit/(l+Prosadka/ 1 0 + S t о p / 1 0 ) * (CountTrade/10); " я думал о подомном, а здесь есть готовое решение...
- продбор МТС генетическим алгоритмом. Хорошо сформулированная идея - половина решения... Достоинств у этого подхода куча... надо будет хорошенько подумать как это лучше и проще реализовать...
Сейчас, благодаря:
lea писал(а) >>
Никто не баловался с методом главных компонент (он же - "principial component analysis" или "pca")?
меня очень заинтересовал вопрос сжатия подаваемое в нейросеть информации за счет устранения корреляции
Я несколько раньше пробовал сделать сверточную сеть, для тестирования взял временной ряд М5, сеть 48-x-48, ряд был приведен к симметричному виду относительно 0. Ф-ция активации th(). Так вот, я не смог достичь ошибки на тестовой выборке больше 0.1 я так и не смог.
Значит наверное неправильно пользовал, или готовил.
Сам я работал со сжатием картинок. Иногда ошибка нулевая, иногда нет, зависит от степени сжатия (количества главных компонент) и информативности входов.
Попробуйте на простых примерах.
Вот парочка книг по оптимизации. Только что скачал, ещё горячие.
........ не получается прикрепить. На http://torrents.ru брал
А считали всё это в чём? MathCad/MathLab?
В это трудно поверить мне самому, но расчет производился в эксельке. ИМХО немного лучше маткада в плане понимания (визуализация процесса расчета а не конечного состояния).