Нейро-прогнозирование фин.рядов (на основе одной статьи) - страница 9
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
В итоге набрав статистику можно прийти к выводу, что цель тренировки максимальный баланс не всегда хорошо. Но тут возникнет немного другой вопрос, как найти ту самую цель, чтобы НС работала хорошо в будущем.
Попробовал разные варианты своего советника с НС, т.е. по балансу, профитфактору, матожиданию, просадке в валюте депозита и просадке в %. И смотрел на форвардные тесты, как до участка оптимизации, так и после.
Получается, что если оптимизировать по минимальной просадке в валюте депозита и потом выбирать из итогов оптимизации эту самую минимальную просадку, то оба форварда успешны. Если величина минимальной просадки одинакова для нескольких результатов оптимизации, то необходимо выбрать такую, у которой баланс будет максимальным.
Дополнительно выяснилось, что если оптимизировать по минимальной просадке в валюте депозита, а потом выбрать результат с максимальным профитфактором, то форвардные тесты тоже успешны, но результаты на них уже похуже, чем в предыдущем случае.
Но этот метод дает результаты только для одного единственного советника. Другие советники с такой же НС, но другими входами, такой особенностью не обладают и выявить для них методику определения признаков результатов оптимизации для успешных форвардных тестов пока не так и не удалось.
Попробовал разные варианты своего советника с НС, т.е. по балансу, профитфактору, матожиданию, просадке в валюте депозита и просадке в %. И смотрел на форвардные тесты, как до участка оптимизации, так и после.
Получается, что если оптимизировать по минимальной просадке в валюте депозита и потом выбирать из итогов оптимизации эту самую минимальную просадку, то оба форварда успешны. Если величина минимальной просадки одинакова для нескольких результатов оптимизации, то необходимо выбрать такую, у которой баланс будет максимальным.
Дополнительно выяснилось, что если оптимизировать по минимальной просадке в валюте депозита, а потом выбрать результат с максимальным профитфактором, то форвардные тесты тоже успешны, но результаты на них уже похуже, чем в предыдущем случае.
Но этот метод дает результаты только для одного единственного советника. Другие советники с такой же НС, но другими входами, такой особенностью не обладают и выявить для них методику определения признаков результатов оптимизации для успешных форвардных тестов пока не так и не удалось.
подгонка весов нейросети требует триллионы вариантов, а га может выдать только 10-18 тыс.
поэтому правильным было бы несколько раз (не менее пяти) провести оптимизацию в режиме га и только тогда выбирать нечто подходящее.
Получается, что если оптимизировать по минимальной просадке в валюте депозита и потом выбирать из итогов оптимизации эту самую минимальную просадку, то оба форварда успешны. Если величина минимальной просадки одинакова для нескольких результатов оптимизации, то необходимо выбрать такую, у которой баланс будет максимальн=ым.
Дополнительно выяснилось, что если оптимизировать по минимальной просадке в валюте депозита, а потом выбрать результат с максимальным профитфактором, то форвардные тесты тоже успешны, но результаты на них уже похуже, чем в предыдущем случае.
Но этот метод дает результаты только для одного единственного советника. Другие советники с такой же НС, но другими входами, такой особенностью не обладают и выявить для них методику определения признаков результатов оптимизации для успешных форвардных тестов пока не так и не удалось.
А количество сделок контролируется? НС штука гибкая, если ей просто поставить минимальную просадку в качестве целевой функции обучения, НС запросто может найти и вариант с нулевой просадкой. Если архитектура и математика конкретной НС позволяет, НС просто подберет веса так что будет мало (статистически незначимое количество) сделок, зато совсем без просадки... Может именно поэтому на других входах и сетях не работает?
Я часто использую похожий вариант: критерий = макс. баланс - просадка, но с обязательным контролем минимума кол-ва сделок. Т.е. я считаю что НС должна делать не менее 100 сделок в год, и если она покажет супер результат но с 99 сделок - результат выбрасывается автоматически...
подгонка весов нейросети требует триллионы вариантов, а га может выдать только 10-18 тыс.
поэтому правильным было бы несколько раз (не менее пяти) провести оптимизацию в режиме га и только тогда выбирать нечто подходящее.
А Вы используете ГА тестера для обучения НС? Как у Вас получилось и что же это за НС такие? Сколько "весов" вы сможете "подогнать" с помощью такого подхода?
А Вы используете ГА тестера для обучения НС? Как у Вас получилось и что же это за НС такие? Сколько "весов" вы сможете "подогнать" с помощью такого подхода?
Пока Юрий отвечает, скажу как было у меня.
Всего 21 вес. Переменные принимают значения от -1 до 1. Шаг оптимизации переменных я сделал 0.05.
Более мелкие шаги делать не получается, количество комбинаций предельно для оптимизатора - 19 знаков, я таких чисел даже не знаю.
То есть, это был предел для оптимизатора, что то типа 9999999999999999999.
Моя тема: https://www.mql5.com/ru/forum/126476
А Вы используете ГА тестера для обучения НС? Как у Вас получилось и что же это за НС такие? Сколько "весов" вы сможете "подогнать" с помощью такого подхода?
20 синапсов.
8 входов
скрытые слои 4 + 3
1 выход
все нейроны с Fa - гиперболический тангенс
===========
Таких сетей три. Выходы всех трех образуют комитет.
сначала обучается сеть первая. выходы двух остальных нулевые
потом при включенной первой оптимизируется вторая с целью снизить просадку до минимума при сохранении или увеличении прибыли
затем подключается третья сеть к двум уже работающим и подгоняются веса как и в предыдущем случае
А количество сделок контролируется? НС штука гибкая, если ей просто поставить минимальную просадку в качестве целевой функции обучения, НС запросто может найти и вариант с нулевой просадкой.
В тестере метатрейдера не получится нулевая просадка, т.к. он считает по эквити, а не балансу. Т.е. даже если все сделки в подгонке будут профитные, все равно просадка будет не нулевая, т.к. у свечей есть тени.
Да и нежелательно делать подгонку таким макаром, чтобы вообще не было убыточных сделок. Такие подгонки, за очень редким исключением, сливают на форвардных тестах.
подгонка весов нейросети требует триллионы вариантов, а га может выдать только 10-18 тыс.
поэтому правильным было бы несколько раз (не менее пяти) провести оптимизацию в режиме га и только тогда выбирать нечто подходящее.
Вы неправильно подбираете архитектуру нейросети. На самом деле сетка должна быть такой, чтобы незначительное изменение в настройках (весов и порогов) давало тот же самый результат на выходах. Если архитектура сетки перенаворочена, то ей требуется сверхювелирная настройка, а результатом таких наворотов будет переобучение (подгонка).
Например, у меня архитектура такая, что 10 тысяч проходов ГА для нее уже с избытком, т.е. после оптимизации появляются одинаковые результаты (по балансу, профит фактору, матожиданию и просадке) с немного различающимися настройками. Это позволяет сетке выдавать правильные результаты в более широком диапазоне настроек - она более толстокожая.
Пояснения к предыдущему посту.
предположим, вам удалось обучить сеть и она хорошо различает паттерны 3 и 6.
цель второй и третей сетей (в моем случае) - не допускать срабатывание советника при встрече с паттернами з и б, которые первая сеть приняла за 3 и 6.
Вы неправильно подбираете архитектуру нейросети. На самом деле сетка должна быть такой, чтобы незначительное изменение в настройках (весов и порогов) давало тот же самый результат на выходах. Если архитектура сетки перенаворочена, то ей требуется сверхювелирная настройка, а результатом таких наворотов будет переобучение (подгонка).
Например, у меня архитектура такая, что 10 тысяч проходов ГА для нее уже с избытком, т.е. после оптимизации появляются одинаковые результаты (по балансу, профит фактору, матожиданию и просадке) с немного различающимися настройками. Это позволяет сетке выдавать правильные результаты в более широком диапазоне настроек - она более толстокожая.
Все исследователи нейросетей с этим утверждением не согласны.
Почти во всех статьях о нс можно прочесть, что сеть тем лучше, чем в ней больше нейронов, но, вместе с тем, их не должно быть излишне много.
поэтом большинство склоняется к сетям с 2-3 скрытыми слоями.