Использование нейросетей в трейдинге - страница 28

То, что вы написали, это все уже несколько раз обсуждалось на этом форуме и не только. Поэтому нет сил писать все по второму кругу .......

Круто...

Супер...

Значит, я не внимательно этот форум прочитал. Потому что таких обсуждений не видел. Ну да ладно, я ж не настаиваю. И по второму кругу писать действительно, занятие не благодарное.

Выходя на этот форум, я задавался только одним вопросом. Кажись, на этот вопрос ответ я получил.

Только перед тем как сосредоточиться на классификации полностью . Подумайте все таки вот о чем - обучив сеть 5 буквам из алфавита к примеру, как Вы будете после сканирования заниматься распознаванием текста ?

Я нисколько Вас не тролю. Основной посыл - полнота информации нужна. Вы пока не на том сконцентрировались, имхо.

Нет, конечно, я не буду заниматься распознаванием текста. Бессмысленно с выученными все-то 5 буквами...

Благодарю, я тоже стараюсь быть конструктивным. И мне показалось, что мы говорим о разных вещах. В своем сетовании на трудности с классификацией имелось ввиду следующее.

Возьмем классический случай - плоскость. Теория утверждает, что для производства успешной классификации данные (в случае с плоскостью) должны быть линейно разделимы.

(сорри, красивых картинок под руками не оказалось, пришлось быстренько сделать картинки в екселе)

Допустим, мы взяли данные с 2-мя параметрами X и Y (плоскость же...). Привели к единичным векторам и получили такую картинку. Видим 5 явно раздельных области. Любая SOM справится с классификацией на раз и классификация будет именно классификацией. Любое новое данное попадет в один из классов. Свойства у каждого класса нам известны, поэтому, просто узнав, в какой класс попало новое данное, мы сразу про него всё знаем. Со всеми вытекающими...

К сожалению, классический и практический случаи, как говорят в Одессе - две большие разницы.

В практическом случае мы выгрузили данные и получили такую вот картинку. Классификация, конечно, и в этом случае возможна, но она не представляет никакой практической ценности. Можем задать те же 5 классов и SOM честно их "нарисует", просто равномерно распределив центры кластеров. Вновь пришедшее данное попадет куда-то. Но это "куда-то" никакого смысла уже не имеет. Все данные, как и их свойства, равномерно раскиданы (перемешаны) по плоскости. Если мы верим такой классификации и новое данное приписываем к одному из классов, то мы просто сами себя обманываем.

Вот в чем заключается суть проблемы, и что я и имел ввиду в том своем посте. Т.е. с какой стороны я на проблему не наскакивал, получить данные с внятной разделимостью мне так и не удалось. Т.е. либо разделимость напрочь отсутствует, нефиг и пытаться. Либо у меня тямы не хватает. Природа-матушка не обделила меня некоторой самокритичностью, поэтому пока что я склоняюсь ко второму варианту. Поэтому советуюсь с разными товарищами. Ну и повторюсь, получив внятную классификацию, далее уже можно поработать с вероятностной сеткой и с нечеткой логикой.

Типичное рассуждение из ТА, слепая вера в постулат - "История повторяется".

Все, о чем Вы пишите, хорошо (быть может) для анализ данных, а для прогноза и близко не подходит.

Почему Вы считаете, что классы, выявленные в результате успешной классификации (предположим Вам удалось решить эту проблему), будут в будущем? Основной ведь вопрос не в классификации, а прогнозируемости метода, доверия к его использованию в будущем. ЭТо ведь совершенно другая проблема. Именно поэтому нейросети находят крайне ограниченное значение в трейдинге. ИМХО.

Как правило вся мощь сетей может быть задействована, если Вы будете использовать не прямые, а косвенные данные, имеющие устойчивую связь на объект .

К примеру освещенность объектов днем и вечером, будет зависеть от угла освещения солнцем . И если Вы будет использовать данные освещенности солнцем, Вы получите освещенность объектов.

Суть сетей - это восстановление информации из связанных событий. Сеть это не волшебная функция, в ней столько же волшебства сколько в любой математической функции.

Я не буду настаивать, но мне кажется если Вы хотите классифицировать, апроксимировать, прогнозировать, интерполировать или еще что нибудь ..... вать, какой-то инструмент, то Вам понадобится подать - все, я подчеркивая все данные связанные с ним . А это не только OHLCV преобразованные как угодно. К примеру может ли движение золота как-то влиять на какой-то инструмент ? Нефти ? И так далее.....

Удачи вообщем в этом нелегком деле Вам.

Предлагаете на вход доллары подавать?

Призадумался. Может, и впрямь. ))

Слепой веры не было никогда. Материалист до мозга костей. Но на счет того, что "история повторяется" убежден абсолютно. Я считаю, что повторяется. Это вовсе не означает того, что цена сегодня в 15:00 будет вести себя так же, как в прошлый вторник в 15:00, или нечто подобное.

И анализ и прогноз в данном случае в одном стакане.

Про классы я не считаю, на тек. момент я всего лишь предполагаю. И Вы правы, основной вопрос не в классификации. Классификация только как бы база. А далее (цель) именно прогнозируемость. Но тут я тоже ничего не считаю. Я не знаю, может это работать или нет. Узнаю, когда воплощу "устройство в железе". Только тогда это и станет известно.

Может я чего не понимаю.

Классифицируем на паттерны . Считаем, что обязательно в будущем такой паттерн возникнет и мы сможем использовать это знание для прогноза. Ведь так?

На каком основании? Кто доказал, что вообще будет такой паттерн?, или слегка или сильно измененный?

ИМХО если мы учим сеть распознавать рукописную букву "а", то есть абсолютная уверенность, что эта буква будет в будущем, потому как она существует в языке и если в будущем большинство начнет писать ногами, то все равно будет буква "а", просто начертание изменится и возможно сетку придется доучить. Это говорит о стационарности.

Котировки - это нестационарный процесс в принципе, т.е. все время имеются некие отклонения, разные в разное время, которые сравнимы (превосходят) стационарную часть. В этом проблема - в нестационарности исходной: сегодня русские буквы, а завтра китайские. Надо искать объективную реальность, которую отражают буквы. А вот этим нейросетевики не занимаются.