Прогнозирование курса валюты при помощи нейронной сети - страница 3
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
Тогда, ваша курсовая должна заключаться в одном предлжении: "Прогнозирование курса при помощи нейронной сети не возможно" ))) Вот и вся курсовая )))
А чё невозможно? Вполне возможно :) Берем свой любимый советник, которым зарабатываем на жизнь (небось у каждого такая "рабочая лошадка есть"). Находим в нём где нить там линейная регрессия есть, или что то типа того. Заменяем лин. регрессию на нейронку... Вуаля :)
Тогда, ваша курсовая должна заключаться в одном предлжении: "Прогнозирование курса при помощи нейронной сети не возможно" ))) Вот и вся курсовая )))
Означает ли это, что Вы разочаровались в нейронных сетях и прогнозировании рынка вообще? Просто зная сколько лет Вы изучаете данное направление, довольно странно слышать от Вас такие слова.
Я изучаю данное направление не с точки зрения прогнозирования, а с точки зрения поиска закономерностей, с помощью которых с вероятностью желательно более 70% можно получить профит в определенный момент времени т.е. не на каждом приходящем новом баре.
Вы должны согласиться, что это в корне разные вещи.
Для того, что зарабатывать не нужно прогнозировать т.е. продолжать линию инструмента в будущем на каждом новом баре.
Я изучаю данное направление не с точки зрения прогнозирования, а с точки зрения поиска закономерностей, с помощью которых с вероятностью желательно более 70% можно получить профит в определенный момент времени т.е. не на каждом приходящем новом баре.
Вы должны согласиться, что это в корне разные вещи.
Для того, что зарабатывать не нужно прогнозировать т.е. продолжать линию инструмента в будущем на каждом новом баре.
Но все же, в момент входа в рынок, мы ожидаем, что в будущем цена измениться в направлении нашего входа, а это и есть прогноз.
Означает ли это, что Вы разочаровались в нейронных сетях и прогнозировании рынка вообще? Просто зная сколько лет Вы изучаете данное направление, довольно странно слышать от Вас такие слова.
Это означает, что для экстраполяции (прогнозирования) многослойные нейронные сети не подходят. Они прекрасно справляются только в пределах интерполяции.
Проще говоря, метода такая:
Кто не верит, пусть попробует простую задачу, а именно обучить двухходовую многослойку таблице умножения в целых числах от 0 до 9. После проверяем, подавая на входы значения для интерполяции, т.е. любые вещественные числа от 0 до 9. Потом для экстраполяции, т.е. чтобы хотя бы на одном входе значения были либо меньше 0, либо больше 9. С интерполяцией сетка справляется, с экстраполяцией обламывается.
Причина тому элементарна: сигмоиды на выходах нейронов отсекают все значения, которые выходят за пределы диапазона, немного превышающего диапазоны обучающей выборки. Т.е. у сигмоидов есть предел (лимит) значений на выходе, который не может быть превышен независимо от того, какое значение на их входе. См. нижеприведенный график: на входе сигмоида может быть любое значение, на выходе не более 1 и не менее 0, т.е. за пределами лимитированного выходного диапазона будет облом.
Получается, что с одной стороны, благодаря сигмоидам повышается скорость обучения многослойных сетей, т.к. без них алгоритмы обратного распространения ошибок теряют сходимость. Но, с другой стороны, такие сетки становятся интерполяторами и не могут адекватно работать за пределами диапазонов обучающей выборки.
Но все же, в момент входа в рынок, мы ожидаем, что в будущем цена измениться в направлении нашего входа, а это и есть прогноз.
а разве и для интерполяции также - регрессия не подходит? Зачем сетку городить?
а разве и для интерполяции также - регрессия не подходит? Зачем сетку городить?
Попробуйте множественную регрессию и многослойную нейронку и сравните СКО для интерполяции. Заодно и узнаете, что у всех инструментов есть пределы функциональности в которых они наиболее эффективны.
а разве и для интерполяции также - регрессия не подходит? Зачем сетку городить?
Многослойная нейронная сеть - это один из непараметрических методов нелинейной регрессии. В некоторых случаях от нейросетей можно отказаться в пользу линейных/линеаризуемых/нелинейных параметрических методов.