Jaringan saraf dan perdagangan. Bagian 3: memprediksi bola cue 1 jam ke depan

The  artikel terakhir  merupakan upaya untuk menunjukkan seluruh proses pelatihan, seleksi dan pengujian model pada pasangan perdagangan EUR / USD. Di Google Colab, skemanya berhasil:  train models-> test-> draw on a graph . Upaya itu tidak berhasil. Keinginan untuk tidak menyeret banyak kode ke dalam Colab, tetapi untuk menyederhanakan semuanya sebanyak mungkin menyebabkan kualitas pelatihan yang sangat rendah. Sinyal tampak tidak meyakinkan dan mengumpul di tempat yang jelas.





Sejak itu, banyak air mengalir di bawah jembatan, dan penelitian terus berlanjut. Saya akan memberi tahu Anda tentang ini + Colab lain, kali ini lebih mudah dan lebih jelas.





Bergerak

Sebagai hasil dari tahap pengembangan sebelumnya, jaringan saraf masih mulai memprediksi sesuatu. Perkiraan yang kurang lebih memadai muncul di grafik, serupa kualitasnya dengan indikator rata-rata. Ada sedikit arti praktis, tetapi cukup untuk terlibat lebih jauh di bidang ini. Kerugian utama adalah kualitas prediksi yang buruk dan pengelompokan sinyal di tempat yang jelas.





Pada artikel terakhir ini sudah dibahas secara detail, namun disini saya hanya akan mengingatkan anda bahwa neural network menjawab pertanyaan kemana harga akan naik “naik” atau “turun” dan tidak menjawab pertanyaan seberapa kuat pergerakannya. menjadi. Jawabannya adalah biner: 1 - naik, 0 - turun. itu. jika setelah polling jawabannya kembali [0.8, 0.2] itu berarti "akan naik", dan [0.4, 0.6] "mungkin akan turun, tapi ini tidak akurat". Perbedaan dalam respons biner ini mencirikan tingkat kepercayaan jaringan, +0,6 dalam kasus pertama dan -0,2 dalam kasus kedua. Semakin besar perbedaan ini cenderung ke 1 (atau -1), semakin tinggi kualitas ramalan.





"Tingkat kepercayaan" di mana respons dapat dianggap sebagai sinyal bersifat individual untuk setiap model dan ditentukan dengan menjalankannya pada data uji. Selain itu, ambang batas ini berbeda untuk sinyal naik dan turun. Model yang akan dimuat ke dalam collab memiliki nama file seperti BTCUSD_M6_0.66_0.75.h5

Dua nilai terakhir adalah batasan ini. Sebelum menginterogasi model, nilai pemicu diambil dari namanya dan dibandingkan dengan responsnya.





, , . ,  " ? !", , . , "" . , .





, . , , , . , "" ( ). , .





, . . - TradingView, , " " ... . , JavaScript + Vue + NodeJS . ,  , , BTC/USD 5m .





Google Colab

:





  1. /









  2. BTC/USD , , ( ).





  3. , , , 1 .





" -..."  . " + . ? ".





"". , 6, .. 6 , 3000 . 10%, 100%. . .





Google Colab   . Google ( Gmail).





«» .







Warning: This notebook was not authored by Google

, , .





Sekarang Anda perlu menjalankan blok secara berurutan dari atas ke bawah ...

Itu saja.





PS Jangan mencoba menghasilkan uang di pasar nyata, 97% pemula kehilangan deposit mereka. Tujuan dari penelitian ini adalah untuk memecahkan masalah yang menarik.








All Articles