Я хотів би використовувати ANN для автоматизації торгівлі валютами, переважно USD / EUR або USD / GBP. Я знаю, що це важко і може бути не просто. Я вже читав деякі документи і робив кілька експериментів, але без особливої долі. Я хотів би отримати поради від ЕКСПЕРТІВ, щоб зробити цю роботу.
Ось що я робив до цього часу:
- У мене з’явилися дані по галочках за місяць липень 2013 року. Він має ставку / запитання / обсяг ставок / обсяг запиту.
- Видобуто всі кліщі за часовий проміжок 12:00 до 14:00 за всі дні.
- З цих даних створено набір даних, де кожен запис складається з n значень ставок послідовно.
- Ці дані використовуються для підготовки ANN з n-1 входами, а вихід є прогнозованим n-м значенням ставки.
- ANN мав n-1 вхідних нейронів, (n-1) * 2 + 1 прихований і 1 вихідний нейрон. Вхідний шар мав лінійний TF, прихований мав журнал TF, а вихідний лінійний TF.
- Тренував мережу із зворотним розповсюдженням спочатку n-125, а потім 10.
Для обох n МСЕ не опустився нижче 0,5 і залишився при цьому значення під час повного тренування. Припускаючи, що це може бути пов'язано з тим, що часовий ряд є абсолютно випадковим, я використав пакет R, щоб знайти часткову автокореляцію на наборі даних (pacf). Це дало ненульові значення лише для 2 та 3 лагів.
Питання 1: Що це означає саме?
Тоді я використав показник поспіху для оцінки випадковості. У R hurst (значення) показали значення вище 0,9.
Питання 2: Це повинно бути майже випадковим. Чи повинна вона мати значення ближче до 0,5?
Я повторив тренування ANN з n = 3. ANN пройшов навчання та змогла отримати досить низьке значення для MSE. Однак обчислений вихід з цього ANN не сильно відрізняється від (n-1) вартості ставки. Схоже, ANN просто приймає останню ставку як наступну ставку! Я пробував різні мережеві структури (усі багатошарові уявлення), різні параметри тренувань тощо, але результати однакові.
Питання 3: Як я можу підвищити точність? Чи існують інші методи навчання, крім зворотного розмноження?