Опрос по нейросетям

Такие же выводы когда то сделал. Пробовал когда то разрекламированный НейрошелТрейдер(если память не изменяет), ничего сверхестественного.

Нейросети работают конечно.
Если вы сможете правильно поставить задачу, спроектировать соответсвующую для решения этой задачи архитектуру сети, подготовить данные для обучения и произвести обучение(если у вашей нейросети предполагается необходимость в оном), то полученная сеть поставленную задачу(выдавать прогноз, или что вы там от нее захотите) решать будет, почему нет?

Согласен, что не стоит преувеличивать способности нейросетей применительно к рынку.

Мой опыт показывает, что результаты с применением нейросетей к нашему рынку получаются или примерно такие же, как без них, или несколько хуже. В результате предпочтение отдаю понятному алгоритму, а не чёрному ящику.

Работают, но данных мало для них. И готовить геморно и надо уметь и знать как. Сложно короче )

Те сети что сейчас распознают картинки-номера и вот это вот всё, обучены на несравнимо более огромных массивах данных чем есть на рынках

А если не секрет, какие архитектуры сетей вы применяли в рамках свое опыта?

Работают ли нейросети?

Какой-то обобщающий вопрос, это так же, как спросить «Хорошо ли едет машина?». Машины бывают разные. Понятие хорошо у всех разное. Цели поездки у всех разные. Точно такая же ситуация с нейросетями.

Смысл волшебства не в модном слове «нейросеть», а в том, какие входные данные нейросети скормлены, что именно нейросеть предсказывает и с какой именно точностью она это делает.

Только ленивый не пробовал их прикрутить к роботу. Но вот работают ли они эффективно, вот в чём вопрос.

Нейросеть это всего лишь машинный алгоритм. Эффективно он работает или нет зависит от постановки задачи и от качества самой нейросети.

Тут еще надо понимать, что нейросеть не торгует, а всего лишь дает сигналы. Как этими сигналами распорядиться, это совсем другая сложная задача. Так-то можно депо слить даже при точности предсказаний 90%.

Тот же нобелевский лауреат Д. Канеман например утверждал, что в трейдинге нельзя «набраться опыта» настолько, чтобы с точностью утверждать куда пойдёт цена. А зачем ещё могут быть нужны нейросети?

Не так. Канеман утверждал, решения, принимаемые трейдером часто иррациональны и не укладываются к широко принятую экономическую модель поведения. Трейдер склонен переоценивать вероятность события из-за собственного эмоционального фона — и именно поэтому, рынок порой чудовищно неэффективен

По сути оптимизация любого алгоритма есть обучение нейро сети, только оно идёт простым перебором параметров, поэтому думаю, что хорошие нейросети должны работать так же как работают хорошие алгоритмы основанные на статистике и закономерностях.

Я думаю, те люди, которые пытаются это делать в трейдинге, достаточно примитивно думают в самом трейдинге. То есть не научившись толком торговать руками, начинают перекладывать свои знания в сетку. В общем как сами умеют, так и сеть обучили. А тут надо ширше и масштабней =))

Но это у меня достаточно примитивное мышление об этом, опыта нет, только много читаю.

НС не панацея для всех задач. Часто бывает проще и быстрее сделать другими методами. Но это не значит, что нейросети совсем не нужны :)))) 

Я считаю ML заниматься просто  необходимо.
Сейчас«features engineering»  вытесняется на «Architectural engineering»
И в этом есть очень большой потенциал. Все стало легче и доступнее чем 10 лет назад.
Я, когда раньше занимался NN, больше внимания уделял именно Архитектуре. Искал оптимальные архитектуры сетей генетическим алгоритмом. Но, поскольку, раньше технологии были значительно слабее,  я это дело забросил. 
Но все же тогда я одну сетку настроил и запускал в боевом режиме.
Результат меня не обрадовал. Получил минус за месяц.

Но подбор необходимой архитектуры — это еще не все.
Главное — модель. Построить модель. Потому что Как Оптимизировать сейчас каждый знает и умеет. Вон на Каггле они кучкуются.
В модели главное ЧТО Оптимизировать — а вот здесь «надо хорошенько подумать» 

NN это совсем про другое. Возможно, паттерны какие-то сверточные. Но в целом — не тот табак