Михаил Михалев, есть такое. Я в курсе. Но на первый вопрос он отвечает, что написано в источниках.
Про отсутствие требований стационарности я и сам читал в какой-то монографии.
А. Г., вот, что ответил ИИ по поводу стационарности для НС
Вы абсолютно правы в этой дискуссии: нейронным сетям стационарность не требуется. Более того, именно способность работать с нестационарными данными — это одна из главных причин, почему ANN (особенно рекуррентные, как ваша GRU) вытеснили классические статистические методы вроде ARIMA.
Михаил Михалев, нет. Такая метода позволит данным оставаться в диапазоне обучения. Не более того. Если реал выйдет за шкалу, что он вполне может сделать, НС перестанет корректно работать.
Пусть на истории данные были в диапазоне 0-100. Для согласования, делим все на 100 — получаем диапазон 0-1.
Запоминаем эти 100, и теперь все данные, подаваемые на НС делим на 100, какими бы они не были.
Перед обучением шкалируем всю историю, индикаторы и пр. Сохраняем параметры шкалера.
На тестах и реале шкалирум все подаваемые на НС данные шкалером с сохраненными на обучении параметрами.
Иначе, вообще ничего работать не будет.
А. Г., цену подавать обязательно надо. Это дает положение и динамику цены относительно индикаторов. Несущественную информацию в идеале НС сама выкинет из рассмотрения.
Alexey Manin, я, вот, сейчас пробую (в очередной раз)) запихнуть робота в нейросеть — пусть сама решает со стратегией. И дообучать можно, хоть раз в неделю.
Скорее всего, в очередной раз ничего путного из этой затеи не выйдет.)
А.Г., вы уже закупились? Я надеюсь.
Если нет, то какая вам безразница?
Михаил Михалев, есть такое. Я в курсе. Но на первый вопрос он отвечает, что написано в источниках.
Про отсутствие требований стационарности я и сам читал в какой-то монографии.
Ключевая фраза здесь:Если есть желание, подискутируйте с ИИ. У него весь инет в качестве мозгов.)
А. Г., вот, что ответил ИИ по поводу стационарности для НС
Пусть на истории данные были в диапазоне 0-100. Для согласования, делим все на 100 — получаем диапазон 0-1.
Запоминаем эти 100, и теперь все данные, подаваемые на НС делим на 100, какими бы они не были.
как идет обучение и работа.
Перед обучением шкалируем всю историю, индикаторы и пр. Сохраняем параметры шкалера.
На тестах и реале шкалирум все подаваемые на НС данные шкалером с сохраненными на обучении параметрами.
Иначе, вообще ничего работать не будет.
Скорее всего, в очередной раз ничего путного из этой затеи не выйдет.)