Нейронные сети

В продолжение (НЕ моего) топика: Как проторговать нейросеть. Много пользы.
smart-lab.ru/blog/1064919.php#comment17339662

1)
Берем сетку из топика автора и запускаем тестирование по Si на H1 c 2019 по 2024 текущую дату
Торгуем по набору фьючерсов(НЕ склейка), перекладка в новый контракт в последний день,
Комиссия 10р — за 1 контракт, торгуем на 100% депо, БЕЗ плечей,
то есть Si стоит 33000 на депо 1000000, покупаем=1000000/33000=30 контрактов
Имеем:  Sharpe=1.18; Recovery=2.41;  MaxDD=-41%   (Да это все Out of Sample, на этом периоде сетку НЕ тренировали)

Period    	Return	        Return %	Max DD %
4/22/2019	$9,995.21          1.00	        -5.81	
1/3/2020	$642,055.35	63.57	-15.82	
1/4/2021	$157,789.05	9.55	        -9.02	
1/3/2022	$2,943,980.07	162.67	-41.03	
1/3/2023	$1,742,124.51	36.65	-20.09	
1/3/2024	$972,485.67	14.97	-21.30	

2)
Смотрим внимательно на код сетки, пробуем это переписать без сетки, просто на индикаторах, это можно если включить МОЗХ(он конечно должен быть в наличии).

( Читать дальше )

Заранее прошу поставить лайк- внизу статьи я прикрепил уникальные программы которые сейчас реально сложно найти + мой собственный софт и примеры кода, который я сделал специально для вас.

В этой статье Вы узнаете как обучить и поставить на торговлю в терминал нейросеть без знания программирования(простой способ — в самом низу). В данной статье не говориться как сделать прибыльную нейросеть, но если будет много лайков — я напишу про это подробней. В одной из следующих тем, например — я хочу написать про генераторы торговых стратегий — поэтому ставьте лайк, чтобы у меня была мотивация.

Поехали!

( Читать дальше )

Последние пару лет развитие языковых нейросетей как будто бы шло по принципу «больше, длиннее, жирнее»: разработчики пытались раздуть свои модели на как можно большее число параметров и прогнать через них максимальный объем тренировочных данных. 12 сентября OpenAI выпустили новую LLM, которая добавляет в это уравнение еще одно измерение для прокачки: теперь можно масштабировать объем «мыслей», который модель будет тратить в процессе своей работы. В этой статье мы разберемся, чему научилась новая GPT o1, и как это повлияет на дальнейшую эволюцию ИИ.

 />
Эрмира «Мира» Мурати – албанская инженерка, которая занимает должность CTO OpenAI

Это гостевая статья от Игоря Котенкова, автора прекрасного канала Сиолошная про нейросети и космос. Я в данном случае выступаю только в качестве редактора. =)

В конце прошлой недели OpenAI анонсировали и сразу же выпустили новую модель. Вопреки ожиданиям, её назвали не GPT-5, а o1.

( Читать дальше )

Пусть мы хотим научить MLP (Multilayered perceptron) отличать отрезки (например, длиной 255 значений) некоторого полезного сигнала (например, первых разностей ценового ряда) от отрезков «белого шума». То есть, банально, если на входе сети (255 входных нейронов) полезный сигнал, то на выходе мы хотим получать сигнал как можно ближе (в идеале равный) 1, а если на входе «шум», то 0.

Понятно, что мы можем сгенерировать столько образцов белого шума, сколько захотим, однако — вопрос! — можно ли в части шума обойтись без обучения сети «в лоб», а решить задачу аналитически, так чтобы — вместо обучения сети шуму — получить некоторые условия на веса сети?

   

По наводке Сиолошной читаю статью о нашем будущем: возможно, о мрачном будущем. Автор статьи — специалист по искусственному интеллекту, который варится непосредственно в этом котле и волею судьбы хорошо осведомлён о происходящем. Его зовут Леопольд Ашенбреннер, раньше он работал в ОпенАИ — в подразделении, которое должно было придумать способы контролировать искинов, если те захотят вырваться на волю.

Судя по темпам разработки, через 5-10 лет следует ожидать появление сверхразума — искина с интеллектом, значительно превышающем интеллект самых умных людей на планете. Команда, в которой работал Ашенбреннер, должна была придумать способ держать этот сверхразум в узде, чтобы события не пошли по сценарию Терминатора, Фоллаута, Гипериона и так далее, то есть чтобы люди могли дружить с искинами, а не воевать с ними.

Леопольда Ашенбреннера уволили из ОпенАИ после утечки информации (ссылка). По слухам, он подошёл к своей работе слишком ответственно, поставив моральные принципы выше интересов корпорации.

( Читать дальше )

Недавно у меня в канале выходил ролик о заработке на нейросетях. Вот вам еще одно их применение. На месте живых моделей с OnlyFans я бы насторожился.😜

Что могут нейросети?

Правильно ли я понимаю, что нейросети сегодня способны генерировать не только видео, но и картинки? Могу ли я придумывать что-то невообразимое и скармливать мои идеи роботу? Например, секс в космосе с межгалактическими пиратами.

Перефразирую. С фотографиями у нейросетей проблем нет: от рисования улиток до создания самых горячих и даже 🔞 картин, которые нереально отличить от реальных живых фото (могу приложить своих девочек, моделей).

С видео же ситуация немного сложнее. У того же Stable Diffusion есть такая возможность, как и у нашумевшей Sora (но у нее цензура). В целом, через нейросети сейчас делать видео можно, но 1 из 10 будет получается что-то адекватное.

Да, секс в космосе с пиратами делать можно, но это скорее небольшие видео-вырезки (или даже скажу, анимации). На полноценное 40 минутное видео для взрослых это не потянет))

( Читать дальше )

Яндекснанимает сотрудников для работы над мультимодальной моделью SpeechGPT, которая, согласно описанию вакансии, должна будет воспринимать текст и звук и отвечать при их же помощи. Нейросетевые сервисы компании уже обрабатывают как речь, так и текст, но процесс происходит с преобразованием данных из одного вида в другой. Мультимодальные сети призваны улавливать детали, которые теряются при такой конвертации,— например, эмоции и сарказм.

Яндекс работает над еще не анонсированной нейросетевой моделью SpeechGPT и нанимает в соответствующую команду инженера в области машинного обучения, говорится в разделе вакансий компании. Речь идет о мультимодальной модели (то есть способной обрабатывать разные виды вводных данных), которая «умеет воспринимать текст и звук, отвечать текстом и звуком, решать разные задачи на стыке текста и звука». В «Яндексе» пояснили, что работают над мультимодальностью в ассистенте «Алиса» и других сервисах

www.kommersant.ru/doc/6744106

❌🖥Облачный провайдер «Яндекса» позволил компаниям выявлять запрещенный контент с помощью нейросетей.

Как рассказали «Ъ» в компании, классификатор на базе YandexGPT понадобится для «обнаружения противоправной информации», а также работы с обращениями клиентов и противодействия мошенничеству.

Систематизация текстов будет реализована следующим образом: заказчик определит категории, по которым он хочет классифицировать тексты, затем загрузит в сервис «Яндекса» примеры текстов для каждой категории, после получит доступ к созданной под задачу модели-классификатору.


t.me/kommersant/66694

Пишу для себя. Можете пинать. Думаю, что для такого эксперимента очень даже не плохо. 

Топ-1 #ПАММ счета #Форекс #Альпари уменьшился в два раза, посадка больше 50%.

Моя торговая нейронная сеть продолжает работать, опираясь только на график цены.

( Читать дальше )

Привет! Новая интересная тема в ночь, как я люблю, а так же ликбез для тех, кто хочет достичь больше большинства (и стать успешным меньшинством), и стремится к новым свершениям.

Размышляя и говоря о самообучающихся торговых системах, невозможно пройти мимо Machine Learning / Deep Learning (ML / DL), и это — пост, который посвящён этой теме.



О технологиях ИИ и областях их применения в алготрейдинге
Я бы разделил применение ML в трейдинге на три части:

1. Классический ML, который представлен, например, библиотекой scikit-learn. Она позволяет обрабатывать данные статистически, а так же предоставляет простые модели классификации, кластеризации и регрессии. Функций этой библиотеки достаточно, чтобы несколькими строчками кода выявить наличие или отсутствие зависимостей/корреляций в данных, разбить данные на кластера и выполнить другие типовые задачи, в том числе, препроцессинг данных (предварительную обработку) — стандартизацию, нормализацию, очистку и т.п. Кроме того, её можно использовать для уменьшения размерности, что может пригодиться, например, для выявления значимых метрик торговых стратегий для дальнейшей фильтрации и отбора по существенным. И это только одна библиотека, а их теперь существует множество.

( Читать дальше )