2005выпуск C041-4
Гибридные деревья решений и распознавание образов для трендовых правил
Качество решений без поддержки может сначала расти по мере добавления информации, а затем падать после достижения информационной насыщенности. Система hybrid-decision-system извлекает экземпляры паттернов с помощью экспертных правил, обучает сеть распознавания образов заданному выходу и может сохранять каркас дерева решений, пока процедура следования за трендом остаётся с primary-trend, пока не подтверждено противоположное направление.
- Качество решений без поддержки может сначала расти по мере добавления информации, а затем падать после достижения информационной насыщенности.
- Экспертное дерево решений хранит knowledge-forms в виде фактов, процедур или правил и может формировать certainty-factor по последовательным уровням, но набор правил не обучается и не адаптируется.
- Распознавание образов начинается без сохранённых знаний, обновляется при предъявлении новых примеров и в hybrid-decision-system обучается на экземплярах и атрибутах, извлечённых этими правилами.
- Следование за трендом выявляет primary-trend, который остаётся в силе, пока не подтверждено противоположное направление, и рассматривает коррекции как вторичные относительно этого направления.
Когда добавление информации начинает вредить
Качество решений без поддержки может сначала расти по мере добавления информации, а затем падать после достижения точки насыщения. Эта точка перелома — информационная насыщенность: добавление дальнейших наблюдений перестаёт улучшать качество решений без поддержки и начинает его ухудшать.
Дерево правил, которое хранит знания, но не обучается
Экспертная система хранит знания в виде фактов, процедур или правил и активирует эти правила на последовательных уровнях дерева решений. Эти кодировки — knowledge-forms, которые база правил может принимать.
Когда подаются факты, относящиеся к периоду, экспертная система может объединять поуровневые вероятности в certainty-factor. Сам набор правил не обучается и не адаптируется.
Распознавание образов без сохранённой базы правил
Сеть распознавания образов начинается без сохранённых знаний, обновляется при предъявлении новых примеров и может смещать акцент со старых ассоциаций на более новые. Распознавание образов предназначено для классификации, когда заданные влияния отображаются на известные исходы, которые не обязаны быть линейными или уже смоделированными.
Построение гибридной системы решений
В гибридной конструкции правила экспертной системы извлекают экземпляры паттернов и атрибуты, данные сохраняются и предобрабатываются, после чего сеть обучается заданному выходу. Эта конструкция и есть hybrid-decision-system.
Связи дерева из базы правил могут инициализировать сеть, так что комбинированная модель сохраняет явный логический каркас и при этом способна работать с неполными наблюдениями.
Следование за трендом как процедура периода удержания
Процедура следования за трендом выявляет первичное бычье или медвежье направление, которое остаётся в силе, пока не подтверждено противоположное направление, рассматривая боковые участки как более узкие паузы, а не как отсутствие тренда. Это лежащее в основе бычье или медвежье направление и есть primary-trend.
Корректирующие движения могут длиться недели или месяцы, не завершая primary-trend. Заявленная задача — обнаружить эту смену тренда, а не прогнозировать будущий уровень цены.
После выявления primary-trend описанная процедура стремится к раннему участию в крупном направленном движении и рассматривает контртрендовые откаты как точки, в которых экспозицию можно увеличить, а не закрыть.
Редакционное прочтение комбинированного процесса
Редакция: Как только дерево решений зафиксировало ветви входа, выхода и воздержания, распознавание образов используется, чтобы оценить, какие упорядоченные наблюдения активируют эти ветви. Период удержания по следованию за трендом остаётся с primary-trend, пока не подтверждено противоположное направление. Комбинированная процедура оценивается только относительно заявленной базовой линии out-of-sample.
Все разборы дорожки · 25 разборов
- 1986Постройте процедуру принятия решений, которая пересматривает саму себя
- 1989Закройте чеклист по объёму, прежде чем оценивать пробой
- 1989Построение прогнозов с учителем на скользящих средних
- 1991Метки японских свечей как стек тестов конструкции
- 1992Walk-forward оценка недельных паттернов изменения цены
- 1993Шаблоны ценовых паттернов RSI и открытый интерес
- 1994Построение dual-net прогноза направления индекса на день вперёд
- 1994Тактовый второй гребень стохастика со стопом window-high
- 1996Построение входа: volatility-ratio, inside-day и narrow-range-4
- 1998Корреляция скользящего окна для построения чашки с ручкой
- 2000Построение прямоугольников для гипотез пробоя
- 2001Превращение одной свечи в ранжируемый числовой объект
- 2002Графические паттерны с нечёткой оценкой как проверяемые правила
- 2002От hot-zones к open-close-matrix
- 2003Давление объёма и кейс пробоя с выходом за полосу
- 2004Оценка графических паттернов по ценовым целям
- 2004Точки разворота Cobweb по ценовой структуре
- 2005Гибридные деревья решений и распознавание образов для трендовых правил
- 2005Двухбарные зонные коды для тестируемых систем паттернов
- 2005Построение паттерна ценового бара и частота следующего бара
- 2008Наблюдайте за рынками, прежде чем следовать правилам паттернов или систем
- 2012Рассматривайте четырёхколенное завершение Фибоначчи как неоплаченную гипотезу
- 2014Скрытые сигналы трёхканальной регрессии для входов в акции и колл-опционы
- 2014Общая рамка уровней дневного графика для сессионных сделок и свинг-удержаний
- 2015Сжатые сигнатуры свечей