1 / 21

Selekcja danych uczących i ich przekształcenia

Selekcja danych uczących i ich przekształcenia. przy prognozie indeksu giełdowego. Plan. Dane do nauki Selekcja danych uczących sieć neuronowa macierz autokorelacji korelacja liniowa Skalowanie i reprezentacja danych. Dane do nauki (1). Dane źródłowe wartości O,C,H,L indeksów giełdowych

giles
Download Presentation

Selekcja danych uczących i ich przekształcenia

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Selekcja danych uczących i ich przekształcenia przy prognozie indeksu giełdowego

  2. Plan • Dane do nauki • Selekcja danych uczących • sieć neuronowa • macierz autokorelacji • korelacja liniowa • Skalowanie i reprezentacja danych

  3. Dane do nauki (1) • Dane źródłowe • wartości O,C,H,L indeksów giełdowych • Dane statystyczne • procentowe zmiany wartości indeksu w ciągu 1,5,10,20 dni • średnie kroczące wartości indeksu z okresów 5,10,20 dni

  4. Dane do nauki (2) • Oscylatory • MACD, linia sygnału MACD • Williams • Dwie średnie • Formacje

  5. Selekcja danych uczących • Sieć neuronowa • Macierz autokorelacji • Macierz korelacji liniowej

  6. Sieć neuronowa • Pełne wejście – 255 neuronów • 4000 iteracji do ustalenia stanu wag sieci neuronowej • Wybrane 15 danych o największym znaczeniu (z jednego dnia) • Najczęściej: wartości zamknięcia, najwyższa i najniższa, średnia krocząca 20 dniowa.

  7. Macierz autokorelacji • Zestaw rekordów uczących o rozmiarze 255 • Macierz autokorelacji: określenie wspólnego trendu • Wybrane 33 danych o największym znaczeniu (z jednego dnia) • Najczęściej: wartości otwarcia, zamknięcia, najwyższa i najniższa, średnia krocząca 5, 10, 20 dniowa, formacja i typ formacji. NSDQ: sygnał z oscylatora Williams !

  8. Korelacja liniowa • Zestaw rekordów uczących o rozmiarze 255 • Korelacja liniowa: określenie zależności liniowej • Wybrane 19 danych o największym znaczeniu (z jednego dnia) • Najczęściej (tylko NIKKEI): wartości otwarcia, zamknięcia, najwyższa i najniższa, średnia krocząca 5, 10, 20 dniowa, oscylator Williams.DAX: dodatkowo formacja i typ formacji.NSDQ: tylko oscylator Williams !

  9. Zestawienie wyników • Wybór danych • Rezultat nauki

  10. Zestawienie wyników

  11. Skalowanie i reprezentacja danych • Zmiana wartości indeksu • skalowanie [-1,1] • pozostawienie bez zmian – rzeczywista zmiana wartości • Sygnały • punktowe z promieniem wpływu • przełączniki dla sieci neuronowych • Wartości indeksu • skalowanie niezależne od innych wartości • wspólne skalowanie

  12. Dziękuję za uwagę

More Related