КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Оценка достижимости ценой значимых уровней
Цель опыта: настроить нейронные сети, решающие задачу классификации рыночных ситуаций по степени достижимости значимых уровней, по сигналам индикаторов ТА. База для формирования входной информации: часовая динамика курса евро/доллар за 1999 год. Входная информация: сигналы индикаторов ТА (обучающая выборка, рассмотренная в подразделе 2.4.1). Выходная информация: классификационный признак, рассмотренный в подразделе 2.3.3. Для решения поставленной задачи было обучено две нейросети: а) классификатор достижимости верхних уровней - EUR_up; б) классификатор достижимости нижних уровней - EUR_down. Каждая из сетей содержала два внутренних слоя по 34 и по 24 нейрона, общее количество синапсов составило 1279. Обучение производилось с использованием метода генетической оптимизации. После обучения было произведено тестирование на проверочном множестве, построенном на базе часовой динамики курса евро/доллар в январе 2000 г. По результатам тестирования была получена следующая статистика: а.) 168 из 700 - верно распознанных ситуаций по достижимости верхних уровней (24,00%). Среднее отклонение прогнозируемых значений от ожидаемых (классовых признаков) составило 0,2830. б.) 171 из 700 - верно распознанных ситуаций по достижимости нижних уровней (24,43%). Среднее отклонение прогнозируемых значений от ожидаемых (классовых признаков) составило 0,2862. По результатам тестирования были построены диаграммы (рис. 2.27), на которой наглядно изображаются отклонения прогнозируемых величин от ожидаемых. На указанных диаграммах по оси абсцисс отложены коды классов, значения которых должны были быть предсказаны, по оси ординат - значения, фактически полученные в результате прогнозирования. Как видно из рисунка, полученные прогнозные значения испытывают сильные отклонения от ожидаемых значений, что затрудняет практическое использование рассматриваемой модели. На рисунке 2.28 синим цветом изображены линии, соответствующие значениям классов - ожидаемые значения, красным - фактически полученные прогнозируемые значения по результатам тестирования на проверочном множестве (рынок евро/доллар, январь 2000 г.).
Достижимость верхних Достижимость нижних уровней уровней
Рис. 2.27. Диаграммы, отражающие качество классификации рыночных ситуаций по степени достижимости значимых уровней Рис. 2.28. Классификация по достижимости ценой значимых уровней В целом можно заключить, что полученные в рамках рассмотренного опыта результаты мало применимы на практике. Изучаемая модель требует доработки или пересмотра.
Дата добавления: 2014-11-06; Просмотров: 489; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |