5%的幅度好象有点大，可以适当调整；
加大运算长度，而大幅减少比较长度效果会怎样？？比如，运算：500，比较20。
原帖由 sgp111 于 2007-12-20 13:51 发表 http://bbs.macd.cn/static/image/common/back.gif
5%的幅度好象有点大，可以适当调整；
加大运算长度，而大幅减少比较长度效果会怎样？？比如，运算：500，比较20。
这个用的数据比较长，太长最后就会发散。
各种效果图都看到了，刚才太心急，图没下载完就着急提问。
运算长度太长就发散了，与用其它方法拟合时出现的情形有点类似。
运算长度理论上讲，应取通道宽度所对应波动级别的时间周期平均值。
[ 本帖最后由 sgp111 于 2007-12-20 14:54 编辑 ]
原帖由 sgp111 于 2007-12-20 14:12 发表 http://bbs.macd.cn/static/image/common/back.gif
这种情况倒是与用付丽叶变换拟合时出现的情形有点类似。
上图的外推效果如何呢？单从曲线上来讲我倒是觉得挺好。
外推不理想如图：
下步我打算用遗传算法训练，看效果如何。
[ 本帖最后由 hhk 于 2007-12-20 14:53 编辑 ]
以目前的算法结果来看，研究的路还很漫长啊。
我认为，神经网络的这种应用方法是不正确的。对价格要进行预测首先保证价格本身是有内部规律的，但价格有这种规律吗？这种规律稳定吗？这都是问题。
原帖由 hhk 于 2007-12-20 15:24 发表 http://bbs.macd.cn/static/image/common/back.gif
我认为，神经网络的这种应用方法是不正确的。对价格要进行预测首先保证价格本身是有内部规律的，但价格有这种规律吗？这种规律稳定吗？这都是问题。
赞同你的说法。问题的确出在你说的这些上面。
看来思路得改变一下。
:mad: :mad: :mad: :mad: :mad: :mad: :mad:
[ 本帖最后由 sgp111 于 2007-12-22 01:25 编辑 ]
原帖由 hhk 于 2007-12-20 15:24 发表 http://bbs.macd.cn/static/image/common/back.gif
我认为，神经网络的这种应用方法是不正确的。对价格要进行预测首先保证价格本身是有内部规律的，但价格有这种规律吗？这种规律稳定吗？这都是问题。
换个说法。假设价格本身没有什么内部规律，神经网络拟合的结果应该怎样？
原帖由 野狐禅 于 2007-12-21 07:44 发表 http://bbs.macd.cn/static/image/common/back.gif
换个说法。假设价格本身没有什么内部规律，神经网络拟合的结果应该怎样？
野狐禅兄你好，这个问题很棒，换个角度考虑问题思路就会豁然开朗。神经网络的拟合是通过大量的权向量来调整分类超平面的形状，让超平面把训练数据最小误差的分类，由于权向量很多所以分类超平面能很大的自由度来变形去分类训练数据，所以它能很好的拟合训练数据。 但是当系统的自由度很大时可信度就会降低，也就是说我们不知道现在的分类超平面是否也是未来数据的分类超平面，它真的是现在和未来一段时间数据的分类超平面吗？这点是无法提前知道的。
我对神经网络的研究时间很短，以前经常看野狐禅兄你对这方面贴子，感觉你很有经验，希望给与指点。
原帖由 hhk 于 2007-12-21 08:58 发表 http://bbs.macd.cn/static/image/common/back.gif
神经网络的拟合是通过大量的权向量来调整分类超平面的形状，让超平面把训练数据最小误差的分类，由于权向量很多所以分类超平面能很大的自由度来变形去分类训练数据，所以它能很好的拟合训练数据。 但是当系统的自由度很大时可信度就会降低，也就是说我们不知道现在的分类超平面是否也是未来数据的分类超平面，它真的是现在和未来一段时间数据的分类超平面吗？这点是无法提前知道的。
对于股票价格，应该可以很确定地说，现在的面不是将来的面。股票价格的时间序列如果不是随机的，也至少是非稳态的。
原帖由 野狐禅 于 2007-12-21 09:22 发表 http://bbs.macd.cn/static/image/common/back.gif
对于股票价格，应该可以很确定地说，现在的面不是将来的面。股票价格的时间序列如果不是随机的，也至少是非稳态的。
如果是这样的话，那么用神经网络或其他比如支持向量机等这一类方法用在股市预测上将是无效的？
原帖由 hhk 于 2007-12-21 09:41 发表 http://bbs.macd.cn/static/image/common/back.gif
如果是这样的话，那么用神经网络或其他比如支持向量机等这一类方法用在股市预测上将是无效的？
如果能把非稳态问题转换为稳态问题，哪一种方法也都可能会有效。
[ 本帖最后由 野狐禅 于 2007-12-21 09:52 编辑 ]
原帖由 野狐禅 于 2007-12-21 09:51 发表 http://bbs.macd.cn/static/image/common/back.gif
如果能把非稳态问题转换为稳态问题，哪一种方法也都可能会有效。
"非稳态问题转换为稳态问题"，现在都有那些方法可以做到这种转换？
原帖由 hhk 于 2007-12-21 09:58 发表 http://bbs.macd.cn/static/image/common/back.gif
"非稳态问题转换为稳态问题"，现在都有那些方法可以做到这种转换？
ARIMA 就是一种典型的做法。
原帖由 野狐禅 于 2007-12-21 10:10 发表 http://bbs.macd.cn/static/image/common/back.gif
ARIMA 就是一种典型的做法。
谢谢野狐禅兄。前面有位网友提出用小波分析分解后再用神经网络拟合，不知这种方法是否合理？
[ 本帖最后由 hhk 于 2007-12-21 12:51 编辑 ]
原帖由 hhk 于 2007-12-21 10:22 发表 http://bbs.macd.cn/static/image/common/back.gif
前面有位网友提出用小波分析分解后再用神经网络拟合，不知这种方法是否合理？
wavelet 是试图用稳态频谱分析方法随时间变化来分析非稳态时间序列。我个人不喜欢把时间域的问题弄到频率域里去。但你有兴趣的话，不妨试试。
如果想搞一套预测系统，唬人卖钱，是个不错的想法，肯定能挣大钱，有很多人等着掏钱。如果想要自己来用，在股市挣大钱，你就别骗自己了。
这东西，还是不懂的好。
感谢野狐禅兄，我先找一些ARIMA模型的资料看看。