Ставлю очередной экперимент. В данный момент у меня дома мой бедный ноут обсчитывает очередную сеть... Описание - в свое время. Пока что - только задумка. Но, для начала - кратко - итоги моей практической деятельности...

1) я понял, что сложнее - не значит - оптимальнее (применительно к НС): по совету Видма отказываюсь от большого количества скрытых слоев... (ну, все-таки мне пока что хоцца, чтобы хоть один был...   )... и самостоятельно я пришел к выводу о том, что сигмоидальная функция активации нейрона не всегда (по меньшей мере) дает преимущество перед линейной (случилось так, что я, чисто случайно, ради экономии машинного времени применил линейную фанкцию активации, - и вот, что получил: сеть обучается существенно быстрее (раз)... на диаграмме распределения значения сразу же выстраиваются в линию вдоль "парвильных значений" (а не имеют S-образный вид, которй не торопится перейти в прямую). Ну, и опять же от "коэффициентов нелинейности", которые достыпны для изменения в нейропакете для экселя, тоже мало чего зависит, кроме скорости обучения НС.

2) я понял, что одна единственная скользящая средняя ... даже вместе со своими приращениями и со скоростями этих приращений, и с ускорениями этих скоростей - это слишком мало данных (слишком простая математическая модель) для того, чтобы НС могла качественно ее прогнозировать более, чем на один шаг вперед (с одним единственным шагом-то проблем нет, а вот с последующими - серьезные траблы).

3) я склоняюсь к тому, что обучая НС на следствиях (а не на причинах)... ведь скользящее среднее - это есть, по сути, следствие... движения цены... трудно ожидать от нее того, чтобы она качественно прогнозировала дальнейшее развитие ситауции, ведь, по сути, у нее нет для этого данных... однако, пока что попытки свои не оставляю.

==============================================================================================

Ну, а теперь, собственно, идея...

Планируется попробовать обучить НС прогнозировать будущее математической модели, состоящей из трех скользящих средних с разными периодами усреднения. Предполагается, что каждая из них будет отражать тренд своего уровня... (т.е., краткосрочный откат в рамках среднесрочного восходящего тренда в рамках глобального нисходящего... что-то типа того)...

Прогнозировать "тяжелый мувинг" легко - это мы уже выяснили. Отлично! Раз НС хорошо справляется с этим делом, будем строить ТРИ НС (для каждой СС - отдельно), причем, для прогнозирования более "сложных" - "легких мувингов" будет на входы подаваться уже информация о том, как будет двигаться "тяжелый" мувинг на следующем шаге.

Т.е.:
спрогнозировали следующий шаг СС(20) - подали его (в числе других) на входы НС, которая прогнозирует СС(15)...
спрогнозировали СС(15) - подали его (вместе с СС(21)+1) на входы НС, которая прогнозирует СС(10)...

А вообще, на входы НС (всех) будут подаваться не только их собственные приращения (и средние скорости этих приращений), но и их взаимное положение (в виде расстояния со знаком между ними), а также изменения этого положения во времени (за последние n периодов)... Это, получается, уже в какой-то степени, MACD, а не просто СС-ы.

Ну, короче... обо всем об этом - в следующих постах... по мере получения результатов.