ИИ и поиск волн Эллиотта: как проверять модель
Нейрон, разделение времени и фильтрация кандидатов без подмены оценки доказательством.
Опубликовано: (UTC+3)
Русский · English · Deutsch · Español · Français · Italiano · 繁體中文 · 日本語 · 한국어
Автоматическая разметка, перебор структур и обученная нейросеть — разные механизмы. На собственных числах разберём проверяемый порядок работы; наличие такого кода в продаваемых версиях продукта здесь не утверждается.
ИИ и нейросеть: учебный выход и временная проверка
Учебный нейрон z=0.5 x−0.5, y=1/(1+exp(−z)) при x=2 выдаёт 0.622459. Это число выбранной функции, а не измеренная вероятность завершения волны. Веса здесь заданы вручную; обучение, калибровка и точность на рыночных данных не заявляются.
Для горизонта цели в 2 бара разделите 100 баров: обучение 1–60 (сигналы 1–58), валидация 61–80 (61–78), тест 81–100 (81–98). Признаки используют только доступное прошлое; нормализацию обучают только на первой части. Зафиксируйте версию и параметры до теста, храните время появления метки, учитывайте расходы. Само слово «нейросеть» не устраняет будущие данные в обучающей разметке.
Алгоритм поиска: сначала ограничения, затем оценка
Сначала задайте диапазон, предел числа кандидатов и правило доступности экстремумов. Отбросьте нарушения жёстких ограничений; только оставшиеся варианты сравнивайте по выбранной оценке. Неизвестную внутреннюю структуру оставляйте неизвестной. Оценка не заменяет правило и не является вероятностью успеха.
В учебных шести опорах кандидат A с четвёртой опорой 119 и score 0.9 нарушает неперекрытие. B с 125 и score 0.6 проходит только ценовую часть проверки. Завершение лимита перебора не доказывает отсутствие других структур. Сохраните отклонённые причины, версию, вход и время; опубликованный код ниже не объявляется исходным алгоритмом Pro.