Naja, live gibt es die Streaming API, die gibt 1% der Posts wieder. Würd mir auch reichen wenn ich das um eine bestimmte Uhrzeit abrufen könnte.
Hallo, wie bereits der Titel sagt, habe ich eine Frage was das Scannen von Twitter betrifft. Die Daten möchte ich dannach statistisch auswerten, soll hier aber nicht im Vordergrund stehen.
Nun, ich würde gerne alle (oder möglichst viele) Tweets an einem bestimmten Tag um eine bestimme Uhrzeit bekommen (z.B. alle Tweets am 16.5.12 um 11.32 Uhr), weiß aber nicht wie ich an diese Daten komme. Eventuell kennt sich ja jemand hier damit aus und kennt eine Möglichkeit. Bereits als .dll wär natürlich schön, mir würd aber schoneine Anregung helfen, da die Twitter API Dokumentation nicht bietet was ich suche 🙁
Danke im Vorraus, falls das das falsche Unterforum war, tut mir leid, ich wusste nicht wo ichs hinpacken kann 😁
Hallo, ich hab mal wieder eine Frage zu neuronlen Netzen.
Erstmal eine kurze Beschreibung: Ich habe ein neuronale Netz, dass lernen soll zu Handeln. Ein Handel läuft so ab: Kaufen -> Verkaufen. Nun habe ich mir gedacht, dass ich dem Netz als Reward die prozentuale Veränderung zwischen Kauf und Verkaufspreis gebe.
Mein Problem ist aber, dass ich nicht verstehe, wie das Netz anhand dieses Rewards trainiert wird. Meine erste Idee wäre, dass Ich die prozentuale Veränderung in den Bereich [-1,1] begrenze und diesen Wert statt dem bei der Backpropagationregel üblich verweneten Deltawert (Outputerwartet - Output) verwende. Wäre das der richtige Ansatz, wenn nein, was wäre ein richtiger?
Ich hoffe jemand kann mir helfen 😃
Anmerkung: Wenn sich jetzt jemand denkt, dass Trading mitttels NN nicht funktionieren kann: Ich wills wenigstens versuchen, damit ich nicht sagen kan ich hätte es nicht versucht. Außerdem interessiert mich die Thematik 😉
Grüße, xToast
Hallo.
Meine Frage ist, wie ich bei einer Konsolenanwendung ein OnExit Event (wie bei WinForms) realisieren kann. Ich habe zwar folgendes gefunden:
Console.CanelKeyPress
Dieses Event reagiert aber nur bei der STRG+C kombination. Ich bräuchte eine Möglichkeit, dich auch beim Beenden durch das Kreuz rechts oben reagiert.
Vielleicht kennt da jemand etwas.
Hallo zusammen!
Nachdem eine Weile nichts von mir zu hören war, melde ich mich wieder. Der Grund war, dass ich den herbivore geposteten Vorschlag umgesetzt habe, und ich dazu eine NN-Lib programmieren musste. Diese ist jetzt vertiggestellt, auch wenn bisher nur ein FeedForward-Netzwerk + Backpropagation implementiert sind.
Aber nun zu den Ergebnissen.
Erstmal vorweg: Erstellt wurden 60 Samples. 30 Davon mit einer gleichbleibenden Steigung, bei 30 davon wurde die Steigung in der mitte invertiert. Testergebniss (Knick vorhanden?): 100% richtige Erkennung (bei 20 Versuchen, Threshold von 3%).
Edit 2: Die Lerndauer dauert übrigens maximal 3 Sekunden 😉
Verwendet wurde ein Neuronales Netzwerk mit 10 Input-, 5 Hidden- (Layer 1) und 1 Outputneuron.
Jetzt werde ich noch folgende Situationen nachstellen: *Knick bei variabler Position (Edit 2: funktioniert ebenfalls (100%)) *Variable Steigung inerhalb eines Testcases (Edit: funktioniert (100%)) *[Edit 3] Folgendes Szenario: 1.Nur Steigend -> liefert true 1.Knick in der hinteren Hälfte -> liefert true 1.Knick in der vorderen Hälfte -> liefert false
--> Funktioniert durchschnittlich mit ca. 97.5% Wahrscheinlichkeit
Falls es jemand interessiert, wie das funktionieren kann: Ich weiß es nicht genau, aber ich denke, dass es daran liegt, dass ich die Input-Daten in der Bereich 0-1 normalisiere (0 = niedrigster Inputwert, 1 = höchster)
Edit 2: So, habe ich die Herrschafften vom Gegenteil überzeugt? 😉
Deshalb zum Ursprungsthema zurück: Welche Daten sollte ich dem NN zum lernen vorlegen?
Also kuzgefasst: NNs sind nicht in der lage, Zusammenhänge zu erkennen, sondern können nur gelerntes wiedergeben, bzw. anwenden. Richtig?
Heißt das, dass NNs nicht verstehen, was sie machen, sondern nur gelerntes anwenden? Das wäre ja dsa selbe wie bei Formeln. Manche wissen nicht **warum ** a² + b² = c² ist, sondern wissen nu, ass es so ist und wendes es deshalb stur an?
Edit: Nochmal auf folgende Aussage bezogen:
aber niemals alle Faktoren, um verlässlich einen Indikator einer Aktie zu erlangen
Es geht mir weniger darum, Faktoren berechnen zu lassen, sondern eher um die Erkennung von Mustern. Ein gutes Beispiel ist die Eliot-Wave. Vielleicht ist euch das ein Begriff. Mir geht es halt darum, dass das NN solche Zusammenhänge bzw. Muster selbständig erkennt. Und das müsste ein NN doch können. Außerdem geht es mir darum, dass das NN erkennt, weche Abhängigkeiten es gibt. Wenn der DowJones gute Werte erziehlt, ist es beispielsweise möglich, dass der DAX gut öffnet. Oder wenn eine Branche fällt, werden dazugehörige Kurse ebenfalls beeinflusst.
Gut, dass jetzt klar ist, was ich meinte 😃
Um mich chnell zu berichtigen, ich meinte natürlich logisches, und nicht assoziatives Denken.
Das Ableiten von Indikatoren ist unrealistisch, da hast du recht. Aber wenn das Netzt nicht Indikatoren erkennen, sondern eher Zusammenhänge begreifen soll. Halltet ihr das für möglich?
Okey, mit dem assoziativen Denken hatte ich wohl falsch ausgedrückt. Ich meinte weniger die assoziation von Begriffen/Werten oder ähnlichem, sondern eher dem Entwickeln von Gedankengängen. Was ich damit genau meine ist, dass das NN nicht nur dadurch dazulernt, indem Schwell- bzw Gewichtswerte verändert werden (wie es bei den üblichen Lernalgorhytmen der Fall ist), sondern auch Synapsen gelöscht, bzw neu erstellt werden, wie es auch im Gehirn der Fall ist. Ob das sinnvoll ist ist eine andere Frage, aber das war auch nur eine Idee.
Ein NN setzt (meinstens) normalisierte Daten vorraus, deshalb habe ich dass nicht genannt, aber das stimmt schon, durch Angabe der prozentualen Änderung kann man sicherlich bessere Ergebnisse erreichen.
Ich glaube aber, du hast nicht genau verstanden, was ich meine. Ich versuche nicht, dem Netz irgendwelche Daten zu liefern, und ein Output zu erwarten das nichts damit zu tun hat. Sondern ich wollte, dass das Netz nicht von von mir vorgegebenen Indikatoren abhängig ist, sondern dass folgendes:
Schritt 1: Das Netzt bekommt Datenreihen, vergleicht diese mit anderen, schaut sich Regelmäßigkeiten bzw. wiederholene Muster an. Anhand dieser Informationen lernt es, diese Regelmäßigkeiten bzw. Abhängigkeiten in unbekannten Daten zu erkennen.
Schritt 2: Nachdem Schritt 1 beherrscht wird, bewertet der Algorithmus das Output von Schritt 1. Das NN macht damit prktisch das selbe, was es auch mit den Indikatoren machen würde.
Ich hoffe jetzt ist etwas klarer was ich meine. Mein Problem ist, dass ich nicht weiß wie Schritt 1 umzusetzten ist. Wenn ihr sagt, dass er absolut keinen Sinn macht/nicht umsetztbar ist, würde ich halt Indikatoren verwenden.
PS: Mir isch schon klar, dass man Kurse nicht nummerisch vorhersagen kann, aber, gerade in stabilen Zeiten, funktioniert die Chartanalyse doch ziemlich gut. Und die objektive Bewertung von Indikatoren können Maschienen eben besser als Menschen (vorrausgesetzt, die sind dafür trainiet).
Ja, eigentlich. Aber ich möchte ja, dass mein NN während des Lernens anhand des Inputs Formeln (bzw. eher "Gedankengänge") erstellt und bei "echtem" diesen Gedankengänge folgt. Mein Problem ist halt, dass ich nicht weiß wie ich diese Gedankengänge verwalten bzw erlernen soll. Im Grunde muss ich dem NN assoziatives Denken beibringen (da liege ich richtig, oder?), woran ich verzweifele, weil ich nicht weiß wie.
Interessanter Ansatz, ein komplettes Gehirn zu entwickeln. Aber ich verstehe nicht ganz was du meinst mit "Testformeln". Könntest du das vielleicht nochmal erklären?