Diskussion zum Artikel "Praktische Anwendung von neuronalen Netzen im Handel. Python (Teil I)"
eine Suche, kein Artikel
1.
es gibt keine Beschreibung der Konstante 10 000 (1 und 4 Nullen) im Text des Artikels oder in den Quellen, die Suche im Artikel wird 51 Mal verwendet
Ich habe vermutet, dass dies die Anzahl der Ziffern für EURUSD ist, aber warum dann 100 000 (1 und 5 Nullen):
inB[15]=(iOpen(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*100000; inB[16]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iOpen(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*100000; inB[17]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*10000; inB[18]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iOpen(NULL,PERIOD_H1,i+1))*10000; inB[19]=(iOpen(NULL,PERIOD_H1,i+1)-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*10000;
Woher kommen die Zahlen 10000 und 100000? Was bedeuten sie?
2. pythonTestExpert
dieser Code ist im Allgemeinen ein Rätsel:
void OnTick() { MqlDateTime stm; TimeToStruct(TimeCurrent(),stm); for(int i=0; i<=14; i++) { in[i]=in[i+5]; }
Ich vermute, dass wir das Array bei jedem Tick verschieben, aber woher bekommen wir die Anfangswerte des Arrays? .... unten füllen wir das Array vom 15. Element bis zum Ende des Arrays.
3.
Warum ist der Code der Indikatoren DibMin1-1.mq5 und DibMax1-1.mq5 zu 99% identisch und in 2 Indikatoren aufgeteilt, und nicht in einem Indikator mit 2 Zeilen (Puffer) ausgeführt?
4. zu Python auch Fragen, zunächst gab es keinen einzigen Kommentar zu dem Python-Skript , noch den Zweck des Schreibens des Skripts, aber am Ende des Artikels erschien plötzlich eine Beschreibung dessen, was das Skript tat, und die Tatsache, dass wir bereits die Daten dieses Skripts bei der Optimierung des Expert Advisors verwendet haben.... Nun, kommen Sie als Leser zurück und schauen Sie nach, wo die Daten dieses Skripts waren, vielleicht war es das hier:
?
Ich würde nicht schreiben, dass mir der Artikel nicht gefallen hat (oder der Artikel unsinnig ist?), aber der Titel des Artikels "Practical Application of Neural Networks in Trading. Python" ist sehr plakativ, und es ist schade, dass die Suchmaschinen diesen Artikel nun in den ersten Suchergebnissen anzeigen
Es handelt sich um eine Suche, nicht um einen Artikel.
1.
Es gibt keine Beschreibung der Konstante 10 000 (1 und 4 Nullen) im Text des Artikels oder in den Quellen, die Suche im Artikel wird 51 Mal verwendet
Es wurde vermutet, dass dies die Anzahl der Ziffern für EURUSD ist, aber warum dann 100 000 (1 und 5 Nullen):
Woher kommen die Zahlen 10000 und 100000? Was bedeuten sie?
2. pythonTestExpert
Dieser Code ist im Allgemeinen ein Rätsel:
Ich vermute, dass wir das Array bei jedem Tick verschieben, aber woher bekommen wir die Anfangswerte des Arrays? .... Im Folgenden füllen wir das Array vom 15. Element bis zum Ende des Arrays.
3.
Warum ist der Code der Indikatoren DibMin1-1.mq5 und DibMax1-1.mq5 zu 99 % identisch, wird aber nicht in einem Indikator mit 2 Zeilen (Puffern) ausgeführt?
4. zu Python auch Fragen, zunächst gab es keinen einzigen Kommentar zu dem Python-Skript , noch den Zweck des Schreibens des Skripts, aber am Ende des Artikels erschien plötzlich eine Beschreibung, was das Skript tat, und die Tatsache, dass wir bereits die Daten dieses Skripts bei der Optimierung des Expert Advisor.... verwendet haben Nun, kommen Sie als Leser zurück und suchen Sie, wo die Daten dieses Skripts waren, vielleicht war es dies:
?
Ich würde nicht schreiben, dass ich den Artikel nicht mag (oder der Artikel absurd ist?), aber der Titel des Artikels "Practical Application of Neural Networks in Trading. Python" ist sehr laut, und es ist schade, dass Suchmaschinen diesen Artikel nun in den ersten Suchergebnissen anzeigen
Danke für die guten Fragen!!!
1. 10.000 oder 100.000 ? " * " oder " / " ? usw. Wir bilden die Eingabedaten für das NS. (Das neuronale Netz in meinem Schädel mochte die Daten, die in der Datei ausgegeben wurden, visuell. Vielleicht gefällt sie auch dem neuronalen Netz in der anderen Box. Nur ein Scherz:) Mit NS muss man experimentieren, sowohl mit den Hyperparametern des neuronalen Netzes selbst, der Architektur - als auch mit den Eingabedaten. Hier heißt es wahrscheinlich nicht "zwei mal zwei ist vier", sondern "zwei mal zwei ist?".
2. Zu der Frage von PythonTestExpert. Ich habe den Punkt übersehen, der geklärt werden musste - wir lassen den Expert Advisor im Strategietester auf H1 zu offenen Kursen laufen. Und die Verschiebung des Indikator-Clusters wird bei jedem Bar durchgeführt. In einem anderen Fall verwende ich die Verschiebung der Indikatoren um 00 Uhr - einmal pro Tag. Auch hier ist es notwendig, zu experimentieren.
3. Zwei Indikatoren - rein aus Bequemlichkeit und dies ist ein Sonderfall. Oft Strategien sind auf den Handel in eine Richtung gebaut. Daher ist es für die Datenerhebung bequemer, eine Indikatorlinie zu verwenden, die entweder das Maximum oder das Minimum des Tages anzeigt. Experimentieren Sie auch hier mit der Verschiebung - "hin und her".
4. Zum Python-Skript - ja, vielleicht habe ich es zu sehr vereinfachen wollen..... Aber mein Ziel in diesem Artikel war es, die Einfachheit der praktischen Anwendung von neuronalen Netzen mit Hilfe der Python-Integration zu zeigen. In dieser Phase - Eingabe der Daten, Training und Test. "Drücke den Knopf und erhalte das Ergebnis". Ich weiß nicht, ob dieses Thema schon einmal auf diese Weise behandelt wurde? Nicht von mir. Aber von anderen. Aber ich wollte es teilen....
5. Und als Witz zum Thema Absurdität - ist es nicht absurd, in eine Kiste mit Formeln zu schauen, die als technische Indikatoren bezeichnet werden, und zu versuchen, Geld zu verdienen!!!)))).
5. Und als Scherz zur Frage der Absurdität - ist es nicht absurd, in eine Kiste mit Formeln zu schauen, die als technische Indikatoren bezeichnet werden, und zu versuchen, Geld zu verdienen!!!)))).
Der Artikel ist absurd, weil es unmöglich ist, sich hinzusetzen und das Material zu lesen, es gibt keine kohärente Präsentation, keine Beschreibung der Methodik, keinen Zweck der Studie - ich spreche nicht von einfach bis komplex, es gibt einfach keine Logik, wenn man dem präsentierten Material folgt.
Hier ist es
Während der Arbeit an diesem Artikel beschloss ich, auch ein Beispiel für einen anderen Ansatz für NS-Lernziele zu geben. Dazu nehmen wir einige Änderungen am PythonIndicators-Skript vor.
Dies ist ein Zeichen dafür, dass das Material des Artikels auf eine minderwertige Art und Weise vorbereitet ist, man möchte zusätzliche Möglichkeiten der gegebenen Methodik erkunden - neue Ziele beschreiben, beschreiben, was wir aus dem fertigen Code verwenden werden
und in einer solchen Präsentation sieht es so aus, als ob wir mit der Methode des "wissenschaftlichen Stocherns" versuchen, etwas anderes zu spinnen - "Ich habe gesponnen und ich weiß genau, was wir bekommen werden:".
Die Logik dabei ist, dass wir den NS an bereits erreichten Zielen trainieren und nicht an Ereignissen, die gerade erst eintreten werden. Sie werden mir vielleicht zustimmen, dass dies logischer ist. Schließlich ist es einfacher, vergangene Ereignisse zu bewerten als Prognosen zu erstellen.
Als Ergebnis erhalten wir einen solchen Indikator.
pro
Hier sind einige Ergebnisse der Optimierung.
Ich möchte mich dazu gar nicht äußern - eine Reihe von Ausschnitten aus Paint? Warum gibt es unterschiedliche Daten und Größen auf den Bildschirmen? Wo sind die Werte der Optimierungsparameter?
Was ist das? - Ist es Google "Suche nach Bild"? Es sieht so aus:
Der Artikel ist absurd, weil es unmöglich ist, sich hinzusetzen und das Material zu lesen, es gibt keine kohärente Darstellung, keine Beschreibung der Methodik, keinen Zweck der Forschung - ich spreche nicht von einfach bis komplex, es gibt einfach keine Logik, wenn man dem dargestellten Material folgt.
diese
Während der Arbeit an diesem Artikel beschloss ich, auch ein Beispiel für einen anderen Ansatz für NS-Lernziele zu geben. Dazu nehmen wir einige Änderungen am PythonIndicators-Skript vor.
Dies ist ein Zeichen dafür, dass das Material des Artikels in einer minderwertigen Art und Weise vorbereitet wurde, wenn Sie zusätzliche Möglichkeiten der gegebenen Methodik erkunden wollen - beschreiben Sie neue Ziele, beschreiben Sie, was wir aus dem fertigen Code verwenden werden.
und in einer solchen Präsentation sieht es so aus, als ob wir nicht versuchen, etwas anderes nach der Methode des "wissenschaftlichen Pumpens" zu spinnen - "Ich habe gesponnen und ich weiß genau, was wir bekommen werden:".
über
Ich will mich gar nicht äußern - eine Reihe von Ausschnitten aus Paint ? Warum gibt es unterschiedliche Daten, unterschiedliche Größen auf den Bildschirmen ? Wo sind die Werte der Optimierungsparameter ?
Was ist das? - Ist das die Google-Bildersuche? Sieht für Sie so aus:
Im Prinzip bin ich mit allem einverstanden - ich werde den Artikel unter Berücksichtigung der Kommentare überarbeiten. Ich danke Ihnen...
Im Prinzip bin ich mit allem einverstanden - ich werde den Artikel unter Berücksichtigung der Kommentare überarbeiten. Ich danke Ihnen...
super!
das Material ist gefragt, zumindest bin ich sehr interessiert an dieser Richtung.
ZY: ja hier ist mehr zu meiner vorherigen Nachricht - alle Forschungsergebnisse in dem Artikel sollten den Effekt der Reproduzierbarkeit haben, nicht nur, dass es die Gültigkeit des Artikels bestätigt, und Sie werden keine Fragen haben, wo Sie es bekommen haben (Ihre Screenshots der Optimierung), gut, und höchstwahrscheinlich wird es als Schulungsmaterial nützlich sein.
Sv.
Ich habe das MT5-Paket installiert, aber noch nie benutzt. Sie können der Kürze halber alle Indikatoren und den Handel aus dem Python-Programm entfernen
Ja, wir haben die Indikatoren verwendet, um NS im Python-Programm zu trainieren. Und ein anderes Python-Programm wird dann mit den trainierten NS handeln...
4. Zum Python-Skript - ja, vielleicht wollte ich es zu sehr vereinfachen..... Aber mein Ziel in diesem Artikel war es, die Einfachheit der praktischen Anwendung von neuronalen Netzen mit Hilfe der Python-Integration zu zeigen. In diesem Stadium - Erhalten der Eingabedaten, Training und Testen. "Klicken Sie auf die Schaltfläche und erhalten Sie das Ergebnis". Ich weiß nicht, ob dieses Thema schon einmal auf diese Weise behandelt wurde? Nicht von mir. Aber von anderen. Aber ich wollte es teilen....
5. Und als Scherz zum Thema Absurdität - ist es nicht absurd, in eine Kiste mit Formeln zu schauen, die sich technische Indikatoren nennen, und zu versuchen, Geld zu verdienen!!!)))).
"die Einfachheit der praktischen Anwendung von neuronalen Netzen mit Hilfe der Python-Integration zu zeigen " ist Ihnen nicht gelungen. Das von Ihnen vorgeschlagene Verfahren kann nicht als einfach bezeichnet werden. Und es gibt überhaupt keine Integration .
"Eingabedaten empfangen, trainieren und testen" - all dies kann und sollte in Python erfolgen. Das MetaTrader5-Paket wurde zu diesem Zweck geschrieben.
Ohne die Optimierung der Hyperparameter des neuronalen Netzes und die qualitative Aufbereitung der Eingabedaten kann man nicht von einem ernsthaften Ergebnis sprechen. Python hat alles, um diese wichtigen und nicht einfachen Schritte durchzuführen. Ihr Artikel hat das nicht.
"Klicken Sie auf eine Schaltfläche und erhalten Sie ein Ergebnis" ist nicht Ihr Ansatz. Im Bereich des maschinellen Lernens entwickelt sich ein ganzes Feld - die Automatisierung des maschinellen Lernens. Dort sammelt man die Daten, übergibt sie dem Programm, das dann die Methoden und Techniken der Vorverarbeitung bestimmt, das Modell oder die Modelle auswählt, die für diese Daten die besten Ergebnisse liefern, die Hyperparameter optimiert und ein fertiges Ergebnis zur Verwendung liefert.
Der Artikel zeigt die falsche Reihenfolge der Schritte zur Erstellung und Verwendung eines neuronalen Netzes - dies ist meiner Meinung nach ein großer Fehler. Die Tatsache, dass die Integration nicht in vollem Umfang genutzt wird, ist traurig, aber nicht fatal. Und mit dem Titel des Artikels sollten Sie etwas bescheidener sein.
Viel Erfolg!
"umdie Einfachheit der praktischen Anwendung neuronaler Netze mit Hilfe der Python-Integration zu zeigen " , sind Sie gescheitert. Das von Ihnen vorgeschlagene Verfahren kann nicht als einfach bezeichnet werden. Und es gibt überhaupt keine Integration .
"All dies kann und sollte in Python gemacht werden. Das MetaTrader5-Paket wurde für diesen Zweck geschrieben.
Ohne eine Optimierung der Hyperparameter des neuronalen Netzes und eine qualitativ hochwertige Aufbereitung der Eingabedaten können wir nicht von einem seriösen Ergebnis sprechen. Python hat alles, um diese wichtigen und nicht einfachen Schritte durchzuführen. Ihr Artikel hat das nicht.
"Klicken Sie auf eine Schaltfläche und erhalten Sie ein Ergebnis" ist nicht Ihr Ansatz. Im Bereich des maschinellen Lernens entwickelt sich ein ganzes Feld - die Automatisierung des maschinellen Lernens. Dort sammelt man die Daten, übergibt sie dem Programm, und dieses bestimmt die Methoden und Techniken der Vorverarbeitung, wählt das Modell oder die Modelle aus, die für diese Daten die besten Ergebnisse liefern, optimiert die Hyperparameter und liefert ein fertiges Ergebnis zur Verwendung.
Der Artikel zeigt die falsche Reihenfolge der Schritte zur Erstellung und Verwendung eines neuronalen Netzes - dies ist meiner Meinung nach ein großer Fehler. Die Tatsache, dass die Integration nicht in vollem Umfang genutzt wird, ist traurig, aber nicht fatal. Und mit dem Titel des Artikels sollte man etwas bescheidener sein.
Viel Erfolg!
Wenn Sie sich das Video am Ende des Artikels angesehen haben, werden Sie feststellen, dass der gesamte Prozess der Datenerfassung, des NS-Trainings (auf diesen Hyperparametern) und der Konstruktion des resultierenden Indikators bis zu 2 Minuten dauert. Es ist nicht schwierig und für jeden Trader verfügbar, nicht nur für die "Auserwählten".
Zur Frage der Integration... Der gesamte kreative Prozess findet in den in diesem Artikel beschriebenen Phasen statt, insbesondere beim Erhalt der Eingangsdaten und der Abtastung dieser Daten. Ich persönlich verwende zu diesem Zweck meine eigenen Indikatoren. Und nun möchte ich Sie ein wenig betonen)))) - in diesem Stadium der Entwicklung neuronaler Netze sind Hyperparameter für die Analyse einer reinen Zeitreihe von geringer Bedeutung. Im Grunde genommen werden die NS jetzt für die Robotik "geschärft" (im weitesten Sinne). Für die Klassifizierung. Das heißt, sie funktionieren perfekt auf vollständigen Bildern. Aber wenn wir den NS auf Katzen und Hunde trainieren und ihm nur ein Ohr zeigen, dann können wir überspitzt gesagt die Antwort bekommen, dass es sich um einen Pionier mit einer Mütze handelt. Und in unserem Geschäft gibt es vollständige Bilder nur in der Vergangenheit, und in der Gegenwart gibt es keine.... Deshalb ist diese Phase der Vorbereitung auf die NS-Ausbildung so wichtig. Und die Integration. - Das ist ein rein technischer Prozess. Python vereinfacht ihn erheblich und bringt ihn auf die Ebene der praktischen Anwendung im Handel.
Nach der Ausführung von zwei Skripten - PythonIndicators.mq5 , PythonPrices.mq5 werden leere .csv-Dateien erstellt - woran kann das liegen?
Danke
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Praktische Anwendung von neuronalen Netzen im Handel. Python (Teil I) :
In diesem Artikel werden wir die schrittweise Implementierung eines Handelssystems analysieren, das auf der Programmierung von tiefen neuronalen Netzen in Python basiert. Dies wird unter Verwendung der von Google entwickelten TensorFlow-Bibliothek für maschinelles Lernen durchgeführt. Außerdem werden wir die Keras-Bibliothek zur Beschreibung von neuronalen Netzen verwenden.
Betrachten wir einige Punkte im Zusammenhang mit der Datenvorbereitung für das Training neuronaler Netzwerke.
Autor: Andrey Dibrov