Einsatz künstlicher Intelligenz bei MTS - Seite 23

 
Rosh:
Sie müssen ein Skript schreiben oder verschiedene Pfeilfarben für verschiedene MagicNumbers im Code selbst festlegen.

Das ist eine großartige Idee, dank der "Einstellung verschiedener Pfeilfarben für verschiedene MagicNumbers im Code"!

Aber zum Drehbuch:
Meinen Sie die Änderung der Farbe der Pfeile, oder kann das Skript die "zusätzlichen" Aufträge entfernen?
 
Aleksey24:

Aber zum Drehbuch:
Meinen Sie die Änderung der Farbe der Pfeile, oder kann das Skript "zusätzliche" Aufträge entfernen?

Es ist, was dein Herz begehrt. :) Ein Beispiel für die Verarbeitung der Pfeile finden Sie hier http://www.alpari-idc.ru/ru/articles_mql4/25.html
Sie müssen den Deskriptor überprüfen - der Prüfer schreibt MagicNumber hinein.
 
Rosh:
Aleksey24:

Was ist mit dem Drehbuch?
Meinen Sie die Änderung der Farbe der Pfeile, oder kann das Skript "zusätzliche" Aufträge entfernen?

Es hängt von dem Willen deines Herzens ab. :) Ein Beispiel für die Verarbeitung der Pfeile finden Sie hier http://www.alpari-idc.ru/ru/articles_mql4/25.html
Sie müssen den Deskriptor überprüfen - der Prüfer schreibt MagicNumber hinein.

GUT.
Und im Allgemeinen ist die "spektrale Diversifizierung" nicht so einfach.
Ich habe für den Anfang nur 2 Parameter (zwei Indikatoren) verwendet.
Mit 2 guten Werten der lokalen Extrema von jedem.
Ich verwende Arrays anstelle von Parameterwerten.
Insgesamt 4 MagicNumber (4 Mal in der Schleife start())
Die Losgröße wird durch 4 geteilt - d.h. 4 Expert Advisors auf einmal (4 mal so viele Trades).
Ich werde meine Ergebnisse mitteilen.
 
Reshetov:
Ganzzahlig:

Äquivalent zur Glättung von AC unter Verwendung eines Cypher-Filters mit einigen Eigenschaften. Die Glättungskoeffizienten sind nicht ausgeglichen, was einem Stein auf der Kauftaste gleichkommt. Der Ziegelstein (+ z.B. Stochastik) funktioniert sehr gut von selbst, wenn man nur weiß, wann man ihn kaufen und wann man verkaufen muss. Unter Berücksichtigung der Tatsache, dass der Wechselstrom während 21 Takten 2 Mal abfallen kann, und des Vorhandenseins von 4 optimierbaren Parametern......))))

Aber für mich wirft es ein Licht darauf, wie neuronale Netze funktionieren und warum sie nicht so effizient sind, wie wir sie gerne hätten.

Am Anfang der kreativen Periode hatte ich ein Hobby - EAs für die Arbeit auf m1 zu schreiben, basierend auf den Ergebnissen der letzten Woche (7200 Bars, im Gegensatz zu 66000) - so viel wie 300 Prozente pro Woche wurden im Tester angezeigt.....

Ich frage mich, wie viele Harmonische der Preis in eine Fourier-Reihe zerlegt werden muss, um nach der Optimierung einen Gral zu erhalten?

Neuronale Netze sind nur dann effektiv, wenn identifizierbare Objekte linear trennbar sind, d.h. wenn eine Klasse von Objekten von einer anderen im Merkmalsraum durch eine Ebene getrennt werden kann, die durch eine lineare Gleichung beschrieben wird.

Was den AC-Oszillator betrifft, so betrachtet der Expert Advisor nicht nur seinen letzten Wert (Entscheidungen, die auf den letzten Werten basieren, werden in der technischen Analyse am häufigsten verwendet), sondern er untersucht auch die Historie, d.h. welche 3 anderen Werte der Indikator in der Vergangenheit hatte. Er interessiert sich für das Verhalten von Oszillatoren zur Entscheidungsfindung. Genau dieses Verhalten wird in das neuronale Netz eingegeben. Und am Ausgang erhalten wir Kaufen oder Verkaufen.

Eine weitere Neuerung ist nicht das Standardtraining für neuronale Netze, sondern die Auswahl der Gewichte anhand historischer Daten mit Hilfe eines genetischen Algorithmus. Ich habe beide Varianten ausprobiert. Genetics liefert etwas schlechtere Ergebnisse und ist langsamer in der Zeit. Aber es gibt keinen eingebauten neuronalen Algorithmus und das Lernen in MT4. Aber es gibt eine Optimierung auf der Grundlage der Genetik. Und einige Forscher in diesem Bereich haben erkannt, dass dynamisches Lernen nicht sehr geeignet ist, wenn sich die Situation drastisch ändert. Wenn die Bullen auf dem Markt die Oberhand gewinnen, wird sich das System auf den Bullen-Trend einstellen und den Bären-Trend vergessen - und umgekehrt. Samuel A. L. 1959, "Some studies in machine learning using the game of checkers" (IBM J. Research and Devepopmend 3: 210 - 229), stieß erstmals auf diese Ungeheuerlichkeit und beschrieb sie. Er stellte fest, dass sein Programm, wenn es einen professionellen Gegner hatte, allmählich zu einem Spiel auf professionellem Niveau überging. Aber wenn der Gegner ein Anfänger war, dann "vergaß" das Programm die vorherige Stufe und begann, zum primitiven Spiel überzugehen. Daher ist es wahrscheinlich nicht sinnvoll, das Neuron dynamisch auf seine eigenen Fehler und Verluste zu trainieren. Es ist einfacher, die Geschichte zu durchlaufen, um eine dem Markt angemessene Handelsstrategie zu entwickeln.

Was die Grals angeht, muss man nicht besonders schlau sein. Sie müssen nur eine Reihe von Bedingungen erfüllen:

1. Das System muss Positionen entweder ohne Stop-Losses oder mit Stop-Losses in einem sehr großen Abstand eröffnen, so dass die Wahrscheinlichkeit, dass sie funktionieren, nahe bei 0 liegt.
2. Ein leistungsstarker Filter, der auf mehreren Indikatoren basiert, deren Auslösebedingungen durch ein logisches UND (&&) getrennt sind. Und eine Menge von Eingabeparametern dieser sehr Indikatoren in die MTS externen Einstellungen zu ziehen, so dass nur ein paar Positionen während mehrerer Jahre historischer Daten auf Tests geöffnet wurden.
3. Hinzu kommen Kapital- und Risikomanagement mit einem erhöhten Anteil


Ich bin kein Experte für neuronale Netze, aber soweit ich mich erinnere, bezieht sich das, was über lineare Trennbarkeit gesagt wurde, auf die einfachsten der ersten Netze auf Perseptrons. Es wurde nachgewiesen, dass sie diese Eigenschaft nicht besitzen, da neuronale Netze im Prinzip geschaffen wurden, um Probleme wie die nichtlineare Trennbarkeit zu lösen. Korrigieren Sie mich, wenn ich falsch liege, es gibt vieles, an das ich mich nicht mehr erinnern kann.
 
Haben Sie interessante Links zum Thema NS-Anwendung im Handel? Es gibt bereits eine große Bibliothek zur NS-Theorie.
Ich plane, NS nicht für Vorhersagen, Extrapolationen oder Interpolationen zu verwenden, sondern nur für die Suche nach Mustern.
Ich interessiere mich zum Beispiel besonders für die Technologie der Ausbildung.
Ein Beispiel: Nehmen wir an, wir geben für jeden Balken in der Historie eine Reihe von Signalen als Trainingssequenz vor, und der erwartete TC-Ausgang ist -1/0/1 (verkaufen/0/kaufen).
Und was, für jeden Balken sollten wir manuell Signale voreinstellen? Was ist zu vermeiden?
Und wie kann man in diesem Fall die Ausbildung ohne einen Lehrer durchführen? Wie erhält man das Ergebnis der Trades auf der gesamten Historie und erzielt maximalen Gewinn?
Welche Methodik wird zu diesem Zweck verwendet?
 
Dali:
Hat jemand interessante Links über die Anwendung von NS im Handel. Es gibt bereits eine große Bibliothek der NS-Theorie.
Ich plane, NS nicht für Vorhersagen, Extrapolationen oder Interpolationen zu verwenden, sondern nur für die Suche nach Mustern.
Ich interessiere mich zum Beispiel besonders für die Technologie der Ausbildung.
Ein Beispiel: Nehmen wir an, wir geben für jeden Balken in der Historie eine Reihe von Signalen als Trainingssequenz vor, und der erwartete TC-Ausgang ist -1/0/1 (verkaufen/0/kaufen).
Und was, für jeden Balken sollten wir manuell Signale voreinstellen? Was ist zu vermeiden?
Und wie kann man in diesem Fall die Ausbildung ohne einen Lehrer durchführen? Wie kann man das Handelsergebnis in der gesamten Historie erhalten und den maximalen Gewinn erzielen?
Welche Methoden werden zu diesem Zweck eingesetzt?

Versuchen Sie, für die Mustererkennung die Kohonenkarte zu verwenden. Aber zuerst sollten Sie die Daten entweder normalisieren oder einfach codieren.
 
Dali:
...
Zum Beispiel mit einem Lehrer - nehmen wir an, wir geben Sätze von Signalen für jeden Balken auf der Geschichte als Trainingssequenz, und die erwartete Ausgabe von NS: -1/0/1 (verkaufen/0/kaufen).
Und was, für jeden Balken sollten wir manuell Signale voreinstellen? Was ist zu vermeiden?
...
Ich habe auch lange darüber nachgedacht - der einfachste Weg für mich war das Setzen von Signalen auf den Abschluss des nächsten Balkens: höher - kaufen, niedriger - verkaufen, nicht sehr gute Qualität, aber die "Lokalität" von Tiefs und Hochs wird nur durch den verwendeten Zeitrahmen bestimmt. Ich habe H4 verwendet, das Ergebnis ist OK, obwohl der EA nicht nach Ticks arbeitet, sondern "mit expliziter Kontrolle der Balkenöffnung".
 

Ja, Kohonen-Karten sind gut, aber das Wichtigste dabei ist, die Muster richtig zu kodieren, bevor sie in die Netzwerkeingänge eingespeist werden.

 
Es hat sich eine Frage ergeben. Hat jemand Kriterien dafür, wie man feststellen kann, ob ein Cochonennetz ausgebildet ist oder nicht?
 
Vinin:
Es hat sich eine Frage ergeben. Hat niemand ein Kriterium, wie man feststellen kann, ob das Kohonen-Netzwerk trainiert ist oder nicht.

Wenn nach N Iterationen die Beispiele nicht mehr in Klassen eingeteilt sind und die Migration der Muster aufgehört hat, kann man sagen, dass das Lernen abgeschlossen ist.