Selbstausgebildetes MA-Kreuz! - Seite 8

[Sergey Golubev]

Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien

Levenberg-Marquardt-Algorithmus

Sergey Golubev, 2017.09.19 10:08

Neuer Artikel wurde veröffentlicht -

Tiefe neuronale Netze (Teil II). Ausarbeitung und Auswahl von Prädiktoren

Inhalt

• Einführung
• 1. Erstellen von Merkmalen
• 1.1. Transformation von Merkmalen
• 1.1.1. Umwandlung
• 1.1.2. Normalisierung
• 1.1.3. Diskretisierung
• 1.2. Erstellen neuer Features
• 2. Auswahl der Prädiktoren
• 2.1. Visuelle Auswertung
• 2.2. Analytische Bewertung
• 2.3. Neuronales Netz
• Schlussfolgerung
• Anwendung

[Sergey Golubev]

Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien

...

Sergey Golubev, 2009.10.09 08:43

Neuronales Netzwerk

Neural Network: Diskussion/Entwicklungsthreads

1. Besserer NN EAEntwicklungsthread mit Indikatoren, pdf-Dateien und so weiter.
2. Besserer NN EAAbschluss-Thread
3. NEURAL NETWORKS auf die NÄCHSTE EBENE bringen - sehr interessanterThread
4. Thread über Neuronale Netze (gute öffentliche Diskussion)
5. Wie man einen NN-EA in MT4 erstellt: nützlicherThread für Entwickler.
6. Radiales Basis-Netzwerk (RBN) - Als Fit-Filter für Preise:der Thread

Neuronales Netzwerk: Entwicklung von Indikatoren und Systemen

1. Self-trained MA cross!:Entwicklungsthread für die neue Generation der Indikatoren
2. Levenberg-Marquardt-Algorithmus:Entwicklungsthread

Neuronales Netz: EAs

1. CyberiaTrader EA:Diskussionsthread undEAs-Thread.
2. SelbstlernendeExperten-Thread mit EAs-Dateienhier.
3. Threads zu EAs mit künstlicher Intelligenz:Thread zum "Lehren" und zur Verwendung von EAs mit künstlicher Intelligenz ("Neuronen") und Thread zu künstlicher Intelligenz
4. Forex_NN_Expert EA undIndikator-Thread.
5. SpiNNaker - Ein Neuronales Netzwerk EAThread.

Neuronales Netzwerk: Die Bücher

1. Was man lesen und wo man über maschinelles Lernen lernen kann(10 kostenlose Bücher) - der Beitrag.

Der Beitrag

• NeuronaleNetzwerke leicht gemacht - MT5
  
• Neuronale Netze leicht gemacht (Teil 2): Netzwerktraining und -test - MT5
• Neuronale Netze leicht gemacht (Teil 3): Faltungsnetzwerke - MT5
  
• Neuronale Netze leicht gemacht (Teil 4): Rekurrente Netze - MT5
• Neuronale Netze leicht gemacht (Teil 5): Multithreading-Berechnungen in OpenCL - MT5
• Neuronale Netze leicht gemacht (Teil 6): Experimentieren mit der Lernrate neuronaler Net ze - MT5
• Neuronale Netze leicht gemacht (Teil 7): Adaptive Optimierungsverfahren - MT5
• Neuronale Netze leicht gemacht (Teil 8): Aufmerksamkeitsmechanismen - MT5
• Neuronale Netze leicht gemacht (Teil 9): DieArbeit dokumentieren - MT5
  
• Neuronale Netze leicht gemacht (Teil 10): Mehrköpfige Aufmerksamkeit - MT5
• Neuronale Netze leicht gemacht (Teil 11): Ein Blick auf GPT - MT5
• Neuronale Netze leicht gemacht (Teil 12): Aussetzen - MT5
• Neuronale Netze leicht gemacht (Teil 13): Batch-Normalisierung - MT5
  
• Entwicklung eines selbstanpassenden Algorithmus (Teil I): Suche nach einem Grundmuster- MT5
  
• Entwicklung eines selbstanpassenden Algorithmus (Teil II): Verbesserung der Effizienz- MT5
  
• Selbstanpassender Algorithmus (Teil III): Abkehr von der Optimierung - MT5
  
• Tiefes neuronales Netz mit Stacked RBM. Selbst-Training, Selbst-Kontrolle- MT4
• Praktische Anwendung neuronaler Netze im Handel - MT5
  
• Praktische Anwendung von neuronalen Netzen im Handel. Python (Teil I) - MT5
  
• Praktische Anwendung neuronaler Netze im Handel (Teil 2). Computer Vision - MT5
  
• Verbindung von NeuroSolutions Neuronets- MT5
• Verwendung neuronaler Netze im MetaTrader- MT4
• Kursprognose mit neuronalen Netzen- MT4
• Rezepte für Neuronetze- MT4
• Neuronale Netze der dritten Generation: Tiefe Netzwerke- MT5
• Neuronale Netze billig und fröhlich - Verknüpfung von NeuroPro mit MetaTrader 5- MT5
• Erstellen von EAs mit neuronalen Netzwerken mit dem MQL5-Assistenten und dem Hlaiman EA-Generator- MT5
• Neuronales Netzwerk: Selbst-optimierender Expert Advisor- MT5
• Neuronale Netzwerke: Von der Theorie zur Praxis- MT5
• Verwendung von MetaTrader 5 Indikatoren mit ENCOG Machine Learning Framework für Zeitreihenvorhersage- MT5
• Verwendung von selbstorganisierenden Feature Maps (Kohonen Maps) in MetaTrader 5- MT5
• Tiefe neuronale Netzwerke (Teil I). Aufbereitung von Daten- MT5

• Tiefe neuronale Netze (Teil II). Ausarbeitungund Auswahl von Prädiktoren- MT5

CodeBase

• Nächster Preisprädiktor mit Neuralem Netzwerk- Indikator für MetaTrader 4
• Einfaches Neuronales Netzwerk - Bibliothek für MetaTrader 5
  
• ALGLIB - Bibliothek für numerische Analysen- Bibliothek für MetaTrader 4
• MTS Neuronales Netzwerk plus MACD- Experte für MetaTrader 4
• ArtificialIntelligence_Right- Experte für MetaTrader 4
• NeuroNirvamanEA- Experte für MetaTrader 4
• Erstellen Sie Ihre eigenen neuronalen Netzwerk Prädiktoren leicht (Beispiel: MA und RSI Predictors)- Indikator für MetaTrader 4
• Automatisiertes Handelssystem "Сombo"- Experte für MetaTrader 4
• MTC Neuronales Netzwerk plus MACD- Experte für MetaTrader 5
• Berechnung der Bollinger-Band-Breite mit Hilfe des Neuronalen Netzes- Experte für MetaTrader 5
• PNN Neuronales Netzwerk Klasse- Bibliothek für MetaTrader 5
• GRNN Neuronales Netzwerk Klasse - Bibliothek für MetaTrader 5
• RBF Ne uronales Netzwerk Klasse - Bibliothek für MetaTrader 5
• MLP Ne uronales Netzwerk Klasse - Bibliothek für MetaTrader 5
• Künstliche Intelligenz- Experte für MetaTrader 5

[Karvin]

Das ist sehr interessant, ich würde gerne einen Beitrag leisten, aber ich weiß nicht, wo wir jetzt sind. Haben Sie schon Ergebnisse erzielt?

Wenn Sie einen selbstlernenden EA wollen, brauchen wir neuronale Netze oder einen ähnlichen Ansatz. Ein synthetischer Weg, um smthg zu erreichen, ist post-maintein der EA und optimieren Sie es mit einem rollierenden Mode.

Mit freundlichen Grüßen

[Sergey Golubev]

Forum zum Thema Handel, automatische Handelssysteme und Testen von Handelsstrategien

Wie man mit MetaTrader und Forex anfängt, der Anfang

Sergey Golubev, 2021.02.08 16:30

Entwicklung eines sich selbst anpassenden Algorithmus (Teil I): Ein Grundmuster finden

Jeder Handelsalgorithmus ist im Allgemeinen ein Werkzeug, das einem erfahrenen Händler Gewinn bringen oder das Depot eines unerfahrenen Händlers sofort zerstören kann. Das Problem bei der Entwicklung eines profitablen und zuverlässigen Algorithmus ist, dass wir nicht verstehen können, was getan werden muss, um Geld zu verdienen, und welche Methoden von "erfolgreichen Händlern" verwendet werden. Während HFT, Arbitrage, Optionsstrategien und auf Kalenderspreads basierende Systeme über eine solide theoretische Grundlage verfügen, aus der klar hervorgeht, was getan werden muss, um Gewinne zu erzielen, sind die Algorithmen, die auf Preisanalysen und Fundamentaldaten basieren, viel unklarer. In diesem Bereich gibt es keine vollwertige theoretische Grundlage, die die Preisbildung beschreiben würde, was die Entwicklung eines stabilen Handelsalgorithmus extrem erschwert. Der Handel wird hier zur Kunst, während die Wissenschaft hilft, alles zu systematisieren.

Aber ist es möglich, einen vollautomatischen Handelsalgorithmus zu erstellen, der nur auf der Analyse von Preisänderungen basiert und für jedes Handelsinstrument ohne Optimierung funktioniert, ohne dass die Parameter für jedes Handelsinstrument einzeln manuell angepasst werden müssen? Gibt es einen Algorithmus, den man einfach auf den Chart eines bestimmten Handelsinstruments anwenden kann, so dass er sofort profitable Parameter für dieses Instrument definiert?

[Sergey Golubev]

Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien

Wie man mit MetaTrader und Forex anfängt, der Anfang

Sergey Golubev, 2021.02.19 18:08

Entwicklung eines selbstanpassenden Algorithmus (Teil II):Verbesserung der Effizienz

Bevor Sie diesen Artikel lesen, empfehle ich Ihnen, den ersten Artikel"Entwicklung eines sich selbst anpassenden Algorithmus (Teil I)" zu lesen:Finden eines Grundmusters" zu lesen. Das ist zwar nicht notwendig, da das Wesentliche trotzdem klar ist, aber das Lesen wird interessanter sein.

Im vorigen Artikel habe ich ein einfaches Muster entdeckt und einen sehr einfachen Algorithmus entwickelt, der dieses Muster ausnutzt. Aber der Algorithmus hat keine flexible Struktur, und es macht keinen Sinn, von ihm herausragende Ergebnisse zu erwarten.

Wir müssen ihn stark verbessern, damit er flexibler wird und seine Betriebsparameter je nach Marktsituation anpasst, so dass bessere Ergebnisse und Stabilität erzielt werden können.

[Tobias Johannes Zimmer]

Ahmed Soliman:

Halten Sie die Idee für realisierbar? Lassen Sie uns den runden Tisch aufstellen!

Sie müssten einen Weg finden, um zu definieren, ob Sie sich in einem Trend befinden oder nicht und wie es auf ein Flat reagieren soll oder nicht, wie es StopLoss und TakeProfit basierend auf Marktbedingungen wie Trendvolumen oder Volatilität berechnet

[Tobias Johannes Zimmer]

Ahmed Soliman:

Halten Sie diese Idee für realisierbar? Lassen Sie uns den runden Tisch decken!

Sie müssen den Algorithmus so einstellen, dass er erkennt, ob es einen Trend gibt oder nicht, wie er SL und TP auf der Grundlage von Marktparametern wie Volumina oder Volatilität berechnet und sogar statistische Aspekte einbezieht, um festzustellen, ob ein Muster funktioniert hat und wenn nicht, wie es sich ändern sollte. Die Ideen sind hier nicht das Problem, sondern die Programmierung.

[Sergey Golubev]

Forum zum Thema Handel, automatisierte Handelssysteme und Testen von Handelsstrategien

Wie man mit MetaTrader und Forex anfängt, der Anfang

Sergey Golubev, 2021.03.12 09:56

Selbstanpassender Algorithmus (Teil III): Verzicht auf Optimierung

Bevor Sie diesen Artikel lesen, empfehle ich Ihnen, den zweiten Artikel der Serie"Entwicklung eines selbstanpassenden Algorithmus (Teil II)" zu lesen:Verbesserung der Effizienz". Die in diesem Artikel angewandte Methodik unterscheidet sich erheblich von dem, was zuvor besprochen wurde, aber es ist nützlich, die vorherigen Artikel zu lesen, um das Thema zu verstehen.

[ffoorr]

Diese Strategie, wenn sie denn funktionieren würde, wäre dasselbe wie künstliche Intelligenz.

Hier ist sie: "nicht standardisierter automatisierter Handel"

Sie funktioniert mit Accelerator oder einem tollen Indikator anstelle eines MA, aber das Prinzip ist das gleiche.

Führen Sie einen Backtest mit verschiedenen Daten für den Accelerator (oder MA) durch, und verwenden Sie dann die besten Daten für den Terminhandel.

Der einzige Unterschied ist: Anstatt ein "selbstanpassender Experte" zu sein, muss man jede Woche (Tage) einen Backtest machen, um zu überprüfen, ob er immer noch den besten Wert für seinen EA hat.

[Muhammad Syamil Bin Abdullah]

ffoorr:

Diese Strategie, wenn sie denn funktionieren würde, wäre dasselbe wie künstliche Intelligenz.

Hier ist sie: "nicht standardisierter automatisierter Handel"

Sie funktioniert mit Accelerator oder einem tollen Indikator anstelle eines MA, aber das Prinzip ist das gleiche.

Führen Sie einen Backtest durch, indem Sie verschiedene Daten für den Accelerator (oder MA) verwenden, und verwenden Sie dann die besten Daten für den Terminhandel.

Der einzige Unterschied ist: Anstatt ein "selbstanpassender Experte" zu sein, muss man jede Woche (Tage) einen Backtest machen, um zu überprüfen, ob man noch den besten Wert für seinen EA hat.

Interessant.