Diskussion zum Artikel "Experimente mit neuronalen Netzen (Teil 6): Das Perzeptron als autarkes Instrument zur Preisprognose"
Hallo Roman,
zwei tolle Artikel! Ich habe gerade beide zum ersten Mal gelesen.
Da ich den Code noch nicht studiert habe, würde mich interessieren, ob das CNeuralNet-Objekt eine Neuformulierung deiner früheren Perceptron-Berechnungen ist? Es sieht sehr interessant aus, da die anfänglichen Winkel- und Fächeransätze in meinen Vorwärtstests kläglich scheitern. Ich verwende EURUSD H4 vom 1.1.2020 bis zum 1.1.0203 als mein Training und vom 1.1.2023 bis zum 5.1.2023 als meine Vorwärtstests.Der Winkel versagt, da es ausgedehnte Trends mit Pausen gibt, die ihn auslösen, aber nicht umkehren und das Konto mit dem ersten Einbruch um den 1.2.2023 ausstoppen und in den Ruin treiben, während Ihre Tests diesem Einbruch perfekt folgen. Der Fächer-Ansatz nimmt keine Geschäfte im Vorwärtstest vor.
Bleiben Sie sicherI', ich freue mich auf Ihre nächsten Artikel.
CapeCoddah
P.S..
Ich habe mir gerade Ihre beiden Quelldateien angesehen und habe einige Fragen.
Es scheint, als würden Teile aus den Quellcodes Ihrer früheren Perceptron-Artikel fehlen.
Der bereitgestellte EA scheint Ihr Optimierungs-EA zu sein. Allerdings verwendet er nicht das CNeuralNet-Objekt, das ich erwartet hatte.
Der Vorwärtstest-EA fehlt, da der beigefügte EA die Ergebnisse des GA-Optimierungslaufs nicht als Eingabe für das Gewichte-Array, z. B. das EURUSD-Array, verwendet.
Oder übersehe ich eine logische Änderung in Ihrer Perceptron-Philosophie?
Hallo Roman,
zwei tolle Artikel! Ich habe gerade beide zum ersten Mal gelesen.
Da ich den Code noch nicht studiert habe, würde mich interessieren, ob das CNeuralNet-Objekt eine Neuformulierung deiner früheren Perceptron-Berechnungen ist? Es sieht sehr interessant aus, da die anfänglichen Winkel- und Fächeransätze in meinen Vorwärtstests kläglich scheitern. Ich verwende EURUSD H4 vom 1.1.2020 bis zum 1.1.0203 als mein Training und vom 1.1.2023 bis zum 5.1.2023 als meine Vorwärtstests.Der Winkel scheitert, da es ausgedehnte Trends mit Pausen gibt, die ihn auslösen, aber nicht umkehren und das Konto mit dem ersten Einbruch um den 1.2.2023 in den Ruin treiben, während Ihre Tests diesem Einbruch perfekt folgen. Der Fan-Ansatz nimmt im Vorwärtstest keine Trades vor.
Bleiben Sie sicherI', ich freue mich auf Ihre nächsten Artikel.
CapeCoddah
P.S..
Ich habe mir gerade Ihre beiden Quelldateien angesehen und habe einige Fragen.
Es scheint, als würden Teile aus den Quellcodes Ihrer früheren Perceptron-Artikel fehlen.
Der bereitgestellte EA scheint Ihr Optimization EA zu sein. Allerdings verwendet er nicht das CNeuralNet-Objekt, das ich erwartet hatte.
Der Forward Test EA fehlt, da der Attached EA die Ergebnisse des GA-Optimierungslaufs nicht als Eingabe für das Gewichte-Array, z. B. das EURUSD-Array, verwendet.
Oder übersehe ich eine logische Änderung in Ihrer Perceptron-Philosophie?
Hallo, mein Freund. Ich verstehe Sie nicht gut, deshalb bitte ich Sie, Ihre Gedanken schrittweise auszudrücken. Die Optimierung hängt von der Tiefe des Einflusses des Perceptrons ab, das in den Einstellungen verwendet wird. Jedes Paar hat seine eigenen Schlussfolgerungen. Sie hängt auch von der Anzahl der Durchläufe ab, da ihr Wert unendlich ist.
Hallo Roman,
ich schätze die schnelle Antwort. Ich denke, ich verstehe die GA-Optimierung dahingehend, dass die Ergebnisse von Durchlauf zu Durchlauf mit identischen Zeitrahmen variieren können und dass die Ergebnisse je nach Startdatum, Länge des Tests und für jedes Paar unterschiedlich sind. Was ich nicht erwartet habe, ist, dass, wenn ein dreijähriger Trainingslauf einen Gewinn von 50 % produziert, der EA in 5 Tagen scheitert, indem er die gesamte Startposition verliert oder während des aktuellen Laufs keine Geschäfte tätigt.
Mein ultimatives Ziel ist es, einen Swing-Trading Perceptron EA zu entwickeln, der für eine feste Dauer trainiert wird und nur einen Monat nach dem letzten Datum der Trainingsperiode läuft. Er würde dann für die gleiche Dauer neu trainiert werden, aber der Startzeitraum wäre ein Monat später, gefolgt von einem Lauf für den zweiten Monat für aktuelle Daten, wie eine rollende SMA. Ich gehe davon aus, dass der Devisenmarkt allmählich seine Richtung ändert und dass jedes "trainierte" Netzwerk in den ersten Monaten nach dem Training am genauesten ist und dann allmählich an Genauigkeit verliert, wenn sich die Marktbedingungen weiter ändern. Ich weiß auch, dass es zukunftsträchtige Marktveränderungen geben kann, die sich direkt auf die Genauigkeit jedes "trainierten" Netzwerks auswirken. Diese Art von Veränderung wird alle zukünftigen Veränderungen erheblich beeinflussen.
Meiner Beobachtung nach ist das Angle Perceptron recht gut darin, den Beginn von Umkehrungen zu erkennen, bevor sie eintreten. Leider ist es auch gut darin, Trendpausen zu erkennen und in Erwartung der Umkehrung einen Handel einzuleiten, was in diesem Fall nicht geschieht.Da sich der Trend fortsetzt, führt dies zu einem erheblichen Verlust aufgrund des großen SL, der zu Beginn des eigentlichen Testlaufs zum Verlust der Ausgangsposition führt. Ich denke, ein Teil des Problems besteht darin, dass die 100 Perceptron-Schleife eine adaptive Anpassung erfordert, um die Gesamtzahl der Trades auf der Grundlage des Kontostands zu senken.
Meine unmittelbaren Probleme stammen aus dem P.S. zu meinem ursprünglichen Kommentar.
In Ihren früheren Beiträgen haben Sie einen EA zur Optimierung (opt) und einen zweiten EA zum Testen von Trades (trade) gepostet. In diesem Beitrag gibt es nur einen: EA Perceptron_MA_4. Ich habe den Eindruck, dass dieser EA verwendet werden kann, um GA-Optimierungen durchzuführen, die direkt Ihren früheren OPT-Versionen entsprechen. Es ist jedoch keine Trade-Version für Forward-Testing enthalten. Wenn dies beabsichtigt ist, kann ich diesen EA anpassen, um die GA-Ergebnisse zu laden und einen EA für Forward-Testing zu erstellen.
Zusätzlich zum EA haben Sie ein Klassenobjekt, NeualNet, als Include-Datei gepostet, die ich nicht überprüft habe. Was mich überrascht hat, war, dass der Perceptron_MA_4 EA diese Include-Datei nicht verwendet. Ich hatte erwartet, dass es eine optimierende EA-Version geben würde, die die Klasse CNeuralNet enthält und auch eine der Normalisierungstechniken aus Ihrem Posting in Teil 5 verwendet. Außerdem würde es eine separate Handelsversion für Vorwärtstests geben. Ich denke, dass die Erstellung der Klassenobjekte eine sehr gute Richtung ist. Als Objekt wird es sehr einfach, mehrere verschiedene Perceptrons gleichzeitig in einem EA zu verwenden, z. B. für Trades, Stop-Loss- oder Take-Profit-Einstellungen oder möglicherweise sogar für die Erstellung einer adaptiven Handelsstrategie mit alternativen Strategien für den Trend eines stagnierenden Marktes. Aber ja, ich weiß, dass mehrere Objekte für das Training sehr aufwendig sein werden.
Hallo. Sie sind auf dem richtigen Weg. Wenn Sie Hilfe bei einer bestimmten Aufgabe benötigen, schreiben Sie mir und ich werde versuchen zu helfen. Schreiben Sie mir einfach privat.
Veröffentlichter Artikel Experimente mit neuronalen Netzen (Teil 6): Das Perceptron als autarkes Preisprognoseinstrument:
Autor: Roman Poshtar
- 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 Experimente mit neuronalen Netzen (Teil 6): Das Perzeptron als autarkes Instrument zur Preisprognose :
Der Artikel liefert ein Beispiel für die Verwendung eines Perzeptrons als autarkes Preisprognoseinstrument, indem er allgemeine Konzepte und den einfachsten vorgefertigten Expert Advisor vorstellt und anschließend die Ergebnisse seiner Optimierung zeigt.
Indikatoren sind mathematische Gleichungen, die zur Marktanalyse verwendet werden und dabei helfen, Trends, Einstiegs- und Ausstiegspunkte sowie Unterstützungs- und Widerstandsniveaus zu erkennen. Einige der gebräuchlichsten Indikatoren, die im Perzeptron zur Analyse des Devisenmarktes verwendet werden können, sind:
Die Übergabe des Schlusskurses und der Indikatoren an das Perzeptron ermöglicht es dem Modell, verschiedene Aspekte der Marktanalyse zu berücksichtigen und genauere Kursprognosen zu erstellen. So könnte ein Modell beispielsweise einen gleitenden Durchschnitt verwenden, um den allgemeinen Markttrend zu ermitteln, und dann einen stochastischen Oszillator einsetzen, um einen Einstiegspunkt zu bestimmen.
Autor: Roman Poshtar