Diskussion zum Artikel "Kategorientheorie in MQL5 (Teil 16): Funktoren mit mehrschichtigen Perceptrons"

[MetaQuotes]

Neuer Artikel Kategorientheorie in MQL5 (Teil 16): Funktoren mit mehrschichtigen Perceptrons :

In diesem Artikel, dem 16. in unserer Reihe, geht es weiter mit einem Blick auf Funktoren und wie sie mit künstlichen neuronalen Netzen implementiert werden können. Wir weichen von unserem bisherigen Ansatz der Volatilitätsprognose ab und versuchen, eine nutzerdefinierte Signalklasse zum Setzen von Ein- und Ausstiegssignalen zu implementieren.

In diesem Artikel interessieren wir uns jedoch mehr für den S&P 500, und zwar nicht nur wegen seiner Volatilität, wie es in den letzten Artikeln der Fall war, sondern wegen seiner Trends. Wir versuchen, Prognosen über seine kurzfristigen (monatlichen) Trends zu erstellen und diese Prognosen zu nutzen, um Positionen in unserem Expert Advisor zu eröffnen. Das bedeutet, dass wir uns mit der Klasse Expert Signal und nicht wie bisher mit der Klasse Expert Trailing beschäftigen werden. Die Implementierung von funktorbasierten Transformationen auf dem Graph der Wirtschaftskalenderdaten führt also zu der prognostizierten Veränderung des S&P 500. Diese Implementierung wird mit Hilfe eines mehrschichtigen Perzeptrons erreicht.

Im letzten Artikel hatten wir eine schematische Darstellung unserer einfachen Hypothese, die die vier betrachteten Wirtschaftsdaten miteinander verknüpft, allerdings war sie zu stark vereinfacht und wurde nicht als Graph von Zeitreihen dargestellt. Das nachstehende Diagramm versucht, dies zu erreichen:

Autor: Stephen Njuki