Diskussion zum Artikel "Expert Advisor auf der Grundlage des universellen MLP-Approximators"
Dieser Artikel und eine ganze Reihe von Artikeln über genetische Algorithmen sind Fiktion.
Das ist sehr schade,
Reale Tests stimmen nicht mit den Artikeln überein ((
Können Sie einen Test an einem ausgebildeten Stück Geschichte durchführen?
Hallo, Sergej!
Der Expert Advisor ist so implementiert, dass er auf einem Abschnitt handelt , den die Neuronen nicht kennen. Sie können Prints verwenden, um die Handelsergebnisse auf dem Trainingsabschnitt direkt in der TargetFunction anzuzeigen. Sie können die Historie der virtuellen Trades während des Trainings in csv speichern und dann die Bilanz in Excel oder im Chart anzeigen.
1. In diesem Artikel geht es um die Nutzung eines einfachen MLP-Netzes, nicht um Optimierungsalgorithmen (die Sie alle fälschlicherweise als genetische Algorithmen bezeichnet haben). Was ist die Fiktion? Die Quellcodes sind dem Artikel beigefügt, die Ergebnisse sind genau die, die ich selbst erhalten habe.
2. Welche Tests und in welchen Artikeln stimmen nicht mit den echten überein? Es wäre gut, hier Beispiele für solche "Unstimmigkeiten" zu nennen, um sinnvoll kommunizieren zu können.
Wenn wir über den MLP Expert Advisor aus diesem Artikel sprechen, sollten wir verstehen, dass nur zwei einfache Indikatoren und normalisierte Balkenwerte als Eingaben verwendet werden, d.h. die Informationen, die dem Neuron zugeführt werden, sind eher primitiv, so dass wir keine großartigen Ergebnisse erwarten sollten. Der MLP Expert Advisor in diesem Artikel wird zu Lehrzwecken vorgestellt, um zu verstehen, wie man schnell und einfach genug mit neuronalen Netzen arbeiten kann. Man muss natürlich mit den Informationen experimentieren, mit denen das neuronale Netz gefüttert wird, und darf nicht erwarten, dass jemand einen fertigen Gral in den Artikel schreibt (ohne Arbeit kann man keinen Fisch aus dem Teich holen).
Und wenn wir über die in den Artikeln beschriebenen Optimierungsalgorithmen sprechen, so handelt es sich um gebrauchsfertige Werkzeuge ohne jegliche Bedingungen und Einschränkungen für ihre Verwendung.
Hallo Andrey,
Das sieht nach einem tollen Artikel aus, der mich interessiert. Allerdings bin ich etwas verwirrt. Erstens sind die Include-Dateien #C_AO und #C_AO_enum in keiner der beiden ZIP-Dateien enthalten, die ich entdecken konnte. Habe ich sie übersehen? Und zweitens, wie kann ich Ihre Ergebnisse testen, da ich weder das von Ihnen verwendete Symbol noch den Zeitrahmen finden kann. Für mich sieht es so aus, als würden diese Variablen aus dem Chart-Setup stammen.
Hallo Cape.
Es gibt ein Archiv, das an den Artikel angehängt ist, das alle notwendigen Dateien enthält. Im Moment habe ich das Archiv aus dem Artikel heruntergeladen, es geöffnet und mich vergewissert, dass die von dir benötigten Dateien vorhanden sind:
Ich habe auf EURUSD M15 trainiert, wenn ich mich recht erinnere.
Hallo Andrey,
ich habe es verstanden, danke für die schnelle Antwort.
CapeCoddah
Probieren Sie es mit einem Netting-Konto aus. Der Artikel gibt nur eine Idee, Sie müssen den EA an die Handelsbedingungen Ihres Brokers anpassen.
Vielen Dank, dass Sie diesen Artikel und den Einblick geteilt haben. Tolle Idee. Ich habe ein unabhängiges Positionshandling implementiert und es auf einem Hedging-Konto zum Laufen gebracht (mein Broker).
Sie sind der Beste.
- 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 Expert Advisor auf der Grundlage des universellen MLP-Approximators :
Der von mir vorgeschlagene Ansatz gehört zur zweiten Art - dem unüberwachten Lernen. Bei dieser Methode versuchen wir nicht, dem neuronalen Netz beizubringen, wie man richtig handelt, und wir sagen ihm nicht, wo es Positionen eröffnen oder schließen soll, da wir selbst die Antwort auf diese Fragen nicht kennen. Stattdessen überlassen wir es dem Netzwerk, seine eigenen Handelsentscheidungen zu treffen, und unsere Aufgabe ist es, seine gesamten Handelsergebnisse zu bewerten.
In diesem Fall brauchen wir die Bewertungsfunktion nicht zu normalisieren oder uns um Probleme wie „Gewichtsexplosionen“ und „Netzwerkstillstand“ zu kümmern, da sie bei diesem Ansatz nicht auftreten. Wir trennen das neuronale Netz logischerweise vom Optimierungsalgorithmus und geben ihm nur die Aufgabe, die Eingabedaten in eine neue Art von Informationen umzuwandeln, die die Fähigkeiten des Händlers widerspiegeln. Im Grunde genommen wandeln wir einfach eine Art von Informationen in eine andere um, ohne die Muster in den Zeitreihen zu verstehen oder zu wissen, wie man handelt, um einen Gewinn zu erzielen.
Ein neuronales Netz wie das MLP (Multilayer Perceptron) ist für diese Aufgabe ideal geeignet, was durch das universelle Approximationstheorem bestätigt wird. Dieses Theorem besagt, dass neuronale Netze jede kontinuierliche Funktion approximieren können. In unserem Fall verstehen wir unter „kontinuierlicher Funktion“ einen Prozess, der in der analysierten Zeitreihe auftritt. Mit diesem Ansatz entfällt die Notwendigkeit, auf künstliche und subjektive Begriffe wie „Rauschen“ und „Überanpassung“ zurückzugreifen, die keinen quantitativen Wert haben.
Abbildung 1. Umwandlung einer Art von Information in eine andere
Autor: Andrey Dik