SOMFX1Predictor
- Indikatoren
- Stanislav Korotky
- Version: 1.3
- Aktualisiert: 20 November 2021
- Aktivierungen: 5
Wenn Sie gerne mit Kerzenmustern handeln und diesen Ansatz durch moderne Technologien verstärken möchten, sind dieser Indikator und andere damit verbundene Tools genau das Richtige für Sie. Dieser Indikator ist Teil einer Toolbox, die eine neuronale Netzwerk-Engine enthält, die eine selbstorganisierende Karte (SOM) für die Erkennung und Vorhersage von Kerzenmustern implementiert und Ihnen die Möglichkeit bietet, Eingabe- und Ergebnisdaten zu untersuchen. Die Toolbox enthält:
- SOMFX1Builder - ein Skript für das Training neuronaler Netze; es erstellt eine Datei mit verallgemeinerten Daten über die meisten charakteristischen Kurszahlen, die für die Vorhersage der nächsten Takte entweder in einem eingebauten Unterfenster (siehe SOMFX1 unten) oder direkt auf dem Chart (siehe SOMFX1Predictor unten) verwendet werden können;
- SOMFX1 - der Indikator für die Vorhersage von Kursmustern und die visuelle Analyse eines trainierten neuronalen Netzwerks, der Eingabe- und Ergebnisdaten (in einem separaten Unterfenster);
- SOMFX1Predictor - dieser Indikator für die Vorhersage von Kursmustern nur im Hauptfenster;
Kurz gesagt, der gesamte Prozess der Preisanalyse, des Netzwerktrainings, der Mustererkennung und der Vorhersage geht von den folgenden Schritten aus:
- Aufbau eines neuronalen Netzes mit SOMFX1Builder;
- Analysieren Sie die Leistung des resultierenden neuronalen Netzes mit Hilfe von SOMFX1; wenn Sie nicht zufrieden sind, wiederholen Sie Schritt 1 mit neuen Einstellungen; Sie können diesen Schritt auch überspringen;
- Verwenden Sie das endgültige neuronale Netz für die Vorhersage von Kursmustern mit SOMFX1Predictor.
Einzelheiten zu Schritt 1 und 2 - Netzwerktraining und visuelle Analyse der Daten - finden Sie auf den Webseiten der entsprechenden Tools - SOMFX1Builder und SOMFX1. Dieses Dokument behandelt die Verwendung von SOMFX1Predictor.
Wie es funktioniert
Dieser Indikator ist der einfachste Teil der Toolbox für neuronale Netze. Er nimmt eine Datei mit einem trainierten Netzwerk und zeigt Ihnen die Vorhersage des Netzwerks im Chart an. Dies ist eine rote Linie, die teilweise dick und teilweise dünn sein kann. Dicke Fragmente kennzeichnen Balken, bei denen das Netz in seiner Vorhersage sicherer ist als bei dünnen Fragmenten. Die Vorhersage beginnt an der vertikalen gepunkteten Linie in Gelb mit der Bezeichnung "VonVergangenheitZukunft". Sie können die Linie an eine beliebige Position ziehen, und der Indikator liest die aktuelle Stichprobe an dieser Position und führt SOM gegen diese Stichprobe aus, so dass Sie eine neue Vorhersage sehen. Die aktuelle Preisstichprobe ist ein Fragment von Preisdeltas, die von den PatternSize-Balken links von der Linie "FromPastToFuture" genommen werden. Wenn Sie den Indikator zum ersten Mal öffnen, befindet sich die Linie am LearnStop-Balken. Wenn Sie die Linie auf den 0-ten Balken verschieben, hält der Indikator die Linie automatisch auf den neuen 0-ten Balken, die in der Zukunft erscheinen werden, d.h. die Linie bleibt auf dem letzten Balken.
Bitte beachten Sie, dass die Vorhersage mit dem aktuellen Balken beginnt, d.h. der aktuelle Balken wird ebenfalls vorhergesagt. Dies geschieht, weil der aktuelle Balken in der Regel noch nicht abgeschlossen ist und daher ebenfalls vorhergesagt werden muss. Außerdem würde die Berücksichtigung eines noch nicht abgeschlossenen Balkens die Vorhersage inkonsistent machen (instabil während der Laufzeit des aktuellen Balkens). Da der aktuelle Balken vorhergesagt wird, beginnt die rote Linie mit der Vorhersage 1 Balken links von der vertikalen Linie "FromPastToFuture" - sie zeigt, wie sich der Preis auf dem aktuellen Balken verändern sollte.
Der Indikator kann optional das neuronale Netzwerk selbst anzeigen, wenn ShowMap wahr ist. In diesem Fall zeigt der Indikator 2 quadratische Karten auf dem Hauptchart an.
Das linke Quadrat zeigt die aktuelle Aktivität der einzelnen Neuronen an: Neuronen mit hoher Erregung sind rot, Neuronen mit hoher Hemmung sind blau dargestellt. Mit anderen Worten, je röter die Zelle auf der Karte ist, desto besser passt sie zum aktuellen Kursmuster.
Die zweite - rechte - quadratische Karte zeigt die "Populationsdichte" jeder Einheit an, d.h. ihre Farbe gibt die Anzahl der in den Trainingsdaten aufgetretenen Proben an, die in der entsprechenden Zelle gelandet sind und das entsprechende Preismuster gebildet haben. Wiederum bedeutet die rote Farbe eine relativ hohe Bevölkerungsdichte und die blaue eine relativ geringe. Graue Zellen haben keine entsprechenden Muster in den Trainingsdaten.
Parameter
- LearnStart - Nummer eines Balkens in der Historie, oder ein genaues Datum und eine genaue Uhrzeit des Balkens (im Format "YYYY.MM.DD HH:MM"), an dem die Trainingsdaten begannen; dieser Parameter ist eine Zeichenkette, die es Ihnen erlaubt, entweder eine Zahl oder ein Datum einzugeben; dieser Parameter wird hier nicht für das Training, sondern für die Erstellung der tatsächlichen Preisbeispiele (die dem Netzwerk entsprechen) verwendet, was wichtig ist, wenn der Parameter UseAverage wahr ist (siehe unten), sowie für die Visualisierung der Karte "Bevölkerung"; Standardwert - 5001; wenn Sie einen automatisch generierten Dateinamen im Parameter NetFileName (siehe unten) eingeben, analysiert der Indikator den Namen und überschreibt diesen Parameter mit einem Wert aus dem Namen; mit anderen Worten, dieser Parameter hat keine Wirkung, wenn ein automatisch generierter Dateiname im Parameter NetFileName angegeben ist.
- LearnStop - Nummer eines Balkens in der Historie oder ein genaues Datum und eine genaue Uhrzeit des Balkens (im Format "JJJJ.MM.DD HH:MM"), an dem die Trainingsdaten endeten; dieser Parameter ist ebenfalls eine Zeichenkette; Standardwert - 1; dieser Parameter wird hier nicht für das Training verwendet, sondern für die Erstellung von tatsächlichen Preisbeispielen (die dem Netzwerk entsprechen), was wichtig ist, wenn der Parameter UseAverage wahr ist, und für die Visualisierung der Karte "Population"; dieser Parameter hat keine Auswirkung, wenn ein automatisch generierter Dateiname im Parameter NetFileName angegeben ist;
- PatternSize - Anzahl der Balken in einem einzelnen Muster; Standardwert - 5; dieser Parameter hat keine Auswirkung, wenn ein automatisch generierter Dateiname im Parameter NetFileName angegeben ist;
- GridSize - Abmessungen der Karte; dies ist eine Anzahl von Zellen/Einheiten auf der X- und Y-Achse; erlaubte Werte: 3 - 50; Standardwert - 7; dieser Parameter hat keine Auswirkung, wenn ein automatisch generierter Dateiname im Parameter NetFileName angegeben ist;
- PredictionBars - Anzahl der vorherzusagenden Balken; Standardwert - 10; bitte beachten Sie, dass jeder nächste Balken mit geringerer Genauigkeit vorhergesagt wird als der vorherige, da unvermeidbare Fehler bei jedem Balken kumuliert werden;
- UseAverage - dies ist ein spezieller Modusschalter; wenn er deaktiviert ist (false, Standardwert), werden die Vorhersagen unter Verwendung der Gewichte der Gewinnerneuronen gemacht, d.h. sie sind das Produkt der Karte; wenn er aktiviert ist (true), basieren die Vorhersagen auf den Durchschnittswerten aller Preisproben, die dem Gewinnerneuron zugeordnet sind; dies erfordert nicht nur die Karte, sondern auch die Trainingsdaten, wie sie für das Training des Netzwerks verwendet wurden, weshalb es wichtig ist, das genaue Datum und die Uhrzeit anzugeben, zu der die Proben während des Trainings genommen wurden; Sie können mit diesem Parameter "spielen", um bessere Ergebnisse zu erzielen: Die Verwendung von Gewichtungsvektoren ist der konventionelle Ansatz, aber die Verwendung von Durchschnittswerten erhöht das Datenbewusstsein;
- PriceType - Preistyp, der für das Sampling verwendet werden soll; Standardwert - close; dieser Parameter hat keine Auswirkungen, wenn im Parameter NetFileName ein automatisch generierter Dateiname angegeben ist;
- AddInvertedPrice - aktiviert/deaktiviert einen Modus, in dem invertierte Preisbewegungen zu den Stichproben hinzugefügt werden; Voreinstellung - true;
- NetFileName - ein Dateiname des trainierten neuronalen Netzes, der durch das Skript SOMFX1Builder generiert wurde; wenn der Name automatisch generiert wurde, enthält er mehrere notwendige Komponenten, um die meisten der oben genannten Parameter wiederherzustellen, so dass der Benutzer nur diesen einen Parameter ausfüllen muss; die Struktur des Dateinamens ist die folgende: SOM-V-D-SYMBOL-TF-YYYYMMDDHHMM-YYYYMMDDHHMM-P.candlemap, wobei V - PatternSize, D - GridSize, SYMBOL - aktuelles Arbeitssymbol, TF - aktueller Zeitrahmen, YYYYMMDDHHMM - LearnStart bzw. LearnStop; P - PriceType;
- CellSize - Größe einer einzelnen Einheit, die auf dem Diagramm visualisiert wird (wenn ShowMap true ist); Standardwert - 20, was für Karten mit einer Größe von bis zu 10 in Ordnung ist; für größere Karten wählen Sie eine kleinere Zellengröße, da sich sonst die beiden Kartenansichten überlappen;
- PrintData - aktiviert/deaktiviert die Debug-Protokollierung; Voreinstellung - false;
- ShowMap - eine Option, um die Karte auf dem Diagramm zu visualisieren, so wie es der SOMFX1-Indikator macht; Standard - false;
Wenn einige der Parameter nicht korrekt sind, gibt der Indikator eine Fehlermeldung in das Log aus. Zum Beispiel können Sie eine Karte nur auf einem Chart mit demselben Symbol und Zeitrahmen laden, der beim Training verwendet wurde.
Der Benutzer hat keinen Kommentar hinterlassen