Discusión sobre el artículo "Aplicación práctica de las redes neuronales en el trading. Python (Parte I)"
una búsqueda, no un artículo
1.
no hay ninguna descripción de la constante 10 000 (1 y 4 ceros) en el texto del artículo o en las fuentes , la búsqueda en el artículo se utiliza 51 veces
sospechaba que este es el número de dígitos para EURUSD, pero entonces ¿por qué 100 000 (1 y 5 ceros):
inB[15]=(iOpen(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*100000; inB[16]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iOpen(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*100000; inB[17]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*10000; inB[18]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iOpen(NULL,PERIOD_H1,i+1))*10000; inB[19]=(iOpen(NULL,PERIOD_H1,i+1)-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*10000;
¿de dónde vienen los números 10000 y 100000? ¿qué significan?
2. PythonTestExpert
este código es un misterio en general:
void OnTick() { MqlDateTime stm; TimeToStruct(TimeCurrent(),stm); for(int i=0; i<=14; i++) { in[i]=in[i+5]; }
Sospecho que desplazamos el array cada tick, pero ¿de dónde sacamos los valores iniciales del array? .... abajo llenamos este array desde el elemento 15 hasta el final del array.
3.
¿por qué el código de los indicadores DibMin1-1.mq5 y DibMax1-1.mq5 es idéntico en un 99% separado en 2 indicadores, y no se ejecuta en un indicador con 2 líneas (buffers)?
4. sobre Python también preguntas, al principio no había ni un solo comentario al script de Python , ni el propósito de escribir el script, pero al final del artículo de repente apareció una descripción de lo que hacía el script, y el hecho de que ya hemos utilizado los datos de este script al optimizar el Asesor Experto.... bueno vuelva lector y busque donde estaban los datos de este script, tal vez era esto:
?
Yo no escribiría que no me gustó el artículo ( o el artículo es absurdo ?), pero el título del artículo "Aplicación práctica de las redes neuronales en el comercio. Python" es muy fuerte, y es una lástima que los motores de búsqueda ahora mostrar este artículo en los primeros resultados de búsqueda
Es una búsqueda, no un artículo.
1.
no hay descripción de la constante 10 000 (1 y 4 ceros) en el texto del artículo ni en las fuentes , la búsqueda en el artículo se utiliza 51 veces
Se sospechaba que este es el número de dígitos para EURUSD, pero entonces ¿por qué 100 000 (1 y 5 ceros):
¿de dónde vienen los números 10000 y 100000? ¿qué significan?
2. PythonTestExpert
este código es un misterio en general:
Sospecho que desplazamos el array cada tick, pero ¿de dónde sacamos los valores iniciales del array? .... abajo llenamos este array desde el elemento 15 hasta el final del array.
3.
¿por qué el código de los indicadores DibMin1-1.mq5 y DibMax1-1.mq5 es idéntico en un 99%, pero no se ejecuta en un indicador con 2 líneas (buffers)?
4. en Python también preguntas, al principio no había ni un solo comentario a la secuencia de comandos Python , ni el propósito de escribir el script, pero al final del artículo de repente apareció una descripción de lo que el script estaba haciendo, y el hecho de que ya hemos utilizado los datos de este script cuando la optimización de la Expert Advisor.... bueno, vuelve lector y mira donde estaban los datos de este script, a lo mejor era esto:
?
Yo no escribiría que no me gustó el artículo ( o el artículo es absurdo ?), pero el título del artículo "Aplicación práctica de las redes neuronales en el comercio. Python" es muy fuerte, y es una lástima que los motores de búsqueda ahora mostrar este artículo en los primeros resultados de búsqueda
¡¡¡Gracias por las buenas preguntas!!!
1. ¿10.000 o 100.000 ? ¿"*" o "/" ? etc. Formamos los datos de entrada para la NS. (A la red neuronal que está en mi cráneo le gustaron visualmente los datos que salieron al archivo. Quizás a la red neuronal que está en la otra caja también le guste. Es broma). Con NS, tienes que experimentar, tanto con los hiperparámetros de la propia red neuronal, la arquitectura - y los datos de entrada. Aquí probablemente no sea "dos por dos son cuatro", sino "dos por dos son...".
2. Sobre la cuestión de PythonTestExpert. Me perdí el punto que necesitaba ser aclarado - corremos el Asesor Experto en el probador de estrategia en H1 a precios de apertura. Y el desplazamiento del grupo de indicadores se realiza en cada barra. En otro caso, utilizo el desplazamiento de los indicadores a las 00 horas - una vez al día. Aquí también es necesario experimentar.
3. Dos indicadores - puramente por conveniencia y este es un caso especial. A menudo, las estrategias se basan en el comercio en cualquier dirección. Y, por lo tanto, para el muestreo de datos es más conveniente utilizar una línea de indicador, que muestra ya sea el extremo máximo del día, o el mínimo. Aquí, también, experimente con el desplazamiento - "adelante y atrás".
4. En el script de Python - sí, tal vez yo quería simplificar demasiado..... Pero mi objetivo en este artículo era mostrar la simplicidad de la aplicación práctica de las redes neuronales utilizando la integración de Python. En esta etapa - obtener los datos de entrada, entrenamiento y pruebas. "Pulse el botón y obtener el resultado". No sé si este tema ha sido cubierto de esta manera? No por mí. Por otros. Pero quería compartirlo ....
5. Y como una broma sobre el tema de lo absurdo - ¿no es absurdo mirar en una caja a un conjunto de fórmulas que se han llamado indicadores técnicos y tratar de hacer dinero!!!)))).
5. Y como una broma sobre la cuestión de lo absurdo - ¿no es absurdo mirar en una caja a un conjunto de fórmulas que se han llamado indicadores técnicos y tratar de hacer dinero!!!)))).
el artículo es absurdo porque es imposible sentarse a leer el material, no hay una presentación coherente, no hay una descripción de la metodología, no hay un propósito del estudio - no estoy hablando de lo simple a lo complejo, simplemente no hay lógica en seguir el material presentado.
aquí está
Mientras trabajaba en el artículo, decidí dar también un ejemplo de un enfoque diferente de los objetivos de aprendizaje de NS. Para ello, vamos a hacer algunos cambios en el script PythonIndicators.
Esta es una señal de que el material del artículo se prepara de una manera inferior, desea explorar posibilidades adicionales de la metodología dada - describir nuevos objetivos, describir lo que vamos a utilizar desde el código listo
y en tal presentación parece, por qué no tratamos de hilar algo más por el método de "pinchar científicamente" - "He estado hilando y sé exactamente lo que obtendremos:".
La lógica aquí es que estamos entrenando al SN en objetivos que se han alcanzado, no en acontecimientos que están a punto de suceder. Lo cual, estarán de acuerdo, es más lógico. Al fin y al cabo, es más fácil evaluar acontecimientos pasados que hacer previsiones.
Como resultado, obtenemos un indicador de este tipo.
pro
He aquí algunos resultados de la optimización.
No quiero comentar nada: ¿un conjunto de recortes de Paint? ¿Por qué hay fechas y tamaños diferentes en las pantallas? ¿Dónde están los valores de los parámetros de optimización?
¿Qué es esto? - ¿Es Google "buscar por imagen"? Se parece a esto:
el articulo es absurdo porque es imposible sentarse y leer el material, no hay una presentacion coherente, no hay una descripcion de la metodologia, no hay un proposito de la investigacion - no estoy hablando de lo simple a lo complejo, simplemente no hay logica en seguir el material presentado.
este
Mientras trabajaba en el artículo, decidí dar también un ejemplo de un enfoque diferente de los objetivos de aprendizaje de NS. Para ello, vamos a hacer algunos cambios en el script PythonIndicators.
Esto es una señal de que el material del artículo ha sido preparado de una manera inferior, si quieres explorar posibilidades adicionales de la metodología dada - describir nuevos objetivos, describir lo que vamos a utilizar del código listo.
y en tal presentación parece, por qué no tratamos de hilar algo más por el método de "bombeo científico" - "He estado hilando y sé exactamente lo que obtendremos:".
sobre
No quiero comentar nada - un conjunto de recortes de Paint ? ¿Por qué hay diferentes fechas, diferentes tamaños en las pantallas ? ¿Dónde están los valores de los parámetros de optimización ?
¿Qué es esto? - ¿Es la "búsqueda de imágenes" de Google? A ti te parece esto:
En principio estoy de acuerdo con todo, terminaré el artículo teniendo en cuenta los comentarios. Gracias...
En principio estoy de acuerdo con todo, finalizaré el artículo teniendo en cuenta los comentarios. Gracias...
¡genial!
el material es solicitado, al menos yo estoy muy interesado en esta dirección.
ZY: sí aquí es más a mi mensaje anterior - todos los resultados de la investigación en el artículo debe tener el efecto de la reproducibilidad, no sólo que confirma la validez del artículo, y usted no tendrá preguntas de dónde lo has sacado (sus capturas de pantalla de optimización), así, y lo más probable es que será útil como material de formación.
Sv.
he instalado el paquete MT5, pero nunca lo he utilizado. Puede eliminar todos los indicadores y el comercio del programa python para mayor brevedad
Sí, utilizamos los indicadores para entrenar NS en el programa python. Y otro programa python luego operará usando el NS entrenado...
4. Sobre el script de Python - sí tal vez quería simplificar demasiado..... Pero mi objetivo en este artículo era mostrar la simplicidad de la aplicación práctica de las redes neuronales utilizando la integración de Python. En esta etapa - obtener los datos de entrada, entrenamiento y pruebas. "Haga clic en el botón y obtener el resultado". No sé si este tema ha sido cubierto de esta manera? No por mí. Por otros. Pero quería compartirlo....
5. Y como una broma sobre el tema de lo absurdo - ¿no es absurdo mirar en una caja a un conjunto de fórmulas llamadas indicadores técnicos y tratar de ganar dinero!!!)))).
"mostrar la sencillez de la aplicación práctica de las redes neuronales utilizando la integración de Python " has fallado. El procedimiento que propones no se puede llamar sencillo. Y no hay integración alguna .
"recepción de datos de entrada, entrenamiento y pruebas" - todo esto puede y debe hacerse en Python. El paquete MetaTrader5 fue escrito para este propósito.
Sin la optimización de los hiperparámetros de la red neuronal y la preparación de calidad de los datos de entrada, no podemos hablar de ningún resultado serio. Python lo tiene todo para realizar estos importantes y nada sencillos pasos. Tu artículo no lo tiene.
"Pulsa un botón y obtén un resultado" no tiene nada que ver con tu planteamiento. En el aprendizaje automático, hay todo un campo en desarrollo - la automatización del aprendizaje automático. Ahí, sí, recoges los datos, se los pasas al programa y éste determinará los métodos y técnicas de preprocesamiento, seleccionará el modelo o modelos que den los mejores resultados para esos datos, optimizará los hiperparámetros y producirá un resultado listo para usar.
El artículo muestra una secuencia errónea de pasos para crear y utilizar una red neuronal, lo que, en mi opinión, es un gran fallo. El hecho de que la integración no se utilice en su totalidad es triste, pero no fatal. Y deberías ser más modesto con el título del artículo.
Suerte
"mostrar la simplicidad de la aplicación práctica de las redes neuronales utilizando la integración de Python" has fallado. El procedimiento que propones no puede llamarse simple. Y no hay integración alguna .
"Todo esto puede y debe hacerse en Python. El paquete MetaTrader5 fue escrito para este propósito.
Sin la optimización de los hiperparámetros de la red neuronal y la preparación de calidad de los datos de entrada, no podemos hablar de ningún resultado serio. Python lo tiene todo para realizar estos importantes y nada sencillos pasos. Su artículo no lo tiene.
"Pulsa un botón y obtén un resultado" no tiene nada que ver con tu planteamiento. En el aprendizaje automático, hay todo un campo en desarrollo - la automatización del aprendizaje automático. Allí, sí, recoges los datos, los pasas al programa y éste determinará los métodos y técnicas de preprocesamiento, seleccionará el modelo o modelos que den los mejores resultados para estos datos, optimizará los hiperparámetros y dará el resultado listo para su uso.
El artículo muestra una secuencia errónea de pasos para crear y utilizar una red neuronal, lo que, en mi opinión, es un fallo importante. El hecho de que la integración no se utilice en su totalidad es triste pero no fatal. Y deberías ser más modesto con el título del artículo.
Suerte
Si has visto el vídeo al final del artículo, te darás cuenta de que todo el proceso de adquisición de datos, entrenamiento del NS (sobre esos hiperparámetros) y construcción del indicador resultante dura hasta 2 minutos. No es difícil y está al alcance de cualquier trader, no sólo de los "elegidos".
En cuanto a la integración... Todo el proceso creativo tiene lugar en las etapas descritas en este artículo, especialmente en la recepción de datos de entrada y el muestreo de estos datos. Personalmente, utilizo mis propios indicadores para este fin. Y ahora voy a destacar un poco)))) - en esta fase de desarrollo de las redes neuronales, los hiperparámetros para analizar una serie temporal pura tienen poca importancia. Básicamente, las NS se "afinan" ahora para la robótica (en sentido amplio). Para la clasificación. Es decir, funcionan perfectamente con imágenes completas. Pero si entrenamos al NS en gatos y perros, y le mostramos sólo una oreja, entonces, exageradamente, podemos obtener la respuesta de que se trata de un pionero con gorra. Y, en nuestro negocio, sólo hay imágenes completas en el pasado, y en el presente no las hay..... Por eso es tan importante esta etapa de preparación para la formación NS. Y la integración. - es un proceso puramente técnico. Python lo simplifica enormemente y lo lleva al plano de la aplicación práctica en el comercio.
Después de ejecutar dos Scripts - PythonIndicators .mq5 , PythonPrices.mq5 se crean archivos .csv vacíos - ¿cuál podría ser la razón?
Gracias
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Aplicación práctica de las redes neuronales en el trading. Python (Parte I):
En este artículo, analizaremos paso a paso la implementación de un sistema comercial basado en la programación de redes neuronales profundas en Python. Para ello, usaremos la biblioteca de aprendizaje automático TensorFlow, desarrollada por Google. Para describir las redes neuronales, utilizaremos la biblioteca de Keras.
Veamos a analizar algunos puntos de la preparación para entrenar las redes neuronales.
Autor: Andrey Dibrov