Uso de la inteligencia artificial en MTS - página 23
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Tienes que escribir un script o establecer diferentes colores de flechas para diferentes MagicNumbers en el propio código.
Es una gran idea, gracias a lo de "establecer diferentes colores de flechas para diferentes MagicNumbers en el código".
Pero sobre el guión:
¿Te refieres a cambiar el color de las flechas o a que el script sea capaz de eliminar las órdenes "extra"?
Pero sobre el guión:
¿se refiere a cambiar el color de las flechas, o el script podrá eliminar las órdenes "extra"?
Es como tu corazón desea. :) Un ejemplo de cómo procesar las flechas se da aquí http://www.alpari-idc.ru/ru/articles_mql4/25.html
Tendrá que comprobar el descriptor - el probador escribe MagicNumber en él.
¿Y el guión?
¿se refiere a cambiar el color de las flechas, o el script podrá eliminar las órdenes "extra"?
Depende de la voluntad de tu corazón. :) Un ejemplo de cómo procesar las flechas se da aquí http://www.alpari-idc.ru/ru/articles_mql4/25.html
Tendrá que comprobar el descriptor - el probador escribe MagicNumber en él.
DE ACUERDO.
Y, en general, la "diversificación espectral" no es algo tan sencillo.
Tomé sólo 2 parámetros (dos indicadores) como mínimo para empezar.
Con 2 buenos valores de extremos locales de cada uno.
Utilizo arrays en lugar de valores de parámetros.
Un total de 4 MagicNumber (4 veces en el bucle start())
El tamaño del lote se divide por 4 - es decir, 4 Asesores Expertos a la vez (4 veces más operaciones).
Compartiré mis resultados.
Equivale a suavizar la CA mediante un filtro de cifrado con algunas características. Los coeficientes de suavización no están equilibrados, lo que equivale a un ladrillo en el botón de compra. El ladrillo (+ por ejemplo, estocástico) funciona muy bien por sí mismo, si sólo se sabe cuándo comprarlo y cuándo venderlo. Además, teniendo en cuenta que AC puede bajar 2 veces durante 21 bares y la presencia de 4 parámetros optimizables......))))
Pero para mí arroja luz sobre cómo funcionan las redes neuronales y por qué no son tan eficientes como nos gustaría.
Solía tener un pasatiempo en el comienzo del período creativo - para escribir EAs para trabajar en m1 basado en los resultados de la semana pasada (7200 bares, en comparación con 66000) - tanto como 300 por ciento por semana se mostraron en el tester.....
Me pregunto cuántos armónicos hay que descomponer el precio en una serie de Fourier para obtener un grial tras la optimización.
En cuanto al oscilador AC, el Asesor Experto no sólo mira su último valor (las decisiones basadas en los últimos valores son las más utilizadas en el análisis técnico), sino que estudia el historial, es decir, cuáles fueron otros 3 valores del indicador en el pasado. Se interesa por el comportamiento del oscilador para la toma de decisiones. Este mismo comportamiento llega a la entrada de la red neuronal. Y en la salida obtenemos Comprar o Vender.
Otra novedad no es el entrenamiento estándar de la red neuronal, sino la selección de pesos sobre datos históricos mediante el algoritmo genético. He probado ambas variantes. La genética da un resultado ligeramente peor y más lento en el tiempo. Pero no hay un algoritmo neuronal incorporado y el aprendizaje en MT4. Pero hay una optimización basada en la genética. Y algunos investigadores en este campo se dieron cuenta de que el aprendizaje dinámico no es muy adecuado si la situación cambia drásticamente. Si los alcistas prevalecen en el mercado, el sistema se reajustará a la tendencia alcista y se olvidará de la tendencia bajista, y viceversa. Samuel A. L. 1959, "Some studies in machine learning using the game of checkers" (IBM J. Research and Devepopmend 3: 210 - 229), encontró y describió por primera vez esta monstruosidad. Observó que si su programa contaba con un oponente profesional, pasaba gradualmente a un juego de nivel profesional. Pero si el oponente era un principiante, entonces el programa "olvidaba" el nivel anterior y empezaba a pasar al juego primitivo. Por lo tanto, probablemente no tenga sentido enseñar dinámicamente a la neurona sobre sus propios errores y pérdidas. Es más fácil pasar por la historia, para desarrollar una estrategia de trading adecuada al mercado.
En cuanto a los griales, no hay que ser muy inteligente. Sólo tiene que cumplir una serie de condiciones:
1. El sistema debe abrir posiciones sin stoplosses, o con stoplosses a una distancia muy grande, para que la probabilidad de su funcionamiento sea cercana a 0.
2. Un potente filtro basado en varios indicadores con condiciones de activación separadas por un AND lógico (&&). Y para tirar de un montón de parámetros de entrada de estos mismos indicadores en la configuración externa de MTS, por lo que sólo unas pocas posiciones se abrieron durante varios años de datos históricos en las pruebas.
3. A todo esto hay que añadir la gestión del capital y del riesgo con una fracción elevada
Pienso utilizar NS no para predecir, extrapolar o interpolar, sino sólo para buscar patrones.
Me interesa específicamente la tecnología de la formación, por ejemplo.
Por ejemplo, con un entrenador - supongamos que damos conjuntos de señales para cada barra en la historia como una secuencia de entrenamiento, y la salida esperada de TC es -1/0/1 (vender/0/comprar).
Y qué, ¿para cada barra debemos preestablecer manualmente las señales? ¿Cómo evitarlo?
¿Y cómo aplicar la formación sin un profesor en este caso? ¿Cómo obtener el resultado de las operaciones en todo el historial y lograr el máximo beneficio?
¿Qué metodología se utiliza para ello?
¿Alguien tiene algún enlace interesante sobre la aplicación del NS en el comercio? Ya existe una gran biblioteca de teoría NS.
Pienso utilizar NS no para predecir, extrapolar o interpolar, sino sólo para buscar patrones.
Me interesa específicamente la tecnología de la formación, por ejemplo.
Por ejemplo, con un entrenador - supongamos que damos conjuntos de señales para cada barra en la historia como una secuencia de entrenamiento, y la salida esperada de TC es -1/0/1 (vender/0/comprar).
Y qué, ¿para cada barra debemos preestablecer manualmente las señales? ¿Cómo evitarlo?
¿Y cómo aplicar la formación sin un profesor en este caso? ¿Cómo obtener el resultado de la operación en todo el historial y lograr el máximo beneficio?
¿Qué métodos se utilizan para ello?
Para el reconocimiento de patrones intente utilizar el mapa de kohonen. Pero primero debes normalizar los datos o simplemente codificarlos.
...
Por ejemplo, con un maestro - supongamos que damos conjuntos de señales para cada barra en el historial como una secuencia de entrenamiento, y la salida esperada de NS: -1/0/1 (vender/0/comprar).
¿Y qué, para cada barra, debemos preajustar manualmente las señales? ¿Cómo evitarlo?
...
Sí, las tarjetas Kohonen son buenas, lo más importante aquí, en mi opinión, es codificar los patrones correctamente antes de introducirlos en las entradas de la red.
Ha surgido una pregunta. ¿No tiene nadie un criterio para determinar si la red de cohones está entrenada o no?
Si durante N iteraciones los ejemplos ya no se dividen en clases y la migración de patrones se ha detenido, entonces podemos decir que el aprendizaje está completo.