Discusión sobre el artículo "Experimentos con redes neuronales (Parte 6): El perceptrón como herramienta autosuficiente de predicción de precios"
Hola Roman,
Dos artículos estupendos. Acabo de leer ambos por primera vez.
Como aún no he estudiado el código, me interesa saber si el objeto CNeuralNet es una reformulación de tus cálculos anteriores de Perceptron. Parece muy interesante, ya que los enfoques iniciales de ángulo y abanico fallan estrepitosamente en mis pruebas a futuro. Estoy usando EURUSD H4 del 1/1/2020 al 1/1/0203 como mi entrenamiento y usando del 1/1/2023 al 5/1/2023 como mis pruebas a futuro.El ángulo falla ya que hay tendencias extendidas con pausas que lo activan pero no se invierten y se detienen y quiebran la cuenta con la primera caída alrededor de 1/2/2023 mientras que sus pruebas siguen esta caída perfectamente. El enfoque del ventilador no toma ninguna operación en la prueba hacia adelante.
Manténgase a salvoI ', Estoy a la espera de sus próximos artículos.
CapeCoddah
P.D.
Acabo de ver sus dos archivos de origen y tengo algunas preguntas.
Parece que hay partes que faltan sobre la base de los códigos fuente de sus artículos anteriores Perceptron.
El EA proporcionado parece ser su EA de Optimización. Sin embargo, no utiliza el objeto CNeuralNet que esperaba ver.
La prueba hacia adelante EA falta como el EA adjunto no utiliza los resultados de la optimización GA ejecutar como entrada para la matriz de pesos, por ejemplo, la matriz EURUSD.
¿O me he perdido un cambio lógico en su filosofía Perceptron?
Hola Roman,
Dos artículos estupendos. Acabo de leer ambos por primera vez.
Como aún no he estudiado el código, me interesa saber si el objeto CNeuralNet es una reformulación de tus cálculos anteriores de Perceptron. Parece muy interesante, ya que los enfoques iniciales de ángulo y abanico fallan estrepitosamente en mis pruebas de avance. Estoy utilizando EURUSD H4 del 1/1/2020 al 1/1/0203 como mi entrenamiento y utilizando del 1/1/2023 al 5/1/2023 como mis pruebas de avance.El ángulo falla ya que hay tendencias extendidas con pausas que lo activan pero no se invierten y se detienen y quiebran la cuenta con la primera caída alrededor del 1/2/2023 mientras que sus pruebas siguen esta caída perfectamente. El enfoque de abanico no toma ninguna operación en la prueba hacia adelante.
Manténgase a salvoI ', Estoy mirando adelante a sus próximos artículos.
CapeCoddah
P.D.
Acabo de ver tus dos archivos fuente y tengo algunas preguntas.
Parece que hay partes que faltan sobre la base de los códigos fuente de sus artículos anteriores Perceptron.
El EA proporcionado parece ser su EA de Optimización. Sin embargo, no utiliza el objeto CNeuralNet que yo esperaba ver.
La prueba hacia adelante EA falta como el EA Adjunto no utiliza los resultados de la optimización GA ejecutar como entrada para la matriz de pesos, por ejemplo, la matriz EURUSD.
¿O me he perdido un cambio lógico en su filosofía Perceptron?
Hola amigo. No te entiendo bien, así que te pido que expreses tus pensamientos gradualmente. La optimización depende de la profundidad de influencia del perceptrón utilizado en la configuración. Cada par tiene sus propias conclusiones. También depende del número de pases, ya que su valor es infinito.
Hola Roman,
Agradezco la rapidez de la respuesta. Creo entender la optimización GA en el sentido de que los resultados pueden variar de una ejecución a otra utilizando marcos temporales idénticos, y que los resultados serán diferentes dependiendo de la fecha de inicio, la duración de la prueba y para cada par. Lo que no esperaba es que cuando una ejecución de entrenamiento de 3 años produzca un beneficio del 50%, que el EA falle en 5 días perdiendo toda la posición inicial o no tome ninguna operación durante la ejecución real.
Mi objetivo final es desarrollar un EA Perceptrón de swing trading que se entrene para una duración fija y se ejecute durante sólo un mes después de la última fecha del período de entrenamiento. A continuación, se volvería a entrenar para la misma duración, pero el período de arranque sería un mes más tarde, seguido de la ejecución durante el segundo mes para los datos reales, como un SMA rodante. Mi base para esto es mi suposición de que el mercado Forex cambia gradualmente de dirección y que cualquier Red "entrenada" será más precisa en los primeros meses después del entrenamiento y luego perderá gradualmente precisión a medida que las condiciones del mercado continúen cambiando. También entiendo que puede haber cambios seminales en el mercado que tendrán un impacto directo en la precisión de cualquier Red "entrenada". Este tipo de cambio tendrá un impacto significativo en todos los cambios futuros.
Es mi observación que el Perceptrón Angular es bastante bueno en detectar el comienzo de reversiones antes de que sucedan. Desafortunadamente, también es bueno en detectar pausas en las tendencias y emitir una operación en anticipación de la reversión que en este caso no sucede.Creo que parte del problema es que el bucle 100 Perceptron requiere un ajuste adaptativo para reducir el número total de operaciones en función del saldo de la cuenta.
Mis problemas inmediatos son de la Posdata a mi comentario original.
En sus mensajes anteriores, usted publicó una EA para la optimización (opt) y una segunda EA para la prueba de comercio (comercio). En este post, sólo hay uno: EA Perceptron_MA_4. Es mi sensación de que esta EA se puede utilizar para ejecutar optimizaciones GA directamente correspondientes a sus versiones anteriores OPT. Pero, no hay ninguna versión de comercio incluido para las pruebas a futuro. Si esto es intencional, puedo adaptar esta EA para cargar los resultados GA para producir una EA para las pruebas a futuro.
Además del EA, usted publicó un objeto de clase, NeualNet como un archivo de inclusión, que no he revisado. Lo que me sorprendió fue que el EA Perceptron_MA_4 no utiliza este archivo de inclusión. Lo que yo esperaba era que hubiera una versión optimizadora del EA que incluyera la clase CNeuralNet y que también utilizara una de las técnicas de Normalización de su publicación de la Parte 5. Y además, habría una versión separada del EA para pruebas futuras. Creo que la creación de los objetos de clase una muy buena dirección a tomar. Como un objeto, se hace muy fácil de usar múltiples diferentes Perceptrons al mismo tiempo en un EA, por ejemplo, para las operaciones, detener la pérdida o tomar los ajustes de beneficios o, posiblemente, incluso para crear una estrategia de negociación de adaptación utilizando estrategias alternativas para la tendencia del mercado plano. Cualquier sí, sé que varios objetos serán cerdos de procesamiento para la formación.
Hola. Usted tiene la dirección correcta. Si necesitas ayuda con alguna tarea específica, escríbeme y trataré de ayudarte, sólo escríbeme en privado.
Artículo publicado Experimentos con redes neuronales (Parte 6): El perceptrón como herramienta autosuficiente de predicción de precios:
Autor: Roman Poshtar
- 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 Experimentos con redes neuronales (Parte 6): El perceptrón como herramienta autosuficiente de predicción de precios:
Ejemplo de utilización de un perceptrón como herramienta autónoma de predicción de precios. En el artículo exploraremos los conceptos generales y veremos un sencillo asesor experto ya preparado, así como los resultados de su optimización.
Los indicadores son fórmulas matemáticas que se usan para analizar el mercado y ayudan a identificar tendencias y puntos de entrada y salida, así como niveles de apoyo y resistencia. Algunos de los indicadores más habituales que pueden utilizarse en el perceptrón para analizar el mercado de divisas son:
La transmisión del precio de cierre y los indicadores al perceptrón permite al modelo incorporar distintos aspectos del análisis del mercado y crear previsiones de precio más precisas. Por ejemplo, un modelo podría usar una media móvil para determinar la tendencia general del mercado y, a continuación, utilizar un oscilador estocástico para determinar el punto de entrada en el mercado.
Autor: Roman Poshtar