SOMFX1Predictor
- Indicadores
-
Stanislav Korotky
Trading is just my hobby. I'm working in IT industry. So developement of experts, indicators, and script is not a problem at all to me. Wide range of technologies are used: MQL4, MQL5, system and applied programming, web-services, neural networks and more.
New: - Versión: 1.3
- Actualizado: 20 noviembre 2021
- Activaciones: 5
Si le gusta operar según patrones de velas y desea reforzar este enfoque con tecnologías modernas, este indicador y otras herramientas relacionadas son para usted. De hecho, este indicador es una parte de una caja de herramientas, que incluye un motor de red neuronal que implementa el Mapa Auto-Organizado (SOM) para el reconocimiento de patrones de velas, predicción, y le proporciona una opción para explorar los datos de entrada y resultantes. La caja de herramientas contiene:
- SOMFX1Builder - un script para entrenar redes neuronales; construye un archivo con datos generalizados sobre las figuras de precios más características que pueden utilizarse para la predicción de las siguientes barras, ya sea en una subventana incorporada (véase SOMFX1 más abajo), o directamente en el gráfico (véase SOMFX1Predictor más abajo);
- SOMFX1 - el indicador para la predicción de patrones de precios y el análisis visual de una red neuronal entrenada, los datos de entrada y los resultantes (en una subventana independiente);
- SOMFX1Predictor - este indicador para la predicción de patrones de precios sólo en la ventana principal;
En resumen, todo el proceso de análisis de precios, entrenamiento de la red, reconocimiento de patrones y predicción supone los siguientes pasos:
- Construir una red neuronal mediante SOMFX1Builder;
- Analice el rendimiento de la red neuronal resultante mediante SOMFX1; si no está satisfecho, repita el paso 1 con nuevos ajustes; puede omitir este paso si lo desea;
- Utilice la red neuronal final para la predicción de patrones de precios mediante SOMFX1Predictor.
Encontrará información detallada sobre los pasos 1 y 2 (entrenamiento de la red y análisis visual de los datos) en las páginas web de las herramientas correspondientes: SOMFX1Builder y SOMFX1. Este documento cubre el uso de SOMFX1Predictor.
Cómo funciona
Este indicador es la parte más simple de la caja de herramientas de redes neuronales. Toma un archivo con una red entrenada y te muestra la predicción de la red en el gráfico. Se trata de una línea roja que puede ser parcialmente gruesa y parcialmente fina. Los fragmentos gruesos denotan barras en las que la red tiene más confianza en su predicción que en los fragmentos finos. La predicción comienza en la línea vertical punteada en amarillo denominada "DelPasadoAlFuturo". Puede arrastrar la línea a una posición arbitraria, y el indicador leerá la muestra actual en esta posición, y ejecutará SOM contra esta muestra, por lo que verá una nueva predicción. La muestra de precio actual es un fragmento de deltas de precio tomados de las barras PatternSize a la izquierda de la línea "FromPastToFuture". Cuando abre el indicador por primera vez, la línea se coloca en la barra LearnStop. Si mueve la línea a la barra 0-th, el indicador mantendrá automáticamente la línea en las nuevas barras 0-th que aparezcan en el futuro, es decir, la línea se ceñirá a la última barra.
Tenga en cuenta que la predicción comienza en la barra actual, es decir, la barra actual también se predice. Esto se hace porque la barra actual suele estar inacabada y requiere predicción también. Además, si pudiéramos tener en cuenta la barra inacabada, la predicción sería inconsistente (inestable durante la vida de la barra actual). Debido al hecho de que la barra actual se predice, la línea roja con la predicción comienza 1 barra a la izquierda de la línea vertical "FromPastToFuture" - muestra cómo el precio debe cambiar en la barra actual.
El indicador puede mostrar opcionalmente la propia red neuronal, cuando ShowMap es true. En este caso el indicador muestra 2 mapas cuadrados en el gráfico principal.
El cuadrado de la izquierda denota la actividad actual de cada neurona: las neuronas con alta excitación se muestran en rojo, y las neuronas con alta inhibición se muestran en azul. En otras palabras, cuanto más roja es la célula en el mapa, mejor se ajusta a la muestra de precios actual.
El segundo mapa cuadrado de la derecha muestra la "densidad de población" de cada unidad, es decir, su color denota el número de muestras ocurridas en los datos de entrenamiento, que se asignan a la celda correspondiente y forman el patrón de precios correspondiente. De nuevo, el color rojo indica una población relativamente alta, y el azul, relativamente baja. Las celdas grises no tienen muestras correspondientes en los datos de entrenamiento.
Parámetros
- LearnStart - número de una barra en la historia, o una fecha y hora exacta de la barra (en el formato "YYYY.MM.DD HH:MM"), donde comenzaron los datos de entrenamiento; este parámetro es una cadena, que permite introducir un número o una fecha; este parámetro se utiliza aquí no para el entrenamiento sino para construir muestras de precios reales (correspondientes a la red), lo cual es importante si el parámetro UseAverage es verdadero (ver más abajo), así como para la visualización de la "población" del mapa; valor por defecto - 5001; si introduce un nombre de archivo generado automáticamente en el parámetro NetFileName (ver más abajo), el indicador analiza el nombre y anula este parámetro por un valor del nombre; en otras palabras, este parámetro no tiene efecto cuando se especifica un nombre de archivo generado automáticamente en el parámetro NetFileName.
- LearnStop - número de una barra en la historia, o una fecha y hora exacta de la barra (en el formato "YYYY.MM.DD HH:MM"), donde terminaron los datos de entrenamiento; este parámetro también es una cadena; valor por defecto - 1; este parámetro se utiliza aquí no para el entrenamiento, sino para la construcción de muestras de precios reales (correspondientes a la red), lo cual es importante si el parámetro UseAverage es verdadero, y para la visualización de la "población" del mapa; este parámetro no tiene efecto cuando se especifica un nombre de archivo generado automáticamente en el parámetro NetFileName;
- PatternSize - número de barras en un único patrón; valor por defecto - 5; este parámetro no tiene efecto cuando se especifica un nombre de archivo generado automáticamente en el parámetro NetFileName;
- GridSize - dimensiones del mapa; es un número de celdas/unidades en los ejes X e Y; valores permitidos: 3 - 50; valor por defecto - 7; este parámetro no tiene efecto cuando se especifica un nombre de archivo generado automáticamente en el parámetro NetFileName;
- PredictionBars - número de barras a predecir; valor por defecto - 10; por favor, tenga en cuenta que cada barra siguiente se predice con menos precisión que la anterior, porque los errores inevitables en cada barra se acumulan;
- UseAverage - este es un interruptor de modo especial; cuando está desactivado (falso, valor por defecto) las predicciones se realizan utilizando los pesos de las neuronas ganadoras, es decir, son producto del mapa; cuando está activado (verdadero), las predicciones se basan en los valores medios de todas las muestras de precios asignadas a la neurona ganadora; esto requiere no sólo el mapa, sino los datos de entrenamiento tal y como se utilizaron para el entrenamiento de la red, por lo que es importante especificar la fecha y hora exactas en las que se ha realizado el muestreo durante el entrenamiento; puede "jugar" con este parámetro para obtener mejores resultados: el uso de vectores de peso es el enfoque convencional, pero el uso de promedios añade más conocimiento de los datos;
- PriceType - tipo de precio a utilizar para el muestreo; valor por defecto - close; este parámetro no tiene efecto cuando se especifica un nombre de archivo generado automáticamente en el parámetro NetFileName;
- AddInvertedPrice - activar/desactivar un modo, cuando los movimientos de precios invertidos se añaden a las muestras; por defecto - true;
- NetFileName - nombre de archivo de la red neuronal entrenada generada por el script SOMFX1Builder; si el nombre se generó automáticamente, incluye varios componentes necesarios para restaurar la mayoría de los parámetros mencionados anteriormente, por lo que el usuario puede rellenar sólo este parámetro; la estructura del nombre de archivo es la siguiente: SOM-V-D-SYMBOL-TF-YYYYMMDDHHMM-YYYMMDDHHMM-P.candlemap, donde V - PatternSize, D - GridSize, SYMBOL - símbolo de trabajo actual, TF - timeframe actual, YYYYMMDDHHMM - LearnStart y LearnStop respectivamente; P - PriceType;
- CellSize - tamaño de una sola unidad visualizada en el gráfico (si ShowMap es true); valor por defecto - 20, que está bien para mapas con dimensiones de hasta 10; para un mapa más grande elija un tamaño de celda más pequeño, o de lo contrario las dos vistas del mapa se superpondrán;
- PrintData - activar/desactivar el registro de depuración; por defecto - false;
- ShowMap - opción para visualizar el mapa en el gráfico de la misma forma que lo hace el indicador SOMFX1; por defecto - false;
Si alguno de los parámetros es incorrecto, el indicador imprime un mensaje de error en el registro. Por ejemplo, puede cargar un mapa sólo en un gráfico con el mismo símbolo y marco temporal que se utilizó durante el entrenamiento.
El usuario no ha dejado ningún comentario para su valoración