Neyron New Generation

Robot profesional, que aplica la estrategia de negociación utilizando redes neuronales. Utiliza redes multicapa totalmente conectadas MLP (perceptrón multicapa).

La capacidad de aprender es la principal característica del cerebro. Las redes neuronales artificiales para el aprendizaje se refiere al proceso de configuración de la arquitectura de la red (estructura de las conexiones entre las neuronas) y el peso sináptica (que afecta a los coeficientes de las señales) para la solución eficiente del problema. Normalmente, el entrenamiento de la red neuronal se realiza sobre una muestra (datos históricos). A medida que el proceso de aprendizaje que se produce en algún algoritmo (utilizado para la optimización de la formación algoritmo genético), la red debe ser cada vez mejor en la respuesta a las señales de entrada.

Sólo queda comprobar hasta qué punto los parámetros optimizados permiten predecir el futuro. Para ello se aplica una comprobación por fases de los resultados. En los comentarios se ofrece un ejemplo junto con los ajustes de optimización.

Los indicadores RSI se analizan al principio de la barra actual. Los resultados de 10 barras de cada indicador caen en la entrada de la red neuronal. Los factores de ponderación se forman por separado para compras y ventas. La red se entrena con los datos de los indicadores y, dependiendo del nivel de señal en la salida de la red neuronal, puede haber 4 equipos (en TypeDual = true): abrir / cerrar una orden de compra, abrir / cerrar una orden de venta. Y dependiendo de ello el robot abrirá una orden de COMPRA o VENTA y mantendrá la operación hasta que se reciba la señal de cierre de la red. También hay un modo de red neuronal con dos salidas (cuando TypeDual = false): la primera - la entrada de compra con salida automática del mercado, la segunda - la entrada de venta con salida automática de compra.

Experto maneja correctamente los errores y funciona de forma fiable con un capital a partir de 100 USD. Experto utiliza los conceptos básicos: breakeven, trailing stop, stop loss y take profit, así como el cierre en la señal contraria, el cierre de la señal y el cálculo correcto del riesgo.

Parámetros principales:

• WorkOpenLong - Permite abrir una posición larga.
• WorkOpenShort - Permite abrir una posición corta.
• WorkCloseLong - Permite cerrar posiciones largas.
• WorkCloseShort - Permite cerrar una posición corta.
• WorkCloseReversLong - Permite cerrar una posición larga al abrir una corta.
• WorkCloseReversShort - Permite cerrar una posición corta al abrir una larga.
• SignalBar - La barra de señal principal.
• PeriodSignal - Periodo en el que se activan los indicadores y, por tanto, la red neuronal.
• TypeDual - Cambia el modo de la red neuronal con 2 o 4 salidas.
• LevelInLong - Umbral de entrada de la red neuronal para una posición larga.
• LevelOutLong - Umbral de salida de la red neuronal para una posición larga.
• LevelInShort - Umbral de entrada de la red neuronal para una posición corta.
• LevelOutShort - Umbral de salida de la red neuronal para una posición corta.

Los siguientes campos se refieren al indicador RSI, por analogía, todos los indicadores posteriores:

• EnabledRSI - Activación del indicador.
• k1_RSI_long - Factor de influencia del indicador en la señal total para una posición larga.
• k1_RSI_short - Factor de influencia del indicador en la señal total para una posición corta.
• Period1_RSI - Periodo del indicador.
• Layer_1AL - Campo 1 para ajustar la red neuronal para una posición larga.
• Layer_1BL - Campo 2 para ajustar la red neuronal para una posición larga.
• Layer_1AS - Campo 1 para ajustar la red neuronal para una posición corta.
• Layer_1BS - Campo 2 para ajustar la red neuronal para una posición corta.