NeuroExt
- Asesores Expertos
- Versión: 1.75
- Actualizado: 26 abril 2022
https://t.me/mql5_neuroExt versión actual
Señal https://www.mql5.com/ru/signals/1511461
Puede utilizar cualquier herramienta. Las bases se crearán automáticamente al inicio del Aprendizaje. Si necesitas empezar el aprendizaje desde 0 - simplemente borra los archivos base.
Depósito inicial - desde 200 ye. Opciones:
¡NO INTENTE PROBAR SIN EL ENTRENAMIENTO DE LA RED NEURONAL!
generar una base de entrenamiento es extremadamente simple.
hay un entrenamiento listo para USDCHF.
- OrderComm: en la orden, se completará con una indicación del modo de funcionamiento y la profundidad del análisis.
- TypeOfWork: Estudio \ Trabajo \ Mercado. "Estudio" - en este modo es necesario para lograr un horario con al menos un pequeño aumento. Sin agujeros. Este modo también se puede utilizar para el trabajo, pero sólo habrá 1 orden en el mercado a la vez. "Trabajo" - La base de datos se carga periódicamente. En caso de formación simultánea en el probador y el bombeo constante de una mejor formación. "Mercado" - sólo para la aceptación por el Mercado. Debe ser cambiado.- MYpercent: ...
- SL: si se pone = 0 en el modo Aprendizaje, se asignará automáticamente un valor de 40 a 110 y dará demasiadas operaciones, aprendizaje lento e imágenes distorsionadas. Cuando MaxOrders> 1 y el modo Run se fuerza a 5000. - StartTrail: No se utiliza en Modo Aprender. Óptimo = 0 (automático).
- Trail: ... = Neuro param - ThresholdH1: umbral para filtrar ruido en 1 capa oculta - ThresholdOut: umbral para rechazar imágenes inadecuadas. Cuando se enseña, se fuerza a 0. - Intervalo de comercio: comercio cada ... Se recomienda H1 para el entrenamiento. Luego, en Trabajo, se fija forzosamente a 1 minuto.
- Depth Analys: intervalo de barras para el análisis / instantánea de la imagen del precio. Se cargan las últimas 50 barras del TF seleccionado. Ejemplo: con TF M6 la instantánea => 50 * 6/60 = 5 horas. Un dibujo de esta longitud se procesa para su memorización. Un TF demasiado grande producirá tomas no repetidas. Demasiado pequeño producirá muchas imágenes muy similares. La base de datos está formada por este parámetro. Si elige un valor diferente, se creará la base y se requerirá un entrenamiento completo. Las bases de cada TF no se borran y una vez creadas, se pueden seguir entrenando y utilizando. Si desea volver a entrenar la red, estos ficheros deben ser borrados. La ubicación de los archivos se indicará en el registro cuando se inicie el EA. Aquí es donde deben estar las bases de datos adjuntas. Ejemplo: data_w1_6_USDCHF.csv, data_w2_6_USDCHF.csv. Estos archivos contienen "_6_" en el nombre y se incluirán cuando "Depth Analys" = M6.
= Learn mode
- LearnEpoch: parámetro para establecer el número de ejecuciones de optimización en el modo Learn. - speed: durante el entrenamiento inicial, se pueden realizar varios ciclos de entrenamiento (5-10) a una velocidad de 0,5-0,9. El siguiente a 0,2-0,5. Etc. Cuando aparezca en los registros una entrada de la forma w1 [XXX] [YYY] N.NNNNNN = ZZ.ZZZZZZZZZZ y se detenga la mejora del aprendizaje de una sección, ajuste la velocidad a 0,1 o menos.
= Modo dual
- MaxOrders: si el valor es> 1, se pondrá en marcha la estrategia de seguro. Después de todo, una red neuronal no garantiza una repetición del resultado entrenado después de una instantánea similar, pero asume la mayor probabilidad. En el modo Enseñar, se fuerza a = 1 porque el entrenamiento tiene lugar sobre los datos de sólo 1 orden que funciona simultáneamente. - Multiplicar: factor de incremento de volumen. Óptimo 2.
- Distancia: distancia entre órdenes de la misma dirección. Aumenta con cada nueva orden del mismo sentido.
- StepProf: otro sistema adicional, pero no menos importante. Cierre de todas las órdenes cuando se alcanza la ganancia de equilibrio por ... El valor objetivo de activación se indica en el comentario del gráfico como "Siguiente"
= Otros
- Pass: tecla para eliminar restricciones.
El precio es negociable.
Its already 2024, I don't know why no one is using this. or giving a review. everyhting looks good on testing and Demo. in a few weeks I will put this to work on a Live account. Would like to Thank the Author for this free EA, it works really good, especially for a small Cap player like me. p.s. proper training of the bot gives a good yield. Hope we can have an update soon from the author, but as is. this is really promising. Thank you!