NS + indicateurs. Expérimentation.

Nouveau commentaire
 
Tenter de prédire le High Low de la prochaine barre quotidienne, en utilisant des NS récurrents, par les valeurs des indicateurs standards.
Structure du réseau : full-link, récurrent, 3 couches. nombre de neurones sélectionnés par GA. trajectoire 50 cycles.

Entrée (valeurs normalisées) :
            ,iClose(Symbol(),Period(),i+1) - iMA(NULL,0,20,0,MODE_SMA,PRICE_MEDIAN,i+1)
            ,iClose(Symbol(),Period(),i+1) - iMA(NULL,0,10,0,MODE_SMA,PRICE_MEDIAN,i+1)
            ,iClose(Symbol(),Period(),i+1) - iMA(NULL,0,5,0,MODE_SMA,PRICE_MEDIAN,i+1)            
            ,iRSI(NULL,0,14,PRICE_MEDIAN,i+1)
            ,iATR(NULL,0,12,i+1)
            ,iWPR(NULL,0,14,i+1)
            ,iMACD(NULL,0,12,26,9,PRICE_MEDIAN,MODE_MAIN,i+1)
            ,iMACD(NULL,0,12,26,9,PRICE_MEDIAN,MODE_SIGNAL,i+1)
            ,iMACD(NULL,0,12,26,9,PRICE_MEDIAN,MODE_SIGNAL,i+1) - iMACD(NULL,0,12,26,9,PRICE_CLOSE,MODE_MAIN,i+1)
            ,iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_MAIN,i+1)
            ,iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_SIGNAL,i+1)
            ,iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_MAIN,i+1) - iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_SIGNAL,i+1)
            ,iADX(NULL,0,14,PRICE_MEDIAN,MODE_MAIN,i+1)
            ,iADX(NULL,0,14,PRICE_MEDIAN,MODE_PLUSDI,i+1)
            ,iADX(NULL,0,14,PRICE_MEDIAN,MODE_MINUSDI,i+1)
            ,iStdDev(NULL,0,10,0,MODE_EMA,PRICE_MEDIAN,i+1)
	    //www.atrlab.com
A la sortie, le tableau. est formé comme suit.
Si les maxima journaliers sont >15 pips de la clôture précédente, alors le premier élément du tableau = 1, les autres 0.
Si les maxima quotidiens sont >30 pips par rapport à la clôture de la journée précédente, alors le deuxième élément est égal à 1, les autres sont égaux à 0.
etc.

Exemples de sorties.

s1 s2 s3 s4 s5 s6 s7 r1 r2 r3 r4 r5 r6 r7
0 1 0 0 0 0 0 0 0 1 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 1 1 0
1 0 0 0 0 0 0 0 0 0 0 1 1 0
0 0 0 0 1 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 1 0 1 0 0 0 0 0 0

résultat. échantillon de test.



les valeurs près des lignes correspondent à l'activité du neurone responsable du niveau de soutien/résistance.
 
Tous les indicateurs sont des dérivés de prix. Ne serait-il pas plus simple d'alimenter uniquement le prix ? L'une des règles de préparation des données pour les NS consiste à réduire la dimensionnalité. Il faut donc la réduire en ramenant toutes les données au prix. Sinon, vous fournissez des données redondantes et interconnectées.
 
Je l'ai fait. J'ai juste lancé une procédure de changement de prix. Les résultats n'ont pas changé ma vision du marché.
 
njel:
Je l'ai fait. J'ai juste lancé une procédure de changement de prix. Les résultats n'ont pas changé ma vision du marché.


Pour calculer le pourcentage, vous avez besoin d'une valeur de référence (à partir de laquelle calculer le pourcentage). Pourriez-vous nous en dire plus sur votre vision du marché, si vous le voulez bien ?

 
Je n'en dirai pas plus, lisez simplement l'article : Réseaux neuronaux : comment surmonter les problèmes.
 
sur l'entrée était donné par 
         double c1 = MathLog (  iHigh(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
         double c2 = MathLog (  iLow(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
et le filet a été décalé dans le temps avec une trajectoire de 15 . mais la qualité de la prévision n'était pas heureuse.

2Alex-Bugalter

J'ai lu l'article. J'ai un réseau neuronal par exemple, mais il est modulaire, pouvez-vous suggérer quelque chose ?
 
njel:
l'entrée était 
         double c1 = MathLog (  iHigh(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
         double c2 = MathLog (  iLow(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
et le réseau a été temporisé avec une trajectoire de 15 . mais la qualité de la prévision n'était pas heureuse.

Lelogarithme naturel du rapport de ces deux nombres ? S'agit-il du pourcentage de variation du prix ?
 
Alex-Bugalter писал (а):
Je n'écrirai pas trop, lisez simplement l'article : Neural Networks : A Work in Progress ( Réseaux neuronaux : un travail en cours)
J'ai lu l'article, il fait plus de mal que de bien. C'est écrit de manière didactique et horrible, avec la manipulation de mots comme probabilité et profit. Beaucoup de mots intelligents pour faire croire que c'est solide.
 
Rosh:
Alex-Bugalter a écrit (a) :
Je n'écrirai pas trop, lisez simplement l'article : Neural Networks : A Work in Progress ( Réseaux neuronaux : un travail en cours )
Lisez l'article, il fait plus de mal que de bien. C'est écrit de manière didactique et affreuse, avec la manipulation de mots comme probabilité et profit. Beaucoup de mots intelligents pour faire croire que c'est solide.

Secondé. Ce n'est pas un article, c'est juste quelque chose sur lequel on peut se promener.
 
Prival:
njel:
a donné pour la contribution 
         double c1 = MathLog (  iHigh(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
         double c2 = MathLog (  iLow(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
et le filet a été décalé dans le temps avec une trajectoire de 15 . mais la qualité de la prévision n'était pas heureuse.

Le logarithme naturel du rapport de ces deux nombres ? S'agit-il du pourcentage de variation du prix ?
J'avais l'habitude de prendre 100% du prix en pourcentage, mais récemment j'ai vu de telles mesures des mouvements de prix. Et en ce moment, je réfléchis à la façon d'alimenter le prochain modèle NS.
 
Chers Rosh & SK, si vous savez si bien ce qui est bon et ce qui est mauvais, et où il vaut mieux marcher.
Peut-être pouvez-vous indiquer aux non-initiés ce que vous pensez être le mal et ce qui n'est pas vrai dans cet article ?
Tant de gens ont été induits en erreur, alors allez-y et montrez le bon chemin.
Ou vous êtes juste sorti pour une promenade ?
N'importe qui peut lancer des calomnies sans discernement.
Et dans cet article : "Réseaux neuronaux et analyse des séries temporelles", est-ce que ce sont des bêtises écrites aussi ?

P.s. : Et Rosh, pour moi personnellement, si ce n'est pas trop difficile, que vouliez-vous dire exactement par : "Écrit didactiquement affreux" ?
123456789101112
Nouveau commentaire
Raison: