Domanda sulla programmazione delle reti neurali - pagina 5
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Ok. Ma mi piacerebbe comunque sapere un po' di più sulla pratica: cosa alimentiamo all'ingresso, quale dimensione N deve essere impostata, ecc. A meno che, naturalmente, non sia un segreto :) Sono un idiota in questo settore, ma sono pronto a partecipare.
Ho esposto l'indicatore qui sopra. L'angolo di pendenza della regressione lineare è alimentato all'ingresso. Prova a eseguirlo su Eura 1 ora
Grazie, darò un'occhiata :)
Mi piacerebbe aggiungere un conto Z a questa cosa e sarebbe bello :)
Sì, è una cosa divertente. Grazie ancora, klot, ne ho avuto abbastanza per il fine settimana :)
E in generale, qualsiasi NS può essere facilmente programmato direttamente in MQL4. Puoi anche selezionare i pesi dei NS usando il GA di MT4 o il tuo. Il pessimismo è definito solo dalla mancanza di immaginazione e fantasia. In pratica, non ci sono limiti...
Il pessimismo è definito dalle limitazioni del tester della strategia, cioè se la gamma di valori di input è grande o il numero di questi stessi valori supera il limite, l'ottimizzatore si rifiuta di iniziare. Quindi ci sono dei limiti, dopo tutto.
Oggi ho finalmente completato la costruzione di una rete neurale scritta interamente in MQL4 con architettura 3:3:1 (tre neuroni all'ingresso, tre ingressi nascosti, un'uscita). Tutti i livelli sono configurati utilizzando il tester GA. Ma il problema è che per 1 strato avete bisogno di almeno 12 parametri di input, almeno con valori da -1 a 1 in passi di 1 (come Rosenblatt). Ma l'ottimizzatore non può gestirne così tanti. Mi sono dovuto liberare e semplificare il primo strato.
In contrasto con la maglia di qualcun altro, quella autocostruita è migliore in quanto può essere aggiornata. Per esempio, oltre a rendere il primo strato non standard, ho aggiunto la normalizzazione dinamica dei dati di input.
I segnali agli ingressi sono abbastanza primitivi:
Nonostante la primitività di cui sopra, la griglia si dimostra molto addestrabile, cioè i pesi e le soglie sono facilmente scelti in modo che i risultati dei test si dimostrino senza un solo errore (nessun fattore di profitto). Ma dopo un tale montaggio, il test in avanti inizia immediatamente a precipitare sullo spread. Ho dovuto armeggiare con la strategia di trading, in modo da non permettere alla griglia di adattarsi.
Ne è valsa la pena, anche se mi ha fatto rivoltare il cervello:
Questi sono i risultati del test. Da 1 a 273 scambi - ottimizzazione, ulteriore test in avanti.
Ed ecco il test in avanti:
Ecco i risultati del test in avanti:
La cosa più interessante è che anche dal grafico possiamo vedere che la sezione di ottimizzazione è peggiore di quella in avanti. Questo accade raramente. Anche se ho selezionato questo come il miglior attaccante tra molti altri, cioè altri attaccanti hanno risultati molto peggiori di quelli dell'ottimizzazione ma tuttavia hanno i migliori.
Il pessimismo è determinato dai limiti del tester di strategia, cioè se gli intervalli di valori di input sono grandi o il numero di questi stessi valori supera il limite, l'ottimizzatore si rifiuta di partire. Quindi ci sono dei limiti, dopo tutto.
Oggi ho finalmente completato la costruzione di una rete neurale scritta interamente in MQL4 con architettura 3:3:1 (tre neuroni all'ingresso, tre ingressi nascosti, un'uscita). Tutti i livelli sono configurati utilizzando il tester GA. Ma il problema è che per 1 strato avete bisogno di almeno 12 parametri di input, almeno con valori da -1 a 1 in passi di 1 (come Rosenblatt). Ma l'ottimizzatore non può gestirne così tanti. Mi sono dovuto liberare e semplificare il primo strato.
In contrasto con la maglia di qualcun altro, quella autocostruita è migliore in quanto può essere aggiornata. Per esempio, oltre a rendere il primo strato non standard, ho aggiunto la normalizzazione dinamica dei dati di input.
I segnali agli ingressi sono abbastanza primitivi:
Nonostante la primitività di cui sopra, la griglia si dimostra molto allenabile, cioè i pesi e le soglie sono facilmente scelti in modo che i risultati dei test si dimostrino senza un solo errore (nessun fattore di profitto). Ma dopo un tale montaggio, il test in avanti inizia immediatamente a precipitare sullo spread. Ho dovuto armeggiare con la strategia di trading, in modo da non permettere alla griglia di adattarsi.
Ne è valsa la pena, anche se mi ha fatto rivoltare il cervello:
Ho fatto una normale griglia di 256 ingressi, uno strato nascosto per 256 neuroni. E uno strato di uscita di un neurone. E ho allenato tutto perfettamente in MT4
C'era un'opzione con tre livelli nascosti, ma non erano necessari