Croce autoaddestrata MA! - pagina 8

[Sergey Golubev]

Forum sul trading, sistemi di trading automatico e strategie di trading di prova

Algoritmo di Levenberg-Marquardt

Sergey Golubev, 2017.09.19 10:08

È stato pubblicato un nuovo articolo -

Reti neurali profonde (parte II). Elaborazione e selezione dei predittori

Contenuto

• Introduzione
• 1. Creazione di caratteristiche
• 1.1. Trasformazione delle caratteristiche
• 1.1.1. Trasformazione
• 1.1.2. Normalizzazione
• 1.1.3. Discretizzazione
• 1.2. Creazione di nuove caratteristiche
• 2. Scelta dei predittori
• 2.1. Valutazione visiva
• 2.2. Valutazione analitica
• 2.3. Rete neurale
• Conclusione
• Applicazione

[Sergey Golubev]

Forum sul trading, sistemi di trading automatico e test di strategie di trading

...

Sergey Golubev, 2009.10.09 08:43

Rete Neurale

Rete Neurale: thread di discussione/sviluppo

1. Migliorethread di sviluppo di NN EA con indicatori, file pdf e così via.
2. Migliorethread finale di NN EA
3. Portare le RETI NEURALI al livello successivo -thread molto interessante
4. Reti Neuralithread(buona discussione pubblica)
5. Come costruire un NN-EA in MT4:thread utile per gli sviluppatori.
6. Radial Basis Network (RBN) - come filtro adatto per il prezzo:il thread

Rete neurale: Indicatori e sviluppo di sistemi

1. Self-trained MA cross:thread di sviluppo per la nuova generazione di indicatori
2. Algoritmo di Levenberg-Marquardt:thread di sviluppo

Rete Neurale: EAs

1. CyberiaTrader EA:thread di discussione ethread degli EA.
2. Thread degli esperti di autoapprendimento con i file degli EAsqui.
3. Threads sugli EAs di intelligenza artificiale: come "insegnare" e usare l'AI ("neurone") EAthread e thread sull'intelligenza artificiale
4. Forex_NN_Expert EA efilo di indicatori.
5. SpiNNaker - Unthread EA a rete neurale.

Rete Neurale: I Libri

1. Cosa leggere e dove imparare sul Machine Learning(10 libri gratuiti) - il post.

L'articolo

• Reti ne urali rese facili - MT5
  
• Reti neurali rese facili (parte 2): Formazione e test della rete - MT5
• Reti neurali rese facili (Parte 3): Reti convoluzionali - MT5
  
• Reti neurali facili (Parte 4): Reti ricorrenti - MT5
• Reti neurali semplificate (Parte 5): Calcoli multithreaded in OpenCL - MT5
• Reti neurali facili (Parte 6): Sperimentare con il tasso di apprendimento delle reti neurali - MT5
• Reti neurali semplificate (Parte 7): Metodi di ottimizzazione adattivi - MT5
• Reti neurali facili (Parte 8): Meccanismi di attenzione - MT5
• Reti neurali semplificate (Parte 9): Documentare il lavoro - MT5
  
• Reti neurali semplificate (Parte 10): Attenzione a più teste - MT5
• Reti neurali semplificate (Parte 11): Un approccio al GPT - MT5
• Reti neurali semplificate (Parte 12): Dropout - MT5
• Reti neurali semplificate (Parte 13): Normalizzazione dei lotti - MT5
  
• Sviluppare un algoritmo auto-adattivo (Parte I): Trovare un modello di base- MT5
  
• Sviluppare un algoritmo auto-adattivo (Parte II): Migliorare l'efficienza- MT5
  
• Algoritmo di auto-adattamento (Parte III): Abbandonare l'ottimizzazione - MT5
  
• Rete neurale profonda con Stacked RBM. Autoformazione, autocontrollo- MT4
• Applicazione pratica delle reti neurali nel trading - MT5
  
• Applicazione pratica delle reti neurali nel trading. Python (Parte I) - MT5
  
• Applicazione pratica delle reti neurali nel trading (Parte 2). Visione artificiale - MT5
  
• Collegare i neuroni di NeuroSolutions- MT5
• Utilizzo delle reti neurali in MetaTrader- MT4
• Previsione dei prezzi utilizzando le reti neurali- MT4
• Ricette per Neuronetti- MT4
• Reti neurali di terza generazione: Reti profonde- MT5
• Reti neurali economiche e allegre - Collegare NeuroPro con MetaTrader 5- MT5
• Creazione di EA a rete neurale utilizzando MQL5 Wizard e Hlaiman EA Generator- MT5
• Rete neurale: Consulente esperto auto-ottimizzante- MT5
• Reti neurali: Dalla teoria alla pratica- MT5
• Utilizzo degli indicatori MetaTrader 5 con la struttura di apprendimento automatico ENCOG per la previsione delle serie temporali- MT5
• Usare le mappe caratteristiche auto-organizzanti (mappe di Kohonen) in MetaTrader 5- MT5
• Reti Neurali Profonde (Parte I). Preparazione dei dati- MT5

• Reti Neurali Profonde (Parte II). Elaborazione e selezione dei predittori- MT5

CodeBase

• Predittore del prezzo successivo utilizzando la rete neurale- indicatore per MetaTrader 4
• Easy Neural Network - libreria per MetaTrader 5
  
• ALGLIB - Libreria di analisi numerica- libreria per MetaTrader 4
• Rete neurale MTS più MACD- esperto per MetaTrader 4
• ArtificialIntelligence_Right- esperto per MetaTrader 4
• NeuroNirvamanEA- esperto per MetaTrader 4
• Crea facilmente il tuo predittore di rete neurale (esempio: predittori MA e RSI)- indicatore per MetaTrader 4
• Sistema di trading automatico "Сombo"- esperto per MetaTrader 4
• Rete neurale MTC più MACD- esperto per MetaTrader 5
• Calcolo della larghezza delle bande di Bollinger con la rete neurale- esperto per MetaTrader 5
• Classe rete neurale PNN- libreria per MetaTrader 5
• Classe di rete neuraleGRNN- libreria per MetaTrader 5
• Classe rete neuraleRBF- libreria per MetaTrader 5
• Classerete neurale MLP- biblioteca per MetaTrader 5
• Intelligenza artificiale- esperto per MetaTrader 5

[Karvin]

Questo è molto interessante, vorrei contribuire ma non vedo dove siamo ora. Hai ottenuto qualche risultato?

se si desidera un EA auto-apprendimento abbiamo bisogno di reti neurali o approccio simile, un modo sintetico per ottenere smthg è post-maintein l'EA e ottimizzarlo con un modo di rotolamento.

Saluti

[Sergey Golubev]

Forum sul trading, sistemi di trading automatico e strategie di trading di prova

Come iniziare con MetaTrader e forex, l'inizio

Sergey Golubev, 2021.02.08 16:30

Sviluppare un algoritmo auto-adattivo (Parte I): Trovare un modello di base

Qualsiasi algoritmo di trading è generalmente uno strumento che può portare profitto a un trader esperto o distruggere istantaneamente il deposito di uno inesperto. Il problema della creazione di un algoritmo redditizio e affidabile è che non riusciamo a capire cosa bisogna fare per guadagnare e quali sono i metodi utilizzati dai "trader di successo". Mentre l'HFT, l'arbitraggio, le strategie di opzioni e i sistemi basati sullo spread di calendario vantano una solida base teorica che indica chiaramente cosa bisogna fare per guadagnare, gli algoritmi basati sull'analisi dei prezzi e sui dati fondamentali sono molto più ambigui. Quest'area non ha una base teorica completa che descriva i prezzi, rendendo estremamente difficile creare un algoritmo di trading stabile. Il trading si trasforma qui in arte, mentre la scienza aiuta a sistematizzare il tutto.

Ma è possibile creare un algoritmo di trading completamente automatizzato basato solo sull'analisi delle variazioni di prezzo che funzioni su qualsiasi strumento di trading senza ottimizzazione e senza bisogno di regolare manualmente i parametri per ogni strumento di trading separatamente? C'è un algoritmo che si può semplicemente applicare al grafico di uno strumento di trading necessario in modo che definisca immediatamente i parametri redditizi per esso?

[Sergey Golubev]

Forum sul trading, sistemi di trading automatico e strategie di trading di prova

Come iniziare con MetaTrader e forex, l'inizio

Sergey Golubev, 2021.02.19 18:08

Sviluppare un algoritmo auto-adattivo (Parte II):Migliorare l'efficienza

Prima di leggere questo articolo, ti consiglio di studiare il primo articolo"Sviluppare un algoritmo autoadattivo (Parte I): Trovare un modello di base". Non è necessario, poiché il punto principale sarà comunque chiaro, ma la lettura sarà più interessante.

Nell'articolo precedente, ho individuato un semplice pattern e ho sviluppato un algoritmo molto semplice che lo sfrutta. Ma l'algoritmo non ha una struttura flessibile, e non ha senso aspettarsi risultati eccezionali da esso.

Dobbiamo migliorarlo notevolmente in modo che diventi più flessibile e regoli i suoi parametri di funzionamento a seconda della situazione del mercato, in modo che sia possibile ottenere migliori risultati e stabilità.

[Tobias Johannes Zimmer]

Ahmed Soliman:

Pensate che sia un'idea realizzabile? Mettiamola sulla tavola rotonda!

Dovresti trovare un modo per definire se sei in un Trend o no e come dovrebbe reagire a un piatto o no, come calcola StopLoss e TakeProfit in base alle condizioni di mercato come Volume Trend o Volatilità

[Tobias Johannes Zimmer]

Ahmed Soliman:

Pensate che sia un'idea realizzabile? Mettiamo sulla tavola rotonda!

Bisogna impostare l'algoritmo per riconoscere se c'è un trend o meno, come calcola SL e TP in base a parametri di mercato come Volumi o Volatilità e anche implicare aspetti statistici per dire se un pattern stava funzionando e se no come dovrebbe alternarsi. Le idee non sono il problema qui, la programmazione lo è.

[Sergey Golubev]

Forum sul trading, sistemi di trading automatico e strategie di trading di prova

Come iniziare con MetaTrader e forex, l'inizio

Sergey Golubev, 2021.03.12 09:56

Algoritmo auto-adattivo (parte III): Abbandonare l'ottimizzazione

Prima di leggere questo articolo, vi consiglio di studiare il secondo articolo della serie"Sviluppare un algoritmo autoadattivo (Parte II): Migliorare l'efficienza". La metodologia applicata nell'articolo attuale differisce significativamente da tutto ciò che è stato discusso in precedenza, ma sarà utile leggere gli articoli precedenti per capire l'argomento.

[ffoorr]

Questa strategia, se funzionasse, sarebbe la stessa dell'intelligenza artificiale.

Eccola qui: "trading automatizzato non standard".

Funziona con un acceleratore o un indicatore impressionante, invece di una MA, ma il principio è lo stesso.

Fai un backtest usando diversi dati per l'acceleratore (o la MA), e poi usa i dati migliori per il forward trading.

L'unica differenza è: invece di essere un "esperto auto-adattativo", si deve fare un backtest ogni settimana (giorni) per verificare che abbia ancora il miglior valore per il suo EA.

[Muhammad Syamil Bin Abdullah]

ffoorr:

Questa strategia, se funzionasse, sarebbe la stessa dell'intelligenza artificiale.

Eccola qui: "trading automatizzato non standard".

Funziona con un acceleratore o un indicatore impressionante, invece di una MA, ma il principio è lo stesso.

Fai un backtest usando diversi dati per l'acceleratore (o la MA), e poi usa i dati migliori per il forward trading.

L'unica differenza è: invece di essere un "esperto auto-adattativo", uno deve fare backtest ogni settimana (giorni) per verificare che ha ancora il miglior valore per il suo EA.

Interessante.