기사에서 언급했듯이 훈련된 신경망에 대한 정보는 소스 MQL 코드와 별도로 해당 데이터 파일에 저장되며, 이는 전략 테스터 또는 차트에서 실행될 때 전문가 자문가가 로드합니다.
이제 Hlaiman EA Generator는 이러한 신경망 데이터 파일을 두 개의 개별 MQL4 및 MQL5 지표의 소스 코드로 변환할 수 있으며, 컴파일 후 MT4, MT5 터미널에서 수동 거래 또는 다른 Expert Advisor를 만들 때와 같이 독립적으로 사용할 수 있습니다.
또한 이 기능은 생성된 지표의 프로토타입이 되는 신경망으로 전문가 조언을 디버깅하고 최적화하여 지표를 간접적으로 디버깅하고 최적화하는 수단으로 유용하게 사용할 수 있습니다.
이는 테스터에서 지표를 직접 실행할 수 있는 옵션이 없는 MT4 사용자에게 특히 유용할 수 있습니다.
Бесплатный индикатор, использующий нейронные сети для предсказания направления движения цены. Индикатор был создан автоматически с помощью программы Hlaiman EA Generator. Описание программы и процесса обучения нейронных сетей приведено в статье:...
Советник создан с помощью набора инструментов программного пакета Hlaiman EA Generator для авто-торговли по валютным парам: EURUSD, GBPUSD, USDCHF, USDJPY, USDCAD. В советник встроены 30 нейросетевых индикаторов , обученных по M1, M5, M15, M30, H1,...
The Expert Advisor was created using a set of tools of the software package Hlaiman EA Generator for automated trading for the following currency pairs: EURUSD, GBPUSD, USDCHF, USDJPY, USDCAD. The Expert Advisors includes 30 built-in neural network...
Особенности модифицированного советника Moving Average заключаются в том, что он снабжен НЕЙРОФИЛЬТРОМ. Мы взяли советник Moving Average так, как он стандартный и поставляется вместе с терминалом. Наряду со стратегией, основанной на индикаторах...
Peculiarity of the modified Moving Average EA is that it is provided with a NEURAL FILTER. We have selected the Moving Average EA as it is a standard expert advisor and provided together with a terminal. Along with the strategy based on moving...
이제 Hlaiman EA 생성기의 도움으로 예를 들어 기술적 분석과 같은 가격 변동을 기반으로 소스 코드에 표시되는 경우 다른 기성품 전문가 자문가의 거래 효율성을 높일 수 있습니다. 이를 위해 신경망 필터가 해당 EA의 소스 코드에 직접 추가되며, 테스터에서 EA를 실행할 때 처음에는 훈련을 위해 포함될 수 있으며 그 다음에는 작업에 포함될 수 있습니다. 필터 작동 모드와 필요한 필터링 정도를 제어하기 위해 Expert Advisor의 설정에 변수가 추가됩니다.<br/ translate="no">표준 이동 평균의 예에 대한 Expert Advisor의 무료 샘플은 시장에서 다운로드 할 수 있으며 교육 및 테스트 프로세스의 비디오도 볼 수 있습니다. https://www.mql5.com/ko/market/product/8460
이 예에서 신경망 필터의 훈련은 전문가 조언자의 마지막 업데이트인 2014년의 원래 이동평균 거래 결과(2015년 3월)를 기반으로 수행되었습니다.
필터의 효과를 확인하기 위해 게시 이후 전체 기간, 즉 4월부터 8월 현재까지의 기간 동안 테스터에서 Expert Advisor를 실행했습니다.
첫 번째 실행은 필터를 비활성화한 상태에서(원래 이동평균에 해당), 두 번째 실행은 활성화한 상태에서(표시된 변수 UseNeuro = true 참조) 수행했으며 결과는 다음과 같습니다:
따라서 작년에 훈련된 신경망 필터가 지난 시간 동안 효율성을 잃지 않았으며 거래의 효율성을 거의 두 배 가까이 높일 수 있음을 알 수 있습니다.
Now, with Hlaiman EA Generator can try to improve the efficiency of the trade of other ready EAs if they are presented in the source code and are based on the movement of prices, such as technical analysis. To do this, directly in the source code of the adviser added neural network filter that can be initially included in the training run advisor in the tester, and can then be put into operation. In EA settings added variables to control, filter mode, and the necessary degree of filtration.
따라서 작년에 훈련 된 신경망 필터는 지난 시간 동안 그 효과를 잃지 않았으며 거래 생산성을 거의 두 배로 높일 수 있음을 알 수 있습니다.
당신이 제공 한 그림은 정반대입니다. 처음에는 설명 할 수없는 이익이 급증한 다음 오랫동안 낭비되기 때문에 어떤 상황에서도 전문가 조언자를 사용해서는 안됩니다. 그리고이 이익 점프가 제거되면 (실제 거래가 그러한 점프에서 시작될 것이라고 누가 말했습니까?) 첫 번째 그림에서 우리는 하락을보고 두 번째 그림에서 결국 중간 하락으로 이익을 얻습니다.
내 기사는 사이트에 게시되었으며, 이는 문제가 모델 (신경망 또는 더 효율적인 것)이 아니라 초기 데이터에 있음을 보여줍니다. 딸랑이의 응용 프로그램이 표시되며 원하는 사람들은 기사의 확장 버전 인 저에게서 책을 구입할 수 있습니다. 따라서 Rattle의 도움으로 매우 간단하고 매우 중요한 한 가지를 이해할 수 있습니다. 문제는 알고리즘이 아니라 소스 데이터에 있으며, 이는 과도하게 훈련 된 모델을 생성 할 수도 있고 생성하지 않을 수도 있습니다. 여기서 Rattle은 입력 데이터 세트를 실험하여 과훈련(과적합)으로 이어지지 않는 데이터 세트를 선택하는 데 도움을 줍니다.
그리고 모델 선택은 열 번째 문제입니다.
추신.
제 연구에 따르면 모든 종류의 MA를 사용하면 과훈련된 모델, 즉 과거 데이터에서는 우수한 결과를 보이지만 실제 데이터에서는 전혀 수익성이 없는 모델이 생성됩니다.
에, 너무 우울하네요 :( 그리고 정말, 토론할 필요도 없네요....
거래의 결과는 어디에 있나요?
과학자는 토론하고, 트레이더는 거래하고, 프로그래머는 프로그래밍하자....
기사에서 언급했듯이 훈련된 신경망에 대한 정보는 소스 MQL 코드와 별도로 해당 데이터 파일에 저장되며, 이는 전략 테스터 또는 차트에서 실행될 때 전문가 자문가가 로드합니다.
이제 Hlaiman EA Generator는 이러한 신경망 데이터 파일을 두 개의 개별 MQL4 및 MQL5 지표의 소스 코드로 변환할 수 있으며, 컴파일 후 MT4, MT5 터미널에서 수동 거래 또는 다른 Expert Advisor를 만들 때와 같이 독립적으로 사용할 수 있습니다.
또한 이 기능은 생성된 지표의 프로토타입이 되는 신경망으로 전문가 조언을 디버깅하고 최적화하여 지표를 간접적으로 디버깅하고 최적화하는 수단으로 유용하게 사용할 수 있습니다.
이는 테스터에서 지표를 직접 실행할 수 있는 옵션이 없는 MT4 사용자에게 특히 유용할 수 있습니다.
생성된 지표의 모양과 설정은 앞서 마켓에 게시된 무료 테스트 지표와 동일합니다 (https://www.mql5.com/ko/market/product/2551 https://www.mql5.com/ko/market/product/2553).
새 지표의 차이점은 형성된 막대의 패턴에 따라 계산되며 다시 그려지지 않는다는 것입니다.
이제 Hlaiman EA 생성기의 도움으로 예를 들어 기술적 분석과 같은 가격 변동을 기반으로 소스 코드에 표시되는 경우 다른 기성품 전문가 자문가의 거래 효율성을 높일 수 있습니다.
이를 위해 신경망 필터가 해당 EA의 소스 코드에 직접 추가되며, 테스터에서 EA를 실행할 때 처음에는 훈련을 위해 포함될 수 있으며 그 다음에는 작업에 포함될 수 있습니다.
EA 설정에 변수를 추가하여 필터 모드와 필요한 필터링 정도를 제어할 수 있습니다.
표준 이동 평균의 예에 대한 전문가 고문 무료 샘플은 시장에서 다운로드 할 수 있으며, 교육 및 테스트 프로세스에 대한 비디오를 볼 수도 있습니다.
https://www.mql5.com/ko/market/product/8460
이제 Hlaiman EA 생성기를 사용하면 소스 코드에 표시되고 기술 분석과 같은 가격의 움직임을 기반으로하는 경우 다른 준비된 EA의 거래 효율성을 향상시킬 수 있습니다.
이를 위해 어드바이저의 소스 코드에서 직접 테스터의 트레이닝 실행 어드바이저에 처음에 포함될 수있는 신경망 필터를 추가 한 다음 작동에 넣을 수 있습니다.
EA 설정에서 제어, 필터 모드 및 필요한 필터링 정도에 변수를 추가했습니다.
이동 평균 예제에 대한 무료 샘플 어드바이저는 마켓에서 다운로드할 수 있으며, 여기에서 동영상, 프로세스, 트레이닝 및 테스트도 볼 수 있습니다.
https://www.mql5.com/ko/market/product/8460
운영진의 이중 잣대 같은 것이죠. 마켓에 처음 링크한 지 몇 분 후에 차단된 기억이 납니다. ;-)
https://www.mql5.com/ko/market/product/8460
이 예에서 신경망 필터의 훈련은 전문가 조언자의 마지막 업데이트인 2014년의 원래 이동평균 거래 결과(2015년 3월)를 기반으로 수행되었습니다.
필터의 효과를 확인하기 위해 게시 이후 전체 기간, 즉 4월부터 8월 현재까지의 기간 동안 테스터에서 Expert Advisor를 실행했습니다.
첫 번째 실행은 필터를 비활성화한 상태에서(원래 이동평균에 해당), 두 번째 실행은 활성화한 상태에서(표시된 변수 UseNeuro = true 참조) 수행했으며 결과는 다음과 같습니다:
따라서 작년에 훈련된 신경망 필터가 지난 시간 동안 효율성을 잃지 않았으며 거래의 효율성을 거의 두 배 가까이 높일 수 있음을 알 수 있습니다.
Now, with Hlaiman EA Generator can try to improve the efficiency of the trade of other ready EAs if they are presented in the source code and are based on the movement of prices, such as technical analysis. To do this, directly in the source code of the adviser added neural network filter that can be initially included in the training run advisor in the tester, and can then be put into operation. In EA settings added variables to control, filter mode, and the necessary degree of filtration.
이동평균 예시 무료 샘플 어드바이저는 마켓에서 다운로드할 수 있으며, 동영상, 프로세스, 트레이닝 및 테스트도 볼 수 있습니다.
https://www.mql5.com/ko/market/product/8460
이 예에서는 신경망 필터의 트레이닝이 최신 EA 업데이트인 2015년 3월의 2014년 원래 이동평균 거래 결과에 대해 실행되었습니다.
필터의 효과를 테스트하기 위해 게시 이후 전체 기간, 즉 현재 날짜 4월부터 8월까지 테스터에서 어드바이저를 실행했습니다.
첫 번째 실행은 비활성화 된 필터 (원래 이동 평균에 해당)로, 두 번째 실행은 활성화 된 필터 (참조. 표시된 변수 UseNeuro = true)로 수행 한 결과는 다음과 같습니다:
따라서 지난 1년간 트레이닝한 신경망 필터는 시간이 지나도 여전히 효과적이며 거래 생산성을 거의 두 배로 높일 수 있음을 알 수 있습니다.
따라서 작년에 훈련 된 신경망 필터는 지난 시간 동안 그 효과를 잃지 않았으며 거래 생산성을 거의 두 배로 높일 수 있음을 알 수 있습니다.
당신이 제공 한 그림은 정반대입니다. 처음에는 설명 할 수없는 이익이 급증한 다음 오랫동안 낭비되기 때문에 어떤 상황에서도 전문가 조언자를 사용해서는 안됩니다. 그리고이 이익 점프가 제거되면 (실제 거래가 그러한 점프에서 시작될 것이라고 누가 말했습니까?) 첫 번째 그림에서 우리는 하락을보고 두 번째 그림에서 결국 중간 하락으로 이익을 얻습니다.
내 기사는 사이트에 게시되었으며, 이는 문제가 모델 (신경망 또는 더 효율적인 것)이 아니라 초기 데이터에 있음을 보여줍니다. 딸랑이의 응용 프로그램이 표시되며 원하는 사람들은 기사의 확장 버전 인 저에게서 책을 구입할 수 있습니다. 따라서 Rattle의 도움으로 매우 간단하고 매우 중요한 한 가지를 이해할 수 있습니다. 문제는 알고리즘이 아니라 소스 데이터에 있으며, 이는 과도하게 훈련 된 모델을 생성 할 수도 있고 생성하지 않을 수도 있습니다. 여기서 Rattle은 입력 데이터 세트를 실험하여 과훈련(과적합)으로 이어지지 않는 데이터 세트를 선택하는 데 도움을 줍니다.
그리고 모델 선택은 열 번째 문제입니다.
추신.
제 연구에 따르면 모든 종류의 MA를 사용하면 과훈련된 모델, 즉 과거 데이터에서는 우수한 결과를 보이지만 실제 데이터에서는 전혀 수익성이 없는 모델이 생성됩니다.