실제로 나는 HMA 기간 14(종가의 EMA 유형)를 사용하여 sibus 표시기( 첨부 그림 참조)로 시작하고 종가에서 일반 EMA 기간 21과 교차하고 RSI >50 또는 RSI <50으로 확인하여 생성합니다. 신호. 매우 간단합니다. 키스.
유일한 골칫거리는 시장이 wigsaw를 할 때 신호를 걸러내는 것입니다. 나는 Bollingerband를 시도하거나 MA의 기울기를 계산하거나 신호 사이의 거리를 계산하거나 MA의 각도를 계산하거나 ADX를 사용합니다. 그러나 이것은 실제로 도움이 되지 않습니다. 원하지 않는 거래 신호를 걸러내는 데 도움이 된 유일한 것은 단일 계층 신경망입니다.
여기서 아이디어는
1) EMA cross 또는 MACD 신호와 같은 매우 간단하고 강력한 방법을 사용합니다. 수학적 규칙, 이것은 변수의 수를 줄입니다.
2) 그런 다음 NN을 사용하여 위의 신호에 의해 생성된 결과를 향상시킵니다. 이익과 손실 비율을 확인하기 위해. 나쁜 항목을 필터링합니다. 그래서 여기에 최대 4개의 변수가 있습니다.
HiddenOx: 여기서 실험을 시작합니다. 아마 나는 다른 배경에서 왔습니다. 내 학위는 인공 지능이므로 이 포럼의 나머지 전문가와 달리 NN과 같은 AI 기술과 외환 초보자가 더 많습니다...
역사적 가격을 사용하여 미래 가격을 예측하는 것 자체는 여러 요인으로 인해 다소 불가능합니다.
이전 경험의 요약으로 .. 좋은 입력은 무엇이며 NN에 대한 예상 출력은 무엇입니까?
어쨌든, 신경망에서 입력으로 사용할 좋은 값/지표와 예상 출력(지표, 곡선 움직임 등)에 대한 귀하의 의견은 무엇입니까?
나는 역 오류 검사를 사용하여 일련의 다양한 유형의 신경망에서 테스트할 것입니다. 또한 결과에 대한 유전자 돌연변이에 대한 흥미로운 간행물을 발견했습니다. NN에 공급할 신뢰할 수 있는 데이터를 어디에서 찾을 수 있는지에 대한 문제가 있습니다. 과거 데이터를 어디에 사용합니까? 출처가 있습니까?
문안 인사,
숨겨진 황소.
mT4 내보내기 데이터를 mysql로 사용할 수 있습니다(mq4 코드 베이스에 샘플 코드가 있음). 그런 다음 matlab에서 데이터를 훈련할 수 있습니다(matlab에는 데이터베이스 도구 상자가 있음).
안녕하세요, 저는 1H 차트에서 GBPJPY를 정확하게 예측할 수 있는 신경망을 구축하기 위해 노력해 왔으며 아마 해냈을 것이라고 생각합니다. GBPJPY 및 기타 쌍(USDJPY, GBPEUR 등)의 가격 및 지표 데이터를 역전파 네트워크에 입력하고 지난 10년 동안 데이터를 훈련했습니다. 다음은 목표/출력 플롯의 몇 가지 사진입니다. 출력은 녹색 선이고 대상은 파란색 선입니다. 나는 당신에 대해 잘 모르지만 4.2x10^-26의 오류로 충분합니다 = ) 얼마나 정확한지 보여주기 위해 가장 최근의 데이터를 확대했습니다. 이제 그 네트워크를 작동하는 EA에 구현하기 위해 설정하고 누구에게 제안이 있습니까?
- 통화 환율과 같은 시계열을 예측하기 위해 일반적인 피드포워드 신경망을 사용하는 것은 매우 좋지 않은 생각입니다.
- H1 시간 프레임에서 값을 예측하려고 합니다. - Forex에서는 좋은 결과를 얻을 수 없습니다. D1 또는 H4 사용(변동성이 낮은 통화의 경우)
- 입력으로 너무 많은 데이터를 사용합니다. - 신경망은 훈련 데이터에 "익숙해지며" 라이브 거래에서 매우 열악한 성능을 보입니다.
- 훈련 데이터를 보면 흥분이 됩니다.
- 오랫동안 효과적으로 작동할 신경망을 훈련시키는 것은 불가능합니다. 시계열을 예측하도록 훈련된 일반적인 신경망은 약 20-100개의 좋은 예측을 제공한 다음 최근 변경 사항에 맞게 다시 훈련해야 합니다.
시계열 예측을 위한 유용한 신경망을 만들고 싶다면 진화적 신경망(유연한 신경 트리로 코딩된 피드 포워드 신경망, 아키텍처는 PIPE 또는 GEP를 사용하여 최적화됨, 유연한 활성화 기능 매개변수는 PSO, EPSO 또는 시뮬레이션된 어닐링을 사용하여 최적화됨)에 대해 읽어보십시오. 등.)
안녕,
안녕,
토론이 진행 중인 이 스레드로 귀하의 게시물을 옮겼습니다.
실제로 나는 HMA 기간 14(종가의 EMA 유형)를 사용하여 sibus 표시기( 첨부 그림 참조)로 시작하고 종가에서 일반 EMA 기간 21과 교차하고 RSI >50 또는 RSI <50으로 확인하여 생성합니다. 신호. 매우 간단합니다. 키스.
유일한 골칫거리는 시장이 wigsaw를 할 때 신호를 걸러내는 것입니다. 나는 Bollingerband를 시도하거나 MA의 기울기를 계산하거나 신호 사이의 거리를 계산하거나 MA의 각도를 계산하거나 ADX를 사용합니다. 그러나 이것은 실제로 도움이 되지 않습니다. 원하지 않는 거래 신호를 걸러내는 데 도움이 된 유일한 것은 단일 계층 신경망입니다.
여기서 아이디어는
1) EMA cross 또는 MACD 신호와 같은 매우 간단하고 강력한 방법을 사용합니다. 수학적 규칙, 이것은 변수의 수를 줄입니다.
2) 그런 다음 NN을 사용하여 위의 신호에 의해 생성된 결과를 향상시킵니다. 이익과 손실 비율을 확인하기 위해. 나쁜 항목을 필터링합니다. 그래서 여기에 최대 4개의 변수가 있습니다.
시스템을 강화하기 위해 NN을 사용하지 않는 경우 시스템은 단독으로 유지됩니다.
여기에 sidus 표시기를 부착했습니다. 필터링하고 싶은 사진의 신호. . 원천
sidus 표시기의 경우 Forexfactory에서 가져온 것입니다.
최적화 프로세스를 프로그래밍하는 코드가 있습니까? 최적화를 자동화할 수 있습니다.
논리.
0) 주말에만 한다.
1) 0. 200 범위의 매개변수를 1단계로 설정합니다.
2) 최적화 결과 얻기
3) 이익 계수의 결과를 1.0 자리로 반올림하여 7.4=7 및 7.5 = 8이 되도록 합니다.
4) 상위 2단계 이익률 범위의 카테고리에서 가장 적은 거래 번호를 선택하면 내가 원하는 최적화 결과입니다.
5) 새로운 설정을 전문가 EA에 넣고 다음 주에 실행합니다.
최적화 부분을 코딩할 수 있습니까?이 기사가 도움이 될 수 있습니다.
실제 거래에서 거래 로봇의 자동화된 최적화 - MQL4 기사
forex_nn 새 수정 버전?
제 영어가 제한되어 죄송합니다. 신경 소스 코드입니다. 아래 원저자 사이트의 다운로드 링크에서 다운로드하면 됩니다.
http://cortex.snowcron.com/cortex.zip
고정 버전(forex_nn_05b.tsc)은 새로운 가중치로 잘 작동한 것 같습니다. 누가 메타 트레이더 indic 및 EA로 변환하는 데 도움을 줄 수 있습니까?
미리 감사드립니다!
신경망 나는 forex, stock 또는 commodt에서 가장 좋은 예측이라고 생각합니다.
위 서명 haba에 대한 질문, Metatrader에서 뉴로쉘을 어떻게 사용합니까?
Neuroshell에서 NOXA CSSA 를 성공적으로 사용하고 Metatrader 플랫폼과 연결한 사람이 있습니까?
학습 데이터 소스
여기서 실험을 시작합니다. 아마 나는 다른 배경에서 왔습니다. 내 학위는 인공 지능이므로 이 포럼의 나머지 전문가와 달리 NN과 같은 AI 기술과 외환 초보자가 더 많습니다...
역사적 가격을 사용하여 미래 가격을 예측하는 것 자체는 여러 요인으로 인해 다소 불가능합니다.
이전 경험의 요약으로 .. 좋은 입력은 무엇이며 NN에 대한 예상 출력은 무엇입니까?
어쨌든, 신경망에서 입력으로 사용할 좋은 값/지표와 예상 출력(지표, 곡선 움직임 등)에 대한 귀하의 의견은 무엇입니까?
나는 역 오류 검사를 사용하여 일련의 다양한 유형의 신경망에서 테스트할 것입니다. 또한 결과에 대한 유전자 돌연변이에 대한 흥미로운 간행물을 발견했습니다. NN에 공급할 신뢰할 수 있는 데이터를 어디에서 찾을 수 있는지에 대한 문제가 있습니다. 과거 데이터를 어디에 사용합니까? 출처가 있습니까?
문안 인사,
숨겨진 황소.mT4 내보내기 데이터를 mysql로 사용할 수 있습니다(mq4 코드 베이스에 샘플 코드가 있음). 그런 다음 matlab에서 데이터를 훈련할 수 있습니다(matlab에는 데이터베이스 도구 상자가 있음).
신경망 결과
안녕하세요, 저는 1H 차트에서 GBPJPY를 정확하게 예측할 수 있는 신경망을 구축하기 위해 노력해 왔으며 아마 해냈을 것이라고 생각합니다. GBPJPY 및 기타 쌍(USDJPY, GBPEUR 등)의 가격 및 지표 데이터를 역전파 네트워크에 입력하고 지난 10년 동안 데이터를 훈련했습니다. 다음은 목표/출력 플롯의 몇 가지 사진입니다. 출력은 녹색 선이고 대상은 파란색 선입니다. 나는 당신에 대해 잘 모르지만 4.2x10^-26의 오류로 충분합니다 = ) 얼마나 정확한지 보여주기 위해 가장 최근의 데이터를 확대했습니다. 이제 그 네트워크를 작동하는 EA에 구현하기 위해 설정하고 누구에게 제안이 있습니까?
몇 가지 기본적인 실수를 저질렀습니다.
- 통화 환율과 같은 시계열을 예측하기 위해 일반적인 피드포워드 신경망을 사용하는 것은 매우 좋지 않은 생각입니다.
- H1 시간 프레임에서 값을 예측하려고 합니다. - Forex에서는 좋은 결과를 얻을 수 없습니다. D1 또는 H4 사용(변동성이 낮은 통화의 경우)
- 입력으로 너무 많은 데이터를 사용합니다. - 신경망은 훈련 데이터에 "익숙해지며" 라이브 거래에서 매우 열악한 성능을 보입니다.
- 훈련 데이터를 보면 흥분이 됩니다.
- 오랫동안 효과적으로 작동할 신경망을 훈련시키는 것은 불가능합니다. 시계열을 예측하도록 훈련된 일반적인 신경망은 약 20-100개의 좋은 예측을 제공한 다음 최근 변경 사항에 맞게 다시 훈련해야 합니다.
시계열 예측을 위한 유용한 신경망을 만들고 싶다면 진화적 신경망(유연한 신경 트리로 코딩된 피드 포워드 신경망, 아키텍처는 PIPE 또는 GEP를 사용하여 최적화됨, 유연한 활성화 기능 매개변수는 PSO, EPSO 또는 시뮬레이션된 어닐링을 사용하여 최적화됨)에 대해 읽어보십시오. 등.)