Cyclesurfer: 어썸 뉴 디지털! 몇 분 후에 자료를 살펴보겠습니다. 러시아인을 해결해야 합니다. 별로 좋지는 않지만 AltaVista와 함께 사용하면 괜찮은 시도를 할 수 있을 것 같습니다. 저는 현재 다른 신경망(NN)에서 CORTEX로 코딩하고 있으며 MQ4로 변환할 계획입니다. NN이 기술 분석의 미래이기 때문에 이 스레드를 계속 유지해야 한다고 생각합니다. 알 정도로 괴짜가 아닌 사람들을 위한 NN은 기본적으로 학습하면서 학습한다는 점에서 뇌를 모방하는 알고리즘입니다. 나는 유사한 신호가 주어졌을 때 이전에 발생한 작은 패턴을 기반으로 특정 신호를 받을지 여부에 대한 조언을 제공하기 위해 EA를 작성합니다. 그것이 대부분의 NN이 하는 일입니다. 그들은 데이터에서 우리에게 의미가 없는 작은 패턴이나 심지어 다른 알고리즘을 검색하고 이러한 패턴이 시간이 지남에 따라 무엇을 하는지 확인합니다. 첫 번째 EA에는 Brain Trend가 포함됩니다. 모든 사람이 인내심을 가지길 바랍니다. CORTEX 코딩에는 시간이 걸립니다... 오히려 NN을 훈련하고 완성하는 데 시간이 걸립니다. 여기 있는 누군가가 CORTEX 또는 코드 변환에 익숙하다면 도움을 주시면 감사하겠습니다. 러시아 포럼이 상업화되는 이유를 이해합니다. NN은 큰 돈을 거래하는 거래자들의 현재 스타일입니다. 그래서...너희들 뭐라고 하지?
나는 당신이 이 소프트웨어와 관련된 사람을 거의 찾을 수 없는 이 스레드로 당신을 옮겼습니다. 그 중 하나가 위에서 인용되었습니다.
다음은 Matlab에서 신경망 을 구성하는 문제를 설명하는 예입니다. 내가 게시한 그림은 EURGBP에 대한 목표 값(X)과 신경망 출력(Y)을 보여줍니다. 따라서 최악의 경우 실제 가격이 0.7인 경우 NN 출력은 0.68에서 0.73 사이입니다(아주 나쁘긴 하지만 테스트일 뿐입니다!).
NN 가중치를 사용하여 출력 값을 손으로 계산하면 0.75를 얻습니다. 이는 0.7에서는 불가능합니다... 그래서 내 출력 계산에서 어딘가 틀려야 합니다... 공식은 다음과 같습니다.
이 스레드는 약간 죽은 것처럼 보이지만 여전히 주변에 신경망에 관심이 있는 사람들이 있기를 바랍니다! 여기에서 NNets에 대한 경험을 공유해 주세요!
나는 이미 신경망의 예측력을 테스트하기 위해 몇 가지 요인 조합을 테스트했습니다.
다른 논문과 게시물에서 읽은 것처럼 이전 High-Low-Open-Close를 사용하는 것은 완전히 비효율적입니다. NN은 어둠 속에서 완전히 길을 잃었습니다... 실제 값 대 NN 출력의 피팅 플롯은 수평입니다(첫 번째 그림 Open-Low-High-Close.jpg). 즉, 아무 것도 예측할 수 없습니다. NN으로 로또번호를 구하는 것과 같은 결과입니다. 정규화 여부에 관계없이 다른 입력 및 출력 값을 시도했지만 결과는 동일합니다.
그럼 뭐가 더 보기 안좋나요?? 기술 지표 가 훨씬 더 잘 작동하는 것 같습니다. 나는 절대 가격을 예측하기 위해 입력으로 고전적인 지표의 혼합을 테스트했습니다. 피팅 플롯은 최고는 아니지만 나쁘지도 않습니다(2번째 사진 - 기술적 요인 입력.jpg). 또한 절대값을 사용하는 것은 매우 나쁜 생각이라고 생각합니다.
이동 평균 기울기를 사용하여 미래 기울기를 예측하면 가능한 반전을 식별하는 흥미로운 결과를 얻을 수 있습니다(3번째 그림 MA Slope.jpg).
또 다른 흥미로운 연구 방법은 NN을 사용하여 좋은 거래 조건을 평가하는 것입니다. 그래서 나는 현재 종가와 미래 고가와 저가까지의 거리에서 계산된 정규화된 점수를 만들었습니다. 점수가 높으면 다음 4개 기간 동안 현재 종가와 미래 고점 사이의 거리가 멀고(사전 이익 매수) 저점까지의 거리가 낮음을 의미합니다(큰 하락 없음). 현재로서는 이 방법으로 성공하지 못했습니다.
webesa: 이 스레드는 약간 죽은 것처럼 보이지만 여전히 주변에 신경망에 관심이 있는 사람들이 있기를 바랍니다! 여기에서 NNets에 대한 경험을 공유해 주세요!
나는 이미 신경망의 예측 능력을 테스트하기 위해 몇 가지 요인 조합을 테스트했습니다.
다른 논문과 게시물에서 읽은 것처럼 이전 High-Low-Open-Close를 사용하는 것은 완전히 비효율적입니다. NN은 어둠 속에서 완전히 길을 잃었습니다... 실제 값 대 NN 출력의 피팅 플롯은 수평입니다(첫 번째 그림 Open-Low-High-Close.jpg). 즉, 아무 것도 예측할 수 없습니다. NN으로 로또번호를 구하는 것과 같은 결과입니다.
다른 입력 및 출력 값을 시도했지만 정규화 여부에 관계없이 결과는 동일합니다.
그럼 뭐가 더 보기 안좋나요?? 기술 지표가 훨씬 더 잘 작동하는 것 같습니다. 나는 절대 가격을 예측하기 위해 입력으로 고전적인 지표의 혼합을 테스트했습니다. 피팅 플롯은 최고는 아니지만 나쁘지도 않습니다(2번째 사진 - 기술적인 요인 입력.jpg). 또한 절대값을 사용하는 것은 매우 나쁜 생각이라고 생각합니다.
이동 평균 기울기를 사용하여 미래 기울기를 예측하면 가능한 반전을 식별하는 흥미로운 결과를 얻을 수 있습니다(3번째 그림 MA Slope.jpg).
또 다른 흥미로운 연구 방법은 NN을 사용하여 좋은 거래 조건을 평가하는 것입니다. 그래서 나는 현재 종가와 미래 고점과 저점까지의 거리에서 계산된 정규화된 점수를 만들었습니다. 점수가 높으면 다음 4개 기간 동안 현재 종가와 미래 고점 사이의 거리가 멀고(사전 이익 매수) 저점까지의 거리가 낮음을 의미합니다(큰 하락 없음). 현재로서는 이 방법으로 성공하지 못했습니다.
어썸 뉴 디지털! 몇 분 후에 자료를 살펴보겠습니다. 러시아인을 해결해야 합니다. 별로 좋지는 않지만 AltaVista와 함께 사용하면 괜찮은 시도를 할 수 있을 것 같습니다. 저는 현재 다른 신경망(NN)에서 CORTEX로 코딩하고 있으며 MQ4로 변환할 계획입니다. NN이 기술 분석의 미래이기 때문에 이 스레드를 계속 유지해야 한다고 생각합니다. 알 정도로 괴짜가 아닌 사람들을 위한 NN은 기본적으로 학습하면서 학습한다는 점에서 뇌를 모방하는 알고리즘입니다. 나는 유사한 신호가 주어졌을 때 이전에 발생한 작은 패턴을 기반으로 특정 신호를 받을지 여부에 대한 조언을 제공하기 위해 EA를 작성합니다. 그것이 대부분의 NN이 하는 일입니다. 그들은 데이터에서 우리에게 의미가 없는 작은 패턴이나 심지어 다른 알고리즘을 검색하고 이러한 패턴이 시간이 지남에 따라 무엇을 하는지 확인합니다. 첫 번째 EA에는 Brain Trend가 포함됩니다. 모든 사람이 인내심을 가지길 바랍니다. CORTEX 코딩에는 시간이 걸립니다... 오히려 NN을 훈련하고 완성하는 데 시간이 걸립니다. 여기 있는 누군가가 CORTEX 또는 코드 변환에 익숙하다면 도움을 주시면 감사하겠습니다. 러시아 포럼이 상업화되는 이유를 이해합니다. NN은 큰 돈을 거래하는 거래자들의 현재 스타일입니다. 그래서...너희들 뭐라고 하지?
나는 당신이 이 소프트웨어와 관련된 사람을 거의 찾을 수 없는 이 스레드로 당신을 옮겼습니다. 그 중 하나가 위에서 인용되었습니다.
Matlab과 Metatrader를 사용한 신경망
안녕하세요!
저는 Matlab을 사용하고 여러 쌍에 대한 신경망을 개발했지만 Matlab에서 mql4로 NN을 다시 프로그래밍하는 데 문제가 있습니다!
테스트를 위해 i+10 및 i+20의 가격에서 USDJPY 가격을 예측하는 작은 신경망을 만들었습니다. 2개의 입력, 3개의 은닉, 1개의 출력이 있습니다. 은닉층 활성화 함수 는 tansigmoide이고 출력은 선형입니다.
NN 출력을 실제 가격으로 플롯하면 NN이 작동하는 것으로 표시되지만 내가 한 코드로는 확실히 작동하지 않습니다.
은닉층의 계산된 가중치는 다음과 같습니다.
[13.8525-43.4534;
-11.2084 18.4331;
-0.30603 0.01022]
은닉에서 출력까지의 가중치는 다음과 같습니다.
[0.0020021 0.0047956 -3.4143]
은닉층의 편향:
[13.876;
2.644;
0.083215]
출력의 바이어스
[0.27514]
문제는 tan sigmoide여야 하는 활성화 함수에 있어야 합니다. 가격이 100이 넘으니 MathExp(-100)는 아주 작은 것을 줍니다...
다음은 코드의 흥미로운 부분입니다.
>>
더블 a1=iClose("USDJPY",0,i+10);
더블 a2=iClose("USDJPY",0,i+20);
//노드(1,1)
이중 Sum_node_1_1=13.8525*a1 -43.4534*a2+13.876;
이중 Sigmoide_node_1_1=(1-MathExp(-Sum_node_1_1))/(1+MathExp(-Sum_node_1_1));
//노드(1,2)
이중 Sum_node_1_2=-11.2084*a1+18.4331*a2+2.644;
이중 Sigmoide_node_1_2=(1-MathExp(-Sum_node_1_2))/(1+MathExp(-Sum_node_1_2));
//노드(1,3)
이중 Sum_node_1_3=-0.30603*a1+0.01022*a2+0.083215;
이중 Sigmoide_node_1_3=(1-MathExp(-Sum_node_1_3))/(1+MathExp(-Sum_node_1_3));
//---- 종료 값 -----
더블 Sum_node_2_1=(0.0020021*Sigmoide_node_1_1+0.0047956*Sigmoide_node_1_2-3.4143*Sigmoide_node_1_3+0.27514);
<<
당신의 도움을 주셔서 감사합니다!
다음은 Matlab에서 신경망 을 구성하는 문제를 설명하는 예입니다. 내가 게시한 그림은 EURGBP에 대한 목표 값(X)과 신경망 출력(Y)을 보여줍니다. 따라서 최악의 경우 실제 가격이 0.7인 경우 NN 출력은 0.68에서 0.73 사이입니다(아주 나쁘긴 하지만 테스트일 뿐입니다!).
NN 가중치를 사용하여 출력 값을 손으로 계산하면 0.75를 얻습니다. 이는 0.7에서는 불가능합니다... 그래서 내 출력 계산에서 어딘가 틀려야 합니다... 공식은 다음과 같습니다.
-1.1261*탄식(-1.6589*0.6964+1.4776*0.6936+4.5965)
-0.013796*탄식(-2.6065*0.6964+ 4.3402 *0.6936+0.30321)
+1.2166*탄식(0.88612*0.69669364+0.11309 *0.6936+0.055821)+1.1116
무게:
-입력에서 레이어에 가중치
[-1.6589 1.4776;
-2.6065 4.3402;
0.88612 0.11309]
- 레이어에 가중치
[-1.1261 -0.013796 1.2166]
- 레이어 1에 대한 바이어스
[4.5965;
0.30321;
0.055821]
- 레이어 2에 대한 바이어스
[1.1116]
출력을 계산하는 데 사용되는 2개의 입력 가격은 다음과 같습니다.
0.6964
0.6936
네트워크는 은닉에 대한 탄젠트 시그모이드 활성화 및 출력에 대한 선형 활성화를 포함하는 2개의 입력/3개의 은닉/1 출력입니다.
감사해요!!
그 외에도 올바른 Tangente sigmoide 활성화 함수 가 내 mql4 코드에서 잘못되었습니다. 올바른 함수는 2/(1+MathExp(-2* x ))-1입니다.
건배!
첫 번째 결과
이 스레드는 약간 죽은 것처럼 보이지만 여전히 주변에 신경망에 관심이 있는 사람들이 있기를 바랍니다! 여기에서 NNets에 대한 경험을 공유해 주세요!
나는 이미 신경망의 예측력을 테스트하기 위해 몇 가지 요인 조합을 테스트했습니다.
다른 논문과 게시물에서 읽은 것처럼 이전 High-Low-Open-Close를 사용하는 것은 완전히 비효율적입니다. NN은 어둠 속에서 완전히 길을 잃었습니다... 실제 값 대 NN 출력의 피팅 플롯은 수평입니다(첫 번째 그림 Open-Low-High-Close.jpg). 즉, 아무 것도 예측할 수 없습니다. NN으로 로또번호를 구하는 것과 같은 결과입니다.
정규화 여부에 관계없이 다른 입력 및 출력 값을 시도했지만 결과는 동일합니다.
그럼 뭐가 더 보기 안좋나요?? 기술 지표 가 훨씬 더 잘 작동하는 것 같습니다. 나는 절대 가격을 예측하기 위해 입력으로 고전적인 지표의 혼합을 테스트했습니다. 피팅 플롯은 최고는 아니지만 나쁘지도 않습니다(2번째 사진 - 기술적 요인 입력.jpg). 또한 절대값을 사용하는 것은 매우 나쁜 생각이라고 생각합니다.
이동 평균 기울기를 사용하여 미래 기울기를 예측하면 가능한 반전을 식별하는 흥미로운 결과를 얻을 수 있습니다(3번째 그림 MA Slope.jpg).
또 다른 흥미로운 연구 방법은 NN을 사용하여 좋은 거래 조건을 평가하는 것입니다. 그래서 나는 현재 종가와 미래 고가와 저가까지의 거리에서 계산된 정규화된 점수를 만들었습니다. 점수가 높으면 다음 4개 기간 동안 현재 종가와 미래 고점 사이의 거리가 멀고(사전 이익 매수) 저점까지의 거리가 낮음을 의미합니다(큰 하락 없음). 현재로서는 이 방법으로 성공하지 못했습니다.
곧 의견을 나누고 경험을 공유할 수 있기를 바랍니다!
웨베사 축하해
THX 친애하는 Webesa,
좋은 결과들이고,
그러나 1개의 질문: 더 큰 NN(더 많은 입력+ 더 많은 레이어+더 많은 뉴런)을 사용하여 양초 사이의 더 나은 관계를 근사하는 것이 더 좋지 않습니까?
신경망에서 dll로
안녕,
Matlab 또는 Neurosolutions의 훈련된 신경망 이 포함된 dll을 mq4 스크립트에 통합한 경험이 있는 사람이 있습니까?
이 스레드는 약간 죽은 것처럼 보이지만 여전히 주변에 신경망에 관심이 있는 사람들이 있기를 바랍니다! 여기에서 NNets에 대한 경험을 공유해 주세요!
나는 이미 신경망의 예측 능력을 테스트하기 위해 몇 가지 요인 조합을 테스트했습니다.
다른 논문과 게시물에서 읽은 것처럼 이전 High-Low-Open-Close를 사용하는 것은 완전히 비효율적입니다. NN은 어둠 속에서 완전히 길을 잃었습니다... 실제 값 대 NN 출력의 피팅 플롯은 수평입니다(첫 번째 그림 Open-Low-High-Close.jpg). 즉, 아무 것도 예측할 수 없습니다. NN으로 로또번호를 구하는 것과 같은 결과입니다.
다른 입력 및 출력 값을 시도했지만 정규화 여부에 관계없이 결과는 동일합니다.
그럼 뭐가 더 보기 안좋나요?? 기술 지표가 훨씬 더 잘 작동하는 것 같습니다. 나는 절대 가격을 예측하기 위해 입력으로 고전적인 지표의 혼합을 테스트했습니다. 피팅 플롯은 최고는 아니지만 나쁘지도 않습니다(2번째 사진 - 기술적인 요인 입력.jpg). 또한 절대값을 사용하는 것은 매우 나쁜 생각이라고 생각합니다.
이동 평균 기울기를 사용하여 미래 기울기를 예측하면 가능한 반전을 식별하는 흥미로운 결과를 얻을 수 있습니다(3번째 그림 MA Slope.jpg).
또 다른 흥미로운 연구 방법은 NN을 사용하여 좋은 거래 조건을 평가하는 것입니다. 그래서 나는 현재 종가와 미래 고점과 저점까지의 거리에서 계산된 정규화된 점수를 만들었습니다. 점수가 높으면 다음 4개 기간 동안 현재 종가와 미래 고점 사이의 거리가 멀고(사전 이익 매수) 저점까지의 거리가 낮음을 의미합니다(큰 하락 없음). 현재로서는 이 방법으로 성공하지 못했습니다.
곧 의견을 나누고 경험을 공유할 수 있기를 바랍니다!이동 평균 을 활용한 NN에 대한 입력/출력은 정확히 무엇이었습니까?
지속적으로 재교육할 필요가 없다면 dll이 필요하지 않다는 말이 맞는 것 같습니다.
템플릿을 공유하시겠습니까?