Discussão do artigo "Criando EAs de rede neural usando o assistente do MQL5 e o gerador EA Hlaiman" - página 9
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eh, é tudo tão deprimente :( E, realmente, não faz sentido nem mesmo debater....
Onde estão os resultados das negociações?
Deixe os cientistas debaterem, os comerciantes negociarem e os programadores programarem....
Conforme mencionado no artigo, as informações sobre as redes neurais treinadas são armazenadas separadamente do código MQL de origem, nos arquivos de dados correspondentes, que são carregados pelos Expert Advisors quando são executados no testador de estratégias ou em um gráfico.
Agora, o Hlaiman EA Generator tem a capacidade de converter qualquer um desses arquivos de dados de rede neural no código-fonte de dois indicadores MQL4 e MQL5 separados, que, após a compilação, podem ser usados de forma independente, por exemplo, para negociação manual em terminais MT4, MT5 ou na criação de outros Expert Advisors.
Além disso, esse recurso pode ser útil como um meio de depuração e otimização indireta de indicadores por meio da depuração e otimização de Expert Advisors com redes neurais, que então se tornam protótipos dos indicadores gerados.
Isso pode ser especialmente relevante para os usuários do MT4, onde não há opção de executar indicadores diretamente no testador.
A aparência e as configurações dos indicadores gerados são as mesmas dos indicadores de teste gratuitos publicados anteriormente no Market. https://www.mql5.com/pt/market/product/2551 https://www.mql5.com/pt/market/product/2553.
A diferença dos novos indicadores é que eles são calculados de acordo com o padrão das barras formadas e não são redesenhados.
Agora, com a ajuda do Hlaiman EA Generator, você pode tentar aumentar a eficiência de negociação de outros Expert Advisors prontos, se eles forem apresentados no código-fonte e baseados em movimentos de preços, por exemplo, na análise técnica.
Para isso, um filtro de rede neural é adicionado diretamente ao código-fonte desse EA, que pode ser incluído inicialmente para treinamento ao executar o EA no testador e, depois, pode ser incluído no trabalho.
As variáveis são adicionadas às configurações do EA para controlar os modos de filtro e o grau necessário de filtragem.
Uma amostra gratuita do Expert Advisor sobre o exemplo da Média Móvel padrão pode ser baixada no mercado, onde você também pode assistir a um vídeo dos processos de treinamento e teste.
https://www.mql5.com/pt/market/product/8460
Agora, com o Hlaiman EA Generator, é possível tentar melhorar a eficiência da negociação de outros EAs prontos se eles forem apresentados no código-fonte e se basearem no movimento dos preços, como a análise técnica.
Para isso, diretamente no código-fonte do consultor, foi adicionado um filtro de rede neural que pode ser incluído inicialmente no consultor de execução de treinamento no testador e, em seguida, pode ser colocado em operação.
Nas configurações do EA, foram adicionadas variáveis para controle, modo de filtro e o grau necessário de filtragem.
O consultor de amostra grátis sobre o exemplo Moving Average pode ser baixado do Market, onde você também pode ver o vídeo, os processos, o treinamento e o teste.
https://www.mql5.com/pt/market/product/8460
É como se houvesse algum tipo de dois pesos e duas medidas por parte da administração. Lembro que fui banido alguns minutos após o primeiro link para o Market. ;-)
https://www.mql5.com/pt/market/product/8460
Nesse exemplo, o treinamento do filtro de rede neural foi realizado com base nos resultados de negociação da Média Móvel original para 2014, a última atualização do Expert Advisor - março de 2015.
Para verificar a eficácia do filtro, executei o Expert Advisor no testador durante todo o período após a publicação, ou seja, de abril até a data atual de agosto.
A primeira execução foi feita com o filtro desativado (corresponde à média móvel original) e a segunda com ele ativado (veja a variável marcada UseNeuro = true):
Assim, podemos ver que o filtro de rede neural, treinado no ano passado, não perdeu sua eficiência ao longo do tempo e pode aumentar a eficiência da negociação quase duas vezes.
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.
O consultor de amostra grátis no exemplo Moving Average pode ser baixado do Market, onde você também pode ver o vídeo, os processos, o treinamento e o teste.
https://www.mql5.com/pt/market/product/8460
Neste exemplo, o treinamento do filtro de rede neural foi executado nos resultados de negociação da Média Móvel original para 2014, a última atualização do EA - março de 2015.
Para testar a eficácia do filtro, executei o consultor no testador durante todo o período desde a publicação, ou seja, de abril a agosto, a data atual.
A primeira execução foi feita com um filtro desativado (correspondente à média móvel original) e a segunda com o filtro ativado (veja a variável marcada UseNeuro = true):
Assim, podemos ver que o treinamento no ano passado, o filtro de rede neural, ao longo do tempo, permaneceu eficaz e pode aumentar a produtividade do comércio em quase o dobro.
Assim, podemos ver que o filtro de rede neural treinado no ano passado não perdeu sua eficiência ao longo do tempo e pode aumentar a produtividade da negociação quase duas vezes.
As imagens fornecidas por você dizem exatamente o contrário: você não deve usar o Expert Advisor em nenhuma circunstância, porque logo no início há um salto inexplicável no lucro, que é desperdiçado por um longo tempo. E se esse salto no lucro for removido (quem disse que a negociação real começará com esse salto?), então na primeira imagem vemos uma queda, e na segunda imagem - eventualmente lucro com rebaixamentos intermediários.
Meu artigo foi publicado no site, o que mostra que o problema não está no modelo (redes neurais ou algo mais eficiente), mas nos dados iniciais. A aplicação do Rattle é mostrada, e quem quiser pode comprar um livro meu, que é uma versão ampliada do artigo. Assim, com a ajuda do Rattle, você pode entender uma coisa muito simples e extremamente importante: o problema não está no algoritmo, mas nos dados de origem, que podem ou não gerar modelos supertreinados. Aqui o Rattle ajuda a fazer experimentos com conjuntos de dados de entrada para selecionar aqueles que não levam ao treinamento excessivo (overfitting).
E a escolha do modelo é uma décima questão.
PS.
De acordo com minha pesquisa, o uso de qualquer tipo de MA gera modelos supertreinados, ou seja, modelos que mostram resultados excelentes em dados históricos e absolutamente não lucrativos em dados reais.