Usando inteligência artificial na MTS - página 23
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
Você precisa escrever um roteiro ou definir diferentes cores de seta para diferentes números MagicNumbers no próprio código.
É uma ótima idéia, graças ao "código para definir diferentes cores de seta para diferentes MagicNumbers"!
Mas sobre o roteiro:
Você quer dizer mudar a cor das setas, ou o roteiro será capaz de remover as ordens "extras"?
Mas sobre o roteiro:
você quer dizer mudar a cor das setas, ou o roteiro será capaz de remover pedidos "extras"?
É como o seu coração deseja. :) Um exemplo de como processar as setas é dado aqui http://www.alpari-idc.ru/ru/articles_mql4/25.html
Você precisará verificar o descritor - o testador escreve o MagicNumber nele.
E quanto ao roteiro:
você quer dizer mudar a cor das setas, ou o roteiro será capaz de remover pedidos "extras"?
É a vontade do seu coração. :) Um exemplo de como processar as setas é dado aqui http://www.alpari-idc.ru/ru/articles_mql4/25.html
Você precisará verificar o descritor - o testador escreve o MagicNumber nele.
OK.
E em geral a "diversificação espectral" não é uma coisa tão simples.
Tomei apenas 2 parâmetros (dois indicadores), no mínimo, para começar.
Com 2 bons valores de extremos locais de cada um.
Eu uso arrays em vez de valores de parâmetro.
Um total de 4 MagicNumber (4 vezes em loop start())
O tamanho do lote é dividido por 4 - ou seja, 4 Expert Advisors de cada vez (4 vezes mais negócios).
Vou compartilhar meus resultados.
Equivalente ao alisamento AC usando um filtro cypher com algumas características. Os coeficientes de suavização não são equilibrados, o que equivale a um tijolo no botão de compra. O tijolo (+ por exemplo, estocástico) funciona muito bem por si só, se apenas se sabe quando comprá-lo e quando vendê-lo. Também, levando em conta que o ar condicionado pode descer 2 vezes durante 21 barras e a presença de 4 parâmetros otimizáveis......))))
Mas, para mim, isso esclarece como funcionam as redes neurais e por que elas não são tão eficientes quanto gostaríamos que fossem.
Eu costumava ter um hobby no início do período criativo - escrever EAs para trabalhar em m1 com base nos resultados da semana passada (7200 barras, em oposição a 66000) - até 300 por cento por semana foram mostrados no testador.....
Quantos harmônicos o preço precisa ser decomposto em uma série de Fourier para obter um graal após a otimização?
Quanto ao oscilador AC, o Conselheiro Especialista não só analisa seu último valor (decisões baseadas nos últimos valores são mais freqüentemente usadas em análises técnicas), mas estuda a história, ou seja, o que eram 3 outros valores do indicador no passado. Ele está interessado no comportamento do oscilador para a tomada de decisões. Este mesmo comportamento chega à entrada da rede neural. E na saída obtemos Compra ou Venda.
Outra novidade não é o treinamento padrão da rede neural, mas a seleção de pesos em dados históricos usando o algoritmo genético. Experimentei as duas variantes. A genética dá resultados um pouco piores e mais lentos no tempo. Mas não há um algoritmo neurônico embutido e o aprendizado no MT4. Mas há uma otimização baseada na genética. E alguns pesquisadores nesta área perceberam que o aprendizado dinâmico não é muito adequado se a situação mudar drasticamente. Se os touros prevalecerem no mercado, o sistema irá se retrair para a tendência do touro e esquecer a tendência de baixa. E vice versa. Samuel A. L. 1959, "Some studies in machine learning using the game of checkers" (IBM J. Research e Devepopmend 3: 210 - 229), primeiro encontrou e descreveu esta monstruosidade. Ele observou que, se seu programa tivesse um oponente profissional, ele gradualmente passava para um jogo de nível profissional. Mas se o adversário era um principiante, então o programa "esqueceu" o nível anterior e começou a passar para o jogo primitivo. Portanto, provavelmente não faz sentido ensinar dinamicamente o neurônio sobre seus próprios erros e perdas. É mais fácil passá-lo pela história, a fim de desenvolver uma estratégia comercial adequada ao mercado.
Quanto aos grãos, você não precisa ser muito inteligente. Você só precisa preencher uma série de condições:
1. O sistema deve abrir posições, ou sem nenhuma perda de carga, ou com perdas de carga a uma distância muito grande, de modo que a probabilidade de sua operação seja próxima de 0.
2. Um poderoso filtro baseado em vários indicadores com condições de acionamento separadas por um AND lógico (&&). E puxar muitos parâmetros de entrada desses mesmos indicadores nas configurações externas da MTS, de modo que apenas algumas posições foram abertas durante vários anos de dados históricos sobre testes.
3. A tudo isso acrescenta capital e gestão de risco com uma fração levantada
Eu planejo usar NS não para previsão, extrapolação ou interpolação, mas apenas para a busca de padrões.
Estou especificamente interessado na tecnologia de treinamento, por exemplo.
Por exemplo, com um treinador - suponha que damos conjuntos de sinais para cada barra na história como uma seqüência de treinamento, e a saída esperada de TC é -1/0/1 (venda/0/ compra).
E o que, para cada barra devemos pré-ajustar os sinais manualmente? Como evitar?
E como aplicar o treinamento sem um professor neste caso? Como obter o resultado das negociações em toda a história e obter o máximo lucro?
Que metodologia é utilizada para este fim?
Alguém tem algum link interessante sobre a aplicação da NS no comércio. Já existe uma grande biblioteca da teoria NS.
Eu planejo usar NS não para previsão, extrapolação ou interpolação, mas apenas para a busca de padrões.
Estou especificamente interessado na tecnologia de treinamento, por exemplo.
Por exemplo, com um treinador - suponha que damos conjuntos de sinais para cada barra na história como uma seqüência de treinamento, e a saída esperada de TC é -1/0/1 (venda/0/ compra).
E o que, para cada barra devemos pré-ajustar os sinais manualmente? Como evitar?
E como aplicar o treinamento sem um professor neste caso? Como obter o resultado comercial em toda a história e alcançar o lucro máximo?
Que métodos são utilizados para este fim?
Para o reconhecimento de padrões, tente usar o mapa kohonen. Mas primeiro você deve normalizar os dados ou apenas codificá-los.
...
Por exemplo, com um professor - suponha que damos conjuntos de sinais para cada barra na história como uma seqüência de treinamento, e a saída esperada de NS: -1/0/1 (sell/0/buy).
E o que, para cada barra devemos pré-ajustar os sinais manualmente? Como evitar?
...
Sim os cartões Kohonen são bons, o mais importante aqui, imho, é codificar corretamente os padrões antes de alimentá-los nas entradas da rede.
Surgiu uma pergunta. Ninguém tem um critério - como determinar se a rede de coesões é treinada ou não.
Se para N iterações os exemplos não estão mais divididos em classes e a migração de padrões parou, então podemos dizer que o aprendizado está completo.