Робот на нейронный сетях
Интересует опыт разработки роботов на нейронных сетях. Какие данные передаете в сеть, на какой истории и таймфрейме проводите обучение ?
На данный момент реализовал по простому: берем n-количество баров и передаем в сетку на выходе получаем коэффициенты предсказания от 0 до 1 на покупку и также на продажу
Обучение провел с 2012-2018 на разных таймфреймах риск на сделку 2% стоп 25/4.
вот что получилось:
Ну и какой смысл показывать результаты на данных обучения? Покажите что вышло за пределами обучения.
А смысл такой, что обучение только на барах отработало на ура)
На реальном счете робот уже запущен, интересуют, кто какие параметры использует и какие методы обучения применяют для нейронных сетей?
А смысл такой, что обучение только на барах отработало на ура)
На реальном счете робот уже запущен, интересуют, кто какие параметры использует и какие методы обучения применяют для нейронных сетей?
Так Вы же сами ещё не рассказали подобных вещей, от чего же ждете откровенности от других?
Мне не нравится НС из-за их явной подгонки, т.е. они будут отлично работать в стационарном пространстве, во всяком случае я не знаю иных сетей, но если они есть, то они должны учитывать поправочные коэффициенты в зависимости от изменения пространства.
Я же пока экспериментирую с деревьями решений - первая цель - научится строить деревья, которые будут лучше чем алгоритм, построенный мной руками. Как оказалось, что стандартные методы оценки результатов перебора вариантов построения дерева не являются лучшим методом для трейдинга, так-как все они подразумевают равнозначность решения, а если использовать не классификацию, а регрессию, то результат так же сомнительно достижим, так как стандартные алгоритмы построения дерева (как я это понял) стараются искать источник отклонений в двух "полюсах", а это не может быть верным решением.
Поэтому я считаю, что для трейдинга нужно адаптировать алгоритмы оценки и принцип поиска решения. По моим ощущениям МО не является комбайном, в который можно засунуть любую информацию и получить хороший результат.
А смысл такой, что обучение только на барах отработало на ура)
На реальном счете робот уже запущен, интересуют, кто какие параметры использует и какие методы обучения применяют для нейронных сетей?
А вы попробуйте его запустить на МТ5, и именно в режиме Реальных тиков и увидите что график совсем на оборот.
И не надо на реале столько ждать, чтобы в этом убедиться.
Так Вы же сами ещё не рассказали подобных вещей, от чего же ждете откровенности от других?
Мне не нравится НС из-за их явной подгонки, т.е. они будут отлично работать в стационарном пространстве, во всяком случае я не знаю иных сетей, но если они есть, то они должны учитывать поправочные коэффициенты в зависимости от изменения пространства.
Я же пока экспериментирую с деревьями решений - первая цель - научится строить деревья, которые будут лучше чем алгоритм, построенный мной руками. Как оказалось, что стандартные методы оценки результатов перебора вариантов построения дерева не являются лучшим методом для трейдинга, так-как все они подразумевают равнозначность решения, а если использовать не классификацию, а регрессию, то результат так же сомнительно достижим, так как стандартные алгоритмы построения дерева (как я это понял) стараются искать источник отклонений в двух "полюсах", а это не может быть верным решением.
Поэтому я считаю, что для трейдинга нужно адаптировать алгоритмы оценки и принцип поиска решения. По моим ощущениям МО не является комбайном, в который можно засунуть любую информацию и получить хороший результат.
В том и дело что данные статические..
По поводу обучения самой нейронной сети,то обучаю ее методом обратного распространения ошибки. После закрытия каждого бара- передаю в нейронную сеть n-последних баров, далее - смотрю, если войти в BUY и выбьет SL - делаю тренировку НС, что данные неверны и входить в рынок не стоит, или если выбивает TP то данные верны и входить в рынок стоит. И так с 2012 года на каждом баре. На видео работают 4 нейронных сети, каждая обучалась на разных таймфреймах 30М, H1, H4, D со стопом 25 и тейком 4/1. Далее уже советник работает с НС-ми и выдает предсказания по каждой НС и если по всем коэффициент > 0.9 тогда вход в сделку разрешен. Как то так...
Про деревья решений еще не слышал, это как ?)
Сейчас провожу эксперимент: создал новую нейронную сеть, обучаю ее на данных за 15 год - оптимизирую и по смотрю, как будет торговать в 16-ом году).
Возможно и такое что нейронная сеть запоминает (переобучение) и конечно на истории вроде все хорошо, но на практике получается совсем не тот результат...
А вы попробуйте его запустить на МТ5, и именно в режиме Реальных тиков и увидите что график совсем на оборот.
И не надо на реале столько ждать, чтобы в этом убедится.
Советник построен на открытии бара 30м. тики не берутся во внимание
Советник построен на открытии бара 30м. тики не берутся во внимание
Вы как и все повторяете одно и тоже. Как можно не учитывать тики, когда на вход МТ приходят именно тики. Если ваша программа их пропускает, то это ваше дело.
И поэтому повторяю, протестировать надо только в режиме реальных тиков.
Вы как и все повторяете одно и тоже. Как можно не учитывать тики, когда на вход МТ приходят именно тики. Если ваша программа их пропускает, то это ваше дело.
И поэтому повторяю, протестировать надо только в режиме реальных тиков.
Я тестировал в режиме тиков только в мт4, результат был одинаков только дольше (на видео в режиме реальных тиков). Или в МТ5 тики какие то другие ?
А разве вы на вход тестера МТ4 подали реальные тики ?
На МТ5 есть режим не только "Every tick" (Все тики) а также "Every tick Based on real ticks". Это разные вещи. "Every tick"- это моделируемые тики, не реальные.
А разве вы на вход тестера МТ4 подали реальные тики ?
На МТ5 есть режим не только "Every tick" (Все тики) а также "Every tick Based on real ticks". Это разные вещи. "Every tick"- это моделируемые тики, не реальные.
Во как, хорошо попробую конечно.Спасибо!
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Интересует опыт разработки роботов на нейронных сетях. Какие данные передаете в сеть, на какой истории и таймфрейме проводите обучение ?
На данный момент реализовал по простому: берем n-количество баров и передаем в сетку на выходе получаем коэффициенты предсказания от 0 до 1 на покупку и также на продажу
Обучение провел с 2012-2018 на разных таймфреймах риск на сделку 2% стоп 25/4.
вот что получилось: