Обсуждение статьи "Нейросети — это просто (Часть 4): Рекуррентные сети"

[MetaQuotes]

Опубликована статья Нейросети — это просто (Часть 4): Рекуррентные сети:

Продолжаем наше погружение в мир нейронных сетей. И в этой статье я предлагаю поговорить о рекуррентных нейронных сетях. Данный тип нейронных сетей предлагается для использования с временными рядами, коими и являются ценовые графики в торговой платформе MetaTrader 5.

Вполне естественно, что наличие 4-х внутренних нейронных слоев в каждом блоке LSTM и сложность самого алгоритма сказались на производительности, скорость работы такой нейронной сети несколько ниже рассмотренной ранее сверточной сети. Но при этом среднеквадратичная ошибка работы рекуррентной сети значительно меньше.

При этом в процессе обучения рекуррентной нейронной сети график точности попадания в цель имеет ярко выраженный, практически прямолинейный, восходящий тренд.

Автор: Dmitriy Gizlyk

[Aleksandr Masterskikh]

Нейросети - очень нужная тема для трейдинга.

В то же время, нейросети должны учитывать природу процесса.

Финансовые рынки - это поведенческие системы, причём процесс движения цен здесь является нестационарным.

В рамках теории импульсного равновесия поведенческий фактор учтён - это конкретные параметры - "элементарная структура (М-форма)", "побуждающая амплитуда", "активный" импульс", и "сверхактивны импульс".

Было бы интересно дать эту информацию нейросети, как опорную.

[Tatiana Savkevych]

Очень интересная работа.

[Roman Korotchenko]

Увлекательное исследование и разбор деталей. Профессиональность автора не вызывает сомнений - реализация программных блоков это подтверждает. Вопрос возникает следующий: Если в программах MQL5 разрешается использовать Python и, соответственно, Keras, TensorFlow, PyTorch, то было бы проще и перспективнее реализовать нейросети этими средствами, используя богатый инструментарий из набора? 

[Dmitriy Gizlyk]

Roman Korotchenko #:

Увлекательное исследование и разбор деталей. Профессиональность автора не вызывает сомнений - реализация программных блоков это подтверждает. Вопрос возникает следующий: Если в программах MQL5 разрешается использовать Python и, соответственно, Keras, TensorFlow, PyTorch, то было бы проще и перспективнее реализовать нейросети этими средствами, используя богатый инструментарий из набора? 

Здесь несколько причин.
1. Данная статья позволяет увидеть принципы работы алгоритма. Если Вам это не интересно, всегда можно использовать готовые библиотеки Python и других языков программирования.
2. Первая интеграция с Python была добавлена 12 июня 2019 build 2085 в которой можно было только получать котировки. С тех пор возможности интеграции постоянно расширяются. Но и сейчас она не полная. Возможности MQL5 шире.
3. Многие здесь не профессиональные программисты. И для них, изучение интеграции и ещё одного языка программирования может быть затруднительно. Возможно, кому-то может показаться и статья трудной для понимания, но они всегда могут воспользоваться приложенным готовым кодом для своих разработок.

Ну и посмотрите на Python. Указанные Вами библиотеки тоже когда-то были созданы и используют интеграцию с другими языками программирования, о которой пользователь может даже не догадываться. И создание подобных библиотек на MQL5 только расширяет его возможности.