Скачать MetaTrader 5

Обсуждение статьи "Нейросети бесплатно и сердито - соединяем NeuroPro и MetaTrader 5"

Авторизуйтесь или зарегистрируйтесь, чтобы добавить комментарий
MetaQuotes Software Corp.
Модератор
190165
MetaQuotes Software Corp.  

Опубликована статья Нейросети бесплатно и сердито - соединяем NeuroPro и MetaTrader 5:

Если специализированные нейросетевые программы для трейдинга вам кажутся дорогими и сложными (или наоборот - примитивными), то попробуйте NeuroPro - она на русском языке, бесплатна и содержит оптимальный набор возможностей для любителей. О том, как использовать ее с MetaTrader 5, вы узнаете из этой статьи.

Программа NeuroPro создана в одном из российских институтов в 98-м году, но не теряет своей актуальности и по сей день.

Она успешно работает и на Windows XP, и на Vista, и на 7-ке. Проверить ее работу на более новых Windows я пока не имел возможности.

Что NeuroPro сообщает о себе

Рис. 1. Что NeuroPro сообщает о себе

Версия 0.25 распространяется бесплатно, ее можно найти на многих сайтах в Интернете. NeuroPro умеет строить многослойные нейронные сети с сигмоидной функцией активации. Если вы только начинаете изучать нейросети, то большего вам и не нужно. Не понадобится даже знание иностранных языков, т.к. в NeuroPro всё на русском.

Нейросеть можно обучить на одном массиве данных, а потом протестировать на другом. Для трейдеров это жизненно важная функция, т.к. позволяет быстро понять, насколько выбранная структура сети склонна к переобучению и сможет ли в принципе адекватно торговать за пределами исторических данных, т.е. на реальном счете.

Для любителей покопаться глубже, в программе есть возможность увидеть веса нейросети, какие входы сети наиболее влияют на результат работы сети. Новичкам это ни к чему, они могут не заходить в эту часть программы. А вот для опытных трейдеров, ищущих Грааль, это полезная информация - позволяет предполагать, какую же закономерность выявила нейросеть, и куда двигаться дальше в своих поисках.

Больше в NeuroPro ничего особо и нет, кроме различных настроек и полезных утилиток вроде минимизатора структуры сети. Все эти разделы меню тоже не обязательны для посещения, так что новичкам можно не пугаться и пользоваться лишь настройками по умолчанию.

С точки зрения трейдера, у NeuroPro есть лишь один недостаток: отсутствие интеграции с MetaTrader 5. Собственно, почти вся статья будет посвящена тому, как в NeuroPro загрузить рыночные данные и показания индикаторов из MetaTrader 5, и как потом полученную нейросеть превратить в эксперта на MQL5.

Забегая немного вперед, скажу, что нейросеть, которую мы сделаем с помощью NeuroPro, будет вместе со всеми весами нейронов переделана непосредственно в MQL5-скрипт (в отличие, например, от системы подключаемых DLL как в другой нейропрограмме). Поэтому работать она будет быстро и потреблять минимум компьютерных ресурсов. Это несомненный плюс использования NeuroPro. С ее помощью можно создавать любые торговые стратегии — вплоть до пипсовки, ведь там от советника требуется принимать решения почти мгновенно.

Автор: Andrew

Eugeniy Lugovoy
1988
Eugeniy Lugovoy  
Отличная статья, впечатляющий результат. Однозначно будем пробовать!
СанСаныч Фоменко
6749
СанСаныч Фоменко  

Хочу воспользоваться возможностью и обратить внимание на свою статью, в которой описаны случайные леса. Дело в том, что статья использует пакет Rattle, в котором имеется не только случайные леса, а еще ряд моделей, включая нейросети. Причем пакет предоставляет возможность сравнения разных моделей между собой, что и является несомненным его достоинством в свете данной статьи.

 Я не знаю нейросетей и поэтому не могу сравнивать сети в Rattle и в статье. Но с помощью Ratte можно будет предметно обосновать выбор конкретной модели и если это будет нейросеть, то перейти на специлизированный пакет.

Файлы:
transcendreamer
3735
transcendreamer  

статья шикарна, спасибо 

но трансформация формул через блокнот это конечно за гранью добра и зла )))

Vladimir Perervenko
3510
Vladimir Perervenko  

Неужели кто то еще занимается на таком  уровне нейросетями?

Это при наличии такого разнообразия развитых передовых средств. 

Ошарашен. Вспомнился 90 год.

СанСаныч Фоменко
6749
СанСаныч Фоменко  
vlad1949:

Неужели кто то еще занимается на таком  уровне нейросетями?

Это при наличии такого разнообразия развитых передовых средств. 

Ошарашен. Вспомнился 90 год.

А не могли бы Вы выложить свой результат по НС и сравнить его со случайным лесом?
Yury Reshetov
13493
Yury Reshetov  
vlad1949:

Неужели кто то еще занимается на таком  уровне нейросетями?

Это при наличии такого разнообразия развитых передовых средств. 

Ошарашен. Вспомнился 90 год.

В смысле? Что Вы имеете в виду под "развитыми передовыми" средствами? Может гугловский кошачий классификатор?
Eugeniy Lugovoy
1988
Eugeniy Lugovoy  

А разве нейрон и аксон как таковые претерпели какие-либо изменения в связи с развитием "передовых средств"?

G как была так и осталась. Или у Вас нервные клетки иначе воспринимают сигналы раздражителей?

У меня вот вопрос, а если применить такой подход не к одному символу, а к трем коррелирующим (EURUSD, USDJPY, EURJPY).

Данные по всем выгружать надо и обрабатывать одновременно... интересно какие результаты будут... буду тестить однозначно. 

СанСаныч Фоменко
6749
СанСаныч Фоменко  
Reshetov:
В смысле? Что Вы имеете в виду под "развитыми передовыми" средствами? Может гугловский кошачий классификатор?

"развитыми передовыми" можно рассматривать с двух сторон:

1. развитие собственно НС (ничего сказать не могу)

2. развитие иных алгоритмов машинного обучения.

По второму вопросу.

Беру свою статью. Rattle, который включает 6 качественно разных алгоритмов. Беру файл, который приложен к статье. Удаляю переменные zz35 и zz75.  Подгоняю 4 модели: ada (модель усиления), случайный лес, машина опорных векторов SVM и нейронная сеть из пакета nnet. Вот результат ошибки предсказания тренда, который идентифицирован по ZZ.

ada = 18.69%

случайный лес = 16.77%

SVM=  16.92%

нейросеть = 24.37% 

 

ПС.

Оболочка для алгоритмов машинного обучения caret включает более 140(!) разных моделей. 

Vladimir Perervenko
3510
Vladimir Perervenko  
faa1947:

"развитыми передовыми" можно рассматривать с двух сторон:

1. развитие собственно НС (ничего сказать не могу)

2. развитие иных алгоритмов машинного обучения.

По второму вопросу.

Беру свою статью. Rattle, который включает 6 качественно разных алгоритмов. Беру файл, который приложен к статье. Удаляю переменные zz35 и zz75.  Подгоняю 4 модели: ada (модель усиления), случайный лес, машина опорных векторов SVM и нейронная сеть из пакета nnet. Вот результат ошибки предсказания тренда, который идентифицирован по ZZ.

ada = 18.69%

случайный лес = 16.77%

SVM=  16.92%

нейросеть = 24.37% 

 

ПС.

Оболочка для алгоритмов машинного обучения caret включает более 140(!) разных моделей. 

=========================================================================

Ответ по пунктам 

1.Нейросети второго поколения, достигли своего предела возможностей лет десять назад, понемногу сошли со сцены. Появившиеся и получившие распространение во многих практических приложениях третье поколение нейросетей - т.н. "глубокие нейросети" показывают очень хорошие результаты и лишены основного недостатка "мелких". В этом направлении можно копать.

2. Любой вариант деревьев или леса дает лучший результат чем  любая нейросеть(или их ансамбль.)

3. Хорошие результаты получаются с использованием гибридных ансамблей(багинг). Это когда в одной упряжке одновременно работают различные модели.

4. По поводу статьи о которой Вы писали в блоге, где сравниваются 140 моделей классификации. Я читал отзыв разработчика пакета "caret" по поводу этой статьи. Если интересно найду ссылку. По его опыту лучшие результаты  дает бустинг и багинг. Из моего опыта лучшие модели - "ada" из одноименного пакета и  RFnear  из пакета "CORELearn". Последний кстати очень быстр. И абсолютно не показал себя SVM, ну кроме что очень долгого обучения.

Все зависит от выбора, подготовки входных данных и им соответствующих выходных. Здесь основное поле для исследований.

Сравнительные результаты нейросети и RF делал несколько лет назад, выкладывал на форуме. Однозначно первенство за RF. К тому же сейчас само направление RF  расширилось и разветвилось, есть с чего выбрать.  Не вижу необходимости сейчас этим заниматься.  Нужно сказать, что есть приложения в которых и нейросети показывают достойные результаты, например в регрессии. Но я занимаюсь только классификацией, а в этой области нейросети несильны. 

Может опубликуют наконец мою статью по этому поводу, там и подискутируем. 

Успехов 

 

Vladimir Perervenko
3510
Vladimir Perervenko  

 СанСаныч

Вот ссылка на статью о которой я говорил. http://appliedpredictivemodeling.com/blog/2014/11/11/some-thoughts-on-do-we-need-hundreds-of-classifiers-to-solve-real-world-classification-problems

Кроме того в статье есть ссылка на более раннюю статью Девида Ханда по вопросу который мы с Вами обсуждали раньше - низкие результаты после обучения на реальных данных. Очень интересные мысли. Может сделаете сокращенный перевод?

Порылся в архивах и нашел другую статью на тему сравнения различных алгоритмов машинного обучения. 

http://www.cs.cornell.edu/~caruana/ctp/ct.papers/caruana.icml06.pdf 

Успехов 

Авторизуйтесь или зарегистрируйтесь, чтобы добавить комментарий