Обсуждение статьи "Пишем глубокую нейронную сеть с нуля на языке MQL" - страница 5

[Yu Zhang]

Параметры глубокой сети в виде внешних переменных слишком негибки.

[Sebastien Nicolas Paul Boulenc]

Я изменил входной параметр "bodyPer". Вместо того чтобы загружать просто относительную длину тела, я вычисляю это значение: bodyPer=0,5+((close-open)/p100)/2;

Таким образом, помимо относительной длины, переменная также фиксирует направление свечи. Это освобождает слот для 4-й переменной, я полагаю.

[Vasiliy Pototskiy]

int error=CandlePatterns(rates[0].high,rates[0].low,rates[0].open,rates[0].close,rates[0].close-rates[0].open,_xValues);

Тут передаются данные ещё не сформировавшейся свечи. Ведь в реале на открытие свечи все параметры будут одинаковые. Все будут =  rates[0].open

[Oleg Pavlenko]

Vasily Pototsky #:

int error=CandlePatterns(rates[0].high,rates[0].low,rates[0].open,rates[0].close,rates[0].close-rates[0].open,_xValues);

Тут передаются данные ещё не сформировавшейся свечи. Ведь в реале на открытие свечи все параметры будут одинаковые. Все будут =  rates[0].open

Неверно!

int copied=CopyRates(_Symbol,0,1,5,rates);

Здесь копирование происходит не с нулевого бара, а с первого, поэтому здесь:

CandlePatterns(rates[0].high,rates[0].low,rates[0].open,rates[0].close,rates[0].close-rates[0].open,_xValues);

будут значения прошлого бара...

А вот копировать 5 баров, думаю, совсем необязательно, достаточно будет скопировать 1 прошлый бар так:

int copied=CopyRates(_Symbol,0,1,1,rates);

[Alexandre Sousa Bezerra]

Привет, Энди, вы проделали отличную работу!!!

Я анализирую твой код, чтобы адаптировать его к своей стратегии, и пока могу сказать, что твой DNN просто великолепен! Спасибо, что поделились.

У меня только один вопрос: я не понимаю, как можно использовать "yValues[2]>0.6" в любой ситуации. После нескольких попыток с разными активами ни одна сделка не была закрыта из-за этого условия. Правильно ли это?

Спасибо!

Best,
Alexandre

В этом форуме, пожалуйста, комментируйте на португальском языке. Используйте инструмент автоматического перевода или комментируйте на одном из форумов на другом языке.

[Nikolai Kalinin]

Странное поведение при любом изменении переменной trend, результаты обучения всегда разные, почему?

В коде логическая ошибка!

   double trend=0; // также при trend=100 результаты много лучше и больше количество точек оптимизаций!? 
   if(uod>0)
     {
      highPer=high-close;
      lowPer=open-low;
      bodyPer=close-open;
      trend=1;

     }
   else
     {
      highPer=high-open;
      lowPer=close-low;
      bodyPer=open-close;
      trend=-1; // стоял ноль!
     }

[Ivan Butko]

Nikolai Kalinin #:
Странное поведение при любом изменении переменной trend, результаты обучения всегда разные, почему?

В коде логическая ошибка!

Специфика функции активации. 

Чем больше слоёв, тем больше затухание - значения будут ближе к 0. 

Смещение немного исправляет эту проблему. 

Поэтому, когда порог установлен в 0.6, то большинство возможных сетов откидываются. А если вы на вход подаёте какое-то огромное число или несколько больших чисел, то и при прямом проходе до конца нейросети дойдёт больше возможных значений. 

А чем больше значений дойдёт или пересечёт границу порога - тем больше позиций, либо больше возможностей подогнать (запомнить путь) график цены под нейронку.

[Nikolai Kalinin]

Ivan Butko #:

Специфика функции активации. 

Чем больше слоёв, тем больше затухание - значения будут ближе к 0. 

Смещение немного исправляет эту проблему. 

Поэтому, когда порог установлен в 0.6, то большинство возможных сетов откидываются. А если вы на вход подаёте какое-то огромное число или несколько больших чисел, то и при прямом проходе до конца нейросети дойдёт больше возможных значений. 

А чем больше значений дойдёт или пересечёт границу порога - тем больше позиций, либо больше возможностей подогнать (запомнить путь) график цены под нейронку.

Так или иначе, результаты обучения всегда очень непостоянны, при любых типах оптимизации, что вызывает определённые сомнения в применимости для реальной торговли - всегда будут существовать лучшие параметры весов в пересортировке комбинаций. Чем объяснить эту особенность работы этой НС?  

[Ivan Butko]

Nikolai Kalinin #:

Так или иначе, результаты обучения всегда очень непостоянны, при любых типах оптимизации, что вызывает определённые сомнения в применимости для реальной торговли - всегда будут существовать лучшие параметры весов в пересортировке комбинаций. Чем объяснить эту особенность работы этой НС?  

Вы придаёте этой НС много значения, на самом деле все НС и всё, что связано с МО, в общем - везде, где есть умножения чисел на числа и сумматор в функции активации - всё это будет подгонкой под график. Совершенно нестабильная система. 

Более того, ценообразование - это нестационарный процесс. Каждый раз новые данные, а если разделить график на паттерны, то на истории они будут стремиться к отработке 50 на 50. 

НС - это к стационарным системам, повторяющимся. 

А на форексе и тд нужны более продвинутые, интеллектуальные системы. Что-то вроде нескольких НС, как-то связанных между собой, каким-то волшебным образом адаптирующихся к изменению статистики паттернов и тд. 

НС сама по себе - это запоминание пути цены, либо усреднение результатов, если количество новых данных больше, чем возможных комбинаций чисел, полученных при перемножении (или проще говоря - простейших архитектур НС с двумя-тремя входами). 

В ней интересно копаться, строить архитектуры, прибавлять нейроны и слои. Но, она совершенно бестолковая, не лучше пересечения машек. 

[Nikolai Kalinin]

Ivan Butko #:

Вы придаёте этой НС много значения, на самом деле все НС и всё, что связано с МО, в общем - везде, где есть умножения чисел на числа и сумматор в функции активации - всё это будет подгонкой под график. Совершенно нестабильная система. 

Более того, ценообразование - это нестационарный процесс. Каждый раз новые данные, а если разделить график на паттерны, то на истории они будут стремиться к отработке 50 на 50. 

НС - это к стационарным системам, повторяющимся. 

А на форексе и тд нужны более продвинутые, интеллектуальные системы. Что-то вроде нескольких НС, как-то связанных между собой, каким-то волшебным образом адаптирующихся к изменению статистики паттернов и тд. 

НС сама по себе - это запоминание пути цены, либо усреднение результатов, если количество новых данных больше, чем возможных комбинаций чисел, полученных при перемножении (или проще говоря - простейших архитектур НС с двумя-тремя входами). 

В ней интересно копаться, строить архитектуры, прибавлять нейроны и слои. Но, она совершенно бестолковая, не лучше пересечения машек. 

Иван, Благодарю за разъяснения. Любая статистика имеет свойство повторятся. В принципе если используется интегральный показатель при оптимизации (обучении) НС, то видно по точкам как и когда наступает переход от не знания к знанию - как лучше ей торговать. О поисках значимой переменной отдельный разговор. Вам удалось решить проблему с масштабированием входов более 4х?