Обсуждение статьи "Самоорганизующиеся карты Кохонена в советнике MQL5"

Новый комментарий
 

Опубликована статья Самоорганизующиеся карты Кохонена в советнике MQL5:

Самоорганизующиеся карты Кохонена превращают хаос рыночных данных в упорядоченную двумерную карту, где похожие паттерны группируются вместе. Эта статья показывает полную реализацию SOM в торговом советнике MQL5 с четырехстами нейронами и непрерывным обучением. Разбираем алгоритм поиска Best Matching Unit, обновление весов с гауссовой функцией соседства, интеграцию с квантовыми эффектами и создание торговых сигналов. Код открыт, математика понятна, результаты проверяемы.

Давайте начнем с простой аналогии. Представьте, что вы географ и перед вами стоит задача создать карту неизвестной местности. У вас есть координаты тысяч точек, измерения высот, температур, влажности — множество параметров для каждой точки. Как превратить эту груду чисел в понятную двумерную карту, где похожие места будут рядом, а разные — далеко друг от друга?

Самоорганизующаяся карта Кохонена делает именно это, но с рыночными данными. У нас есть многомерное пространство признаков — цены, объемы, волатильность, изменения за разные периоды, технические индикаторы. Каждая свеча на графике — это точка в этом многомерном пространстве. SOM берет все эти точки и проецирует их на двумерную сетку нейронов, сохраняя при этом топологию — похожие рыночные ситуации оказываются в соседних нейронах карты.

Магия начинается в процессе обучения. Сеть состоит из двумерной решетки нейронов, например двадцать на двадцать — четыреста нейронов. Каждый нейрон имеет вектор весов той же размерности, что и входные данные. Когда мы показываем сети новый паттерн с рынка, она находит нейрон с наиболее похожими весами — это называется Best Matching Unit или BMU. Затем происходит волшебство: не только BMU обновляет свои веса, чтобы стать еще более похожим на входной паттерн, но и его соседи на карте тоже сдвигаются в том же направлении. Чем дальше от BMU, тем слабее влияние.

После обучения на тысячах рыночных ситуаций, карта самоорганизуется. Нейроны в одном углу карты могут отвечать за сильные бычьи тренды, в другом углу — за медвежьи падения, посередине — за флэты и неопределенность. Карта создает своего рода географию рыночных состояний, где расстояние между нейронами отражает степень различия между паттернами.

Автор: Yevgeniy Koshtenko

 
MetaQuotes:

Опубликована статья Самоорганизующиеся карты Кохонена в советнике MQL5:

Автор: Yevgeniy Koshtenko

Евгений, добрый день
а где посмотреть и скомпилить полные исходники?
интересный подход, хочется пожкспериментировать 
Новый комментарий