• Обзор
  • Отзывы
  • Обсуждение (1)
  • Что нового

MotorUGA

Для реализации данной экспертной системы (MotorUGA) использованы методы искусственного интеллекта, а именно генетического алгоритма (для аппроксимации функции цены) и нейронной сети (для проекции функции цены).

Тестировать на реальных тиках!

На первом этапе по заданному количеству баров (ChromosomeCount) проводится аппроксимация функции цены с помощью генетического алгоритма. То есть находятся экстремумы (максимумы/минимумы) функции. Генетический алгоритм способен найти экстремумы и отразить их, но не способен реализовать тело самой функции которая порождает эти экстремумы (т.е. функцию изменения цены со временем). Линии которые связывают экстремумы отраженные на экране после работы генетического алгоритма, на данном этапе не имеют правил построения в зависимости от цены (линии продемонстрированы на скриншоте). Поля касающиеся генетического алгоритма:

  • ChromosomeCount - Количество хромосом, в контексте количество баров.
  • Epoch - Максимум эпох.
  • ProcMinStep - Ограничения шума цены.
  • Spred - Максимальный спрэд.
  • Show - Видимость линий.

Следующую часть работы берет на себя нейронная сеть. Так как пока просто найдены экстремумы, но нет функции которая их выражает, необходимо ее найти. Для этого используется нейронная сеть. Тело нейронной сети может отобразить проекцию реальной функции цены в своей структуре. Проекция функции будет проверена на уже найденных экстремумах. Мы будем ожидать что проекция функции в ближайшем будущем (PeriodReOptimization) будет максимально отображать реальную функцию изменения цены. Имея проекцию функции мы сможем предсказывать поведение цены с помощью обученной нейронной сети. Поля касающиеся нейронной сети:

  • Layer1 - Количество нейронов в первом слое.
  • Layer2 - Количество нейронов во втором слое.
  • Layer3 - Количество нейронов в третьем слое.
  • EpochN - Максимум эпох.
  • MSE - Требуемая точность.
  • Level - Уровень срабатывания сигнала.

Нейронная сеть должна пройти обучение на данных экстремумах на основе базиса в виде доступных характеристик рынка. Для этого на вход нейронной сети подаются доступные характеристики рынка и экстремумы. По окончании работы формирования тела проекции функции необходимо пройти проверку на данных екстремумах, при этом должен совпасть каждый экстремум! И только тогда будет разрешена работа. В таком случае можно надеяться на то, что в кратковременной перспективе (PeriodReOptimization) реальная функция цены сильно не отклонится от аппроксимированной. А аппроксимированная функция будет максимально отображать реальную. Поля касающиеся характеристик рынка:

  • Index1 - 1-й вектор характеристик цены [0..1..27].
  • Index2 - 2-й вектор характеристик цены [0..1..27].
  • Index3 - 3-й вектор характеристик цены [0..1..27].
  • Index4 - 4-й вектор характеристик цены [0..1..27].
  • Index5 - 5-й вектор характеристик цены [0..1..27].
  • Index6 - 6-й вектор характеристик цены [0..1..27].
  • Index7 - 7-й вектор характеристик цены [0..1..27].
  • Index8 - 8-й вектор характеристик цены [0..1..27].

Основное что нужно задать пользователю это набор входных характеристик рынка, из которых нейронная сеть будет проецировать функцию (создавать тело функции). То есть нужны правильные входные данные (характеристики) функции. В экспертной системе есть коллекция элементарных характеристик рынка (От 1 до 27, 0 - отсутствие характеристики). На этапе подготовки системы к работе их нужно подобрать оптимизируя экспертную систему с помощью тестера стратегий и их генетического алгоритма. Поскольку все результаты зависят от того с помощью каких характеристик рынка (входных данных) происходит проекция функции, одни характеристики могут нести информацию о законах рынка, другие быть малозначимыми или вовсе не нести полезной информации.

Остальные настройки экспертной системы в данном осмотре не комментируются, поскольку является в большинстве своем интуитивно понятными, а объем разрешений для данной публикации не позволяет предоставить более обширную информацию. При обращении в личной переписке готов предоставить подробную. Данный проект будет развиваться и совершенствоваться, что будет отображаться в следующих версиях, которые вы сможете скачать бесплатно купив данную версию.

Нет отзывов
Версия 2.2 - 2016.11.23
Ускоренная работа некоторых функций, упростит пользователю тестирования и оптимизации.