"MQL5 Sihirbazı ve Hlaiman EA Oluşturucu Kullanarak Sinir Ağı EA'ları Oluşturma" makalesi için tartışma - sayfa 9
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Eh, hepsi çok iç karartıcı :( Ve gerçekten, tartışmanın bile bir anlamı yok....
Ticaretin sonuçları nerede?
Bırakın bilim insanları tartışsın, tüccarlar ticaret yapsın ve programcılar programlasın....
Makalede belirtildiği gibi, eğitilmiş sinir ağları hakkındaki bilgiler, strateji test cihazında veya bir grafikte çalıştırıldıklarında Uzman Danışmanlar tarafından yüklenen ilgili veri dosyalarında kaynak MQL kodundan ayrı olarak saklanır.
Artık Hlaiman EA Generator, bu tür sinir ağı veri dosyalarından herhangi birini, derlemeden sonra bağımsız olarak, örneğin MT4, MT5 terminallerinde manuel ticaret için veya diğer Uzman Danışmanlar oluştururken kullanılabilen iki ayrı MQL4 ve MQL5 göstergesinin kaynak koduna dönüştürme yeteneğine sahiptir.
Ayrıca bu özellik, daha sonra oluşturulan göstergelerin prototipleri haline gelen sinir ağları ile Uzman Danışmanların hata ayıklaması ve optimizasyonu yoluyla göstergelerin dolaylı hata ayıklaması ve optimizasyonu için bir araç olarak yararlı olabilir.
Bu, özellikle test cihazında göstergeleri doğrudan çalıştırma seçeneğinin bulunmadığı MT4 kullanıcıları için geçerli olabilir.
Oluşturulan göstergelerin görünümü ve ayarları, Market'te daha önce yayınlanan ücretsiz test göstergeleriyle aynıdır. https://www.mql5.com/tr/market/product/2551 https://www.mql5.com/tr/market/product/2553.
Yeni göstergelerin farkı, oluşan çubukların desenine göre hesaplanmaları ve yeniden çizilmemeleridir.
Artık Hlaiman EA Generator'ın yardımıyla, kaynak kodunda sunulmuşlarsa ve örneğin teknik analiz gibi fiyat hareketlerine dayanıyorlarsa, diğer hazır Uzman Danışmanların ticaret verimliliğini artırmayı deneyebilirsiniz.
Bu amaçla, bu tür bir EA'nın kaynak koduna doğrudan bir sinir ağı filtresi eklenir, bu filtre başlangıçta EA'yı test cihazında çalıştırırken eğitim için dahil edilebilir ve daha sonra çalışmaya dahil edilebilir.
Filtre modlarını ve gerekli filtreleme derecesini kontrol etmek için EA ayarlarına değişkenler eklenir.
Standart Hareketli Ortalama örneğindeki Uzman Danışmanın ücretsiz örneği piyasadan indirilebilir, orada ayrıca eğitim ve test süreçlerinin bir videosunu da izleyebilirsiniz.
https://www.mql5.com/tr/market/product/8460
Şimdi, Hlaiman EA Generator ile, kaynak kodunda sunulmuşlarsa ve teknik analiz gibi fiyatların hareketine dayanıyorlarsa, diğer hazır EA'ların ticaretinin verimliliğini artırmaya çalışabilirler.
Bunu yapmak için, doğrudan danışmanın kaynak koduna, başlangıçta test cihazındaki eğitim çalıştırma danışmanına dahil edilebilen ve daha sonra çalıştırılabilen sinir ağı filtresi eklendi.
EA ayarlarında kontrol edilecek değişkenler, filtre modu ve gerekli filtreleme derecesi eklendi.
Örnek Hareketli Ortalama üzerine Ücretsiz Örnek danışman, videoyu, süreçleri, eğitimi ve testi de görebileceğiniz Market'ten indirilebilir.
https://www.mql5.com/tr/market/product/8460
Yönetimin bir tür çifte standardı gibi. Market'e ilk bağlantıyı verdikten birkaç dakika sonra yasaklandığımı hatırlıyorum. ;-)
https://www.mql5.com/tr/market/product/8460
Bu örnekte, sinir ağı filtresinin eğitimi, Uzman Danışmanın son güncellemesi olan 2014 için orijinal Hareketli Ortalama ticaretinin sonuçlarına göre gerçekleştirildi - Mart 2015.
Filtrenin etkinliğini kontrol etmek için, Uzman Danışmanı yayından sonraki tüm dönem boyunca, yani Nisan'dan mevcut Ağustos tarihine kadar test cihazında çalıştırdım.
İlk çalıştırma filtre devre dışı bırakılarak (orijinal Hareketli Ortalamaya karşılık gelir) ve ikincisi etkinleştirilerek yapıldı (UseNeuro = true işaretli değişkene bakın), işte sonuçlar:
Böylece, geçen yıl eğitilen sinir ağı filtresinin geçen süre zarfında verimliliğini kaybetmediğini ve ticaretin verimliliğini neredeyse iki kat artırabildiğini görebiliriz.
Now, with Hlaiman EA Generator can try to improve the efficiency of the trade of other ready EAs if they are presented in the source code and are based on the movement of prices, such as technical analysis. To do this, directly in the source code of the adviser added neural network filter that can be initially included in the training run advisor in the tester, and can then be put into operation. In EA settings added variables to control, filter mode, and the necessary degree of filtration.
Örnek Hareketli Ortalama üzerine Ücretsiz Örnek danışman, video, süreçler, eğitim ve testleri de görebileceğiniz Market'ten indirilebilir.
https://www.mql5.com/tr/market/product/8460
Bu örnekte, sinir ağı filtresinin eğitimi, en son EA güncellemesi olan 2014 - Mart 2015 için orijinal Hareketli Ortalamanın ticaret sonuçları üzerinde gerçekleştirilmiştir.
Filtrenin etkinliğini test etmek için, yayından bu yana tüm dönem boyunca, yani Nisan'dan mevcut tarih olan Ağustos'a kadar test cihazında danışman çalıştırdım.
İlk çalıştırma devre dışı bırakılmış bir filtreyle (orijinal Hareketli Ortalamaya karşılık gelir) ve ikincisi etkinleştirilmiş filtreyle yapıldı (bkz. İşaretli değişken UseNeuro = true), işte sonuçlar:
Böylece, geçtiğimiz yıl eğitimin, sinir ağı filtresinin zaman içinde etkili kaldığını ve ticaretin verimliliğini neredeyse iki katına çıkarabildiğini görebiliriz.
Böylece, geçen yıl eğitilen sinir ağı filtresinin geçen süre zarfında verimliliğini kaybetmediğini ve ticaretin verimliliğini neredeyse iki kat artırabildiğini görebiliriz.
Verdiğiniz resimler tam tersini söylüyor: Uzman Danışmanınızı hiçbir koşulda kullanmamalısınız, çünkü en başta kârda açıklanamayan bir sıçrama var ve bu daha sonra uzun süre israf ediliyor. Ve kârdaki bu sıçrama kaldırılırsa (gerçek ticaretin böyle bir sıçramayla başlayacağını kim söyledi?), o zaman ilk resimde bir düşüş ve ikinci resimde - sonunda ara düşüşlerle kâr görüyoruz.
Sorunun modelde (sinir ağları veya daha verimli bir şey) değil, başlangıç verilerinde olduğunu gösteren makalem sitede yayınlandı. Rattle uygulaması gösterildi, dileyenler benden makalenin genişletilmiş versiyonu olan bir kitap satın alabilirler. Böylece Rattle'ın yardımıyla çok basit ve son derece önemli bir şeyi anlayabilirsiniz: sorun algoritmada değil, aşırı eğitilmiş modeller oluşturabilen veya oluşturamayan kaynak verilerdedir. Burada Rattle, aşırı eğitime (overfitting) yol açmayanları seçmek için girdi veri kümelerini denemeye yardımcı olur.
Ve model seçimi onuncu bir konudur.
NOT
Araştırmalarıma göre, herhangi bir tür MA kullanmak aşırı eğitilmiş modeller, yani geçmiş veriler üzerinde mükemmel sonuçlar gösteren ve gerçek veriler üzerinde kesinlikle kârsız olan modeller verir.