Telif hakkı - sayfa 5

 

Kohonen haritasını uygulamam, ilk yayın. Şimdiye kadar, performansı kontrol etmek için renk paletini kemiklerle nasıl sökeceğini biliyor. Ekli kodlar

Dosyalar:
 

Toplam Kohonen Oyunu.

Yöntem kesinlikle ilginçtir, ancak sabit nesnelerin sınıflandırılması için uygundur. Gerçek şu ki, 30X30 haritasının yeterli eğitimi ve analizi için, ilerlemede yaklaşık 50.000'lik bir dizi eğitim vektörü gerekliydi. Böyle uzun bir zaman diliminde, desenler (var olduklarını varsayın, ancak sabit değiller) bulaşıyor ve harita tek tip bir renk alıyor.Örnekler dörtte. Ek olarak, Kohonen haritasının O[i]/O[i-1] veri gösteriminin türüne karşı çok hassas olduğu ortaya çıktı ve haritayı tek tip bir renkte boyadı ve aynı veriler şu şekilde sunuldu (O[i]- O[i-1])/O[ i], haritayı olması gerektiği gibi iki ayrı alana böldü. Bütün sorun ellerin çarpık bilenmesinde mümkün, ama ben zaten kulaklarım arasındaki sinir ağı için tabiat ana beni gücendiriyor.

Daha sonra düşünce oluştuğunda korelasyonu tekrar deneyeceğim ve alegar üzerinde çalışmanız gerekiyor, aksi takdirde rahatsız olur

 

Uzun zamandır burada olmadığımı.

Saygın topluluğa, seçilen alanda minimum ve minimum dağılım ile maksimum trendlik ilkesine dayalı optimal bir portföy oluşturan bir gösterge sunulur.

Bu bir sürümdür, kodlar optimize edilmemiştir, bu yüzden lütfen fazla tükürmeyin. Bana üzerinde çalışmam için bir fikir versen iyi olur. Gösterge ile çalışmak yorumlarda açıklanmıştır. Çalışmasının bir örneği Şekil 1'de gösterilmektedir .

römork kodları.

Документация по MQL5: Стандартные константы, перечисления и структуры / Константы индикаторов / Стили рисования
Документация по MQL5: Стандартные константы, перечисления и структуры / Константы индикаторов / Стили рисования
  • www.mql5.com
Стандартные константы, перечисления и структуры / Константы индикаторов / Стили рисования - Документация по MQL5
Dosyalar:
 
ivandurak :

Korelasyonu tekrar deneyeceğim...

Burada yayınlanan korelasyon yoluyla kalıplardan çıkarabileceğim maksimum değer.

İşte PM'den gelen mesajımın bir kısmı:

Kalıplarla ilgili yazınızı zevkle okudum. Yapıcı için teşekkürler.Kendimden biraz eklemek istiyorum. Bu çalışmada , hangi veri bölümü alınırsa alınsın, Pearson'ın CC'sinde (> 0.9) birbirine benzeyen oldukça fazla sayıda birbirinden uzak aralıklar olduğunu buldum. Çalışmanın açıklamasında, ikinci video her bölüm için (kırmızı dikey çizgiler arasında) tahmini (dikey çizgilerin dışında) gösterir. Sol köşede, benzer bölümlerin sayısı ve ortalamaları ve en iyi QC'leri verilmiştir.SB için orada yazıldığı gibi, şöyle olmalıdır: SB verilerinde (rastgele yürüyüş), tahmin bir olmalıdır. yatay çizgi, RMS ise mesafe ile ayrılmalıdır.

Dejavu - MQL4 Code Base
  • www.mql5.com
Dejavu - MQL4 Code Base: технические индикаторы для МТ4
 
ivandurak :

Saygın topluluğa, seçilen alanda minimum ve minimum dağılım ile maksimum trendlik ilkesine dayalı optimal bir portföy oluşturan bir gösterge sunulur.

MT5'im yok çünkü ihtiyacım yok. Ancak, kod o kadar iyi yorumlanmıştır ki her şey açıktır.

Kusurlu çoklu çubuk senkronizasyonu, eşitlik hesaplaması, oran sınırı vb. Bu kod, kaba bir biçimde, herhangi bir koşulda bir sentetik oluşturmanın eksiksiz bir yoludur. Yalnızca bu satırı düzenlemeniz gereken yer:

 double   y=ugol/hitrdisp ; //собственно сама формула идеальной иквити ради которой все пляски.

Bu kriter açıktır - inşaat aralığında bir sentetikin en istikrarlı trend eşitliğini bulmak. Ve eğer kriter hesaplamasının belirsizliğine tükürürseniz ve konuyu herhangi bir sentetik oluşturma koşulu için genel bir biçimde ele alırsanız, konuyu daha fazla araştırmanız gerekir:

  1. Katsayılardaki değişikliklerin dinamiklerini izleyin.
  2. Bir sentetik maddenin ataletinin korunmasını araştırın. Örneğin, bu iki boyutlu bir çizelgedir; burada apsis, çizim aralığının ötesindeki çubukların sayısıdır ve ordinat, bunlar üzerinde hesaplanan y'nin (sentetik optimallik kriteri) ortalama (güven aralığı ile - RMS) oranıdır. optimize edilmiş y : y_out / y_in için çubuklar.

Bunu GA üzerinden bile hesaplamak bir zaman denizidir. Bu nedenle, konuyu analitik bir çözüm olmadan araştırmak pratik olarak imkansızdır, ancak arzu edilir.

PS Bulutu keserseniz, belki onu keşfedebilir ve başarılı olabilirsiniz.

 

Desenler teması hala devam ediyor mu?

Başarılarım hakkında burada yazdım: https://www.mql5.com/en/forum/133209/page5

- Kohonen'in SKP'sini kalıplar üzerinde eğitiyoruz (onları nasıl oluşturduğunuz bireysel bir sorudur, ancak önemli bir sorudur)

- her UPC hücresine kendi numarasını atayın (benim için koordinatlardı, örneğin 3; 5)

- koordinatları x1;y1 olan bir hücrenin aktivasyonu üzerine bir pozisyona giriş ve bir x2;y2 hücresinin aktivasyonu üzerine bir pozisyonun kapatılması. Bu durumda birçok giriş ve çıkış hücresi olabilir (kombinasyonları önemlidir)

- uygulama (benim için): dll'deki eğitimli UPC, danışmana mevcut fiyat modeli tarafından etkinleştirilen hücrenin koordinatlarını gönderir, eğer koordinatlar bir girişi gösteriyorsa gireriz, sonra aktif hücre kapanışı gösteriyorsa biz de çıkarız pozisyonun. Aynı zamanda, genetik, belirli hücrelere giriş ve çıkış konusunda çok sayıda varyasyonu sıralayabilir ve en karlı olanları danışmana kaydedebilir. Tüm genetik koşuları analiz ettikten sonra elle kaydettim.

Bu nedenle, sadece giriş ve çıkış modeli değil, önemlidir. Sonuçlar oldukça farklı. Orada resimlerim var.

SOM: способы приготовления - MQL4 форум
  • www.mql5.com
SOM: способы приготовления - MQL4 форум
 

Kalıplar (ve diğer nispeten karmaşık konularda) üzerinde çalışmak için benzer bir video (HD olarak) yayınlamanızı öneririm:

Bu şekilde yöntemin sonuçlarını görsel olarak değerlendirebilirsiniz. Üçüncü taraf yorumlarını ve fikirlerini dahil edin.

Yazarın yöntemi için benzer bir video hazırlamasından daha iyidir, birinin başarılı olması pek olası değildir. Ana koşul, geleceğe bakmamaktır.

Dinamikler bu şekilde görünür, her kare dakika olarak sayılabilir (hesaplama algoritmasına bağlı olarak).

 
alexeymosc :

Desenler teması hala devam ediyor mu?

Başarılarım hakkında burada yazdım: https://www.mql5.com/en/forum/133209/page5

- Kohonen'in SKP'sini kalıplar üzerinde eğitiyoruz (onları nasıl oluşturduğunuz bireysel bir sorudur, ancak önemli bir sorudur)

- her UPC hücresine kendi numarasını atayın (benim için koordinatlardı, örneğin 3; 5)

- koordinatları x1;y1 olan bir hücrenin aktivasyonu üzerine bir pozisyona giriş ve bir x2;y2 hücresinin aktivasyonu üzerine bir pozisyonun kapatılması. Bu durumda birçok giriş ve çıkış hücresi olabilir (kombinasyonları önemlidir)

- uygulama (benim için): dll'deki eğitimli UPC, danışmana mevcut fiyat modeli tarafından etkinleştirilen hücrenin koordinatlarını gönderir, eğer koordinatlar bir girişi gösteriyorsa gireriz, sonra aktif hücre kapanışı gösteriyorsa biz de çıkarız pozisyonun. Aynı zamanda, genetik, belirli hücrelere giriş ve çıkış konusunda çok sayıda varyasyonu sıralayabilir ve en karlı olanları danışmana kaydedebilir. Tüm genetik koşuları analiz ettikten sonra elle kaydettim.

Bu nedenle, sadece giriş ve çıkış modeli değil, önemlidir. Sonuçlar oldukça farklı. Orada resimlerim var.

1. Sizin durumunuzda 40 bar olan COM girişine sabit bir pencere boyutu uygularsınız. IMHO, piyasanın mevcut portresini bir şekilde çizmek tamamen doğru değil, genel durumda, sürgülü pencerenin değeri, minimum yeterli olması koşuluyla değişken bir değer olacaktır. Ek olarak, eğitim vektörü yalnızca fiyatı değil, faiz oranlarından gösterge okumalarına kadar her şeyi içerebilir, buna ticaret emirlerinin dağılımı, direnç destek seviyelerinin yakınlığı vb. dahildir.

2. Grafiği sınıra kadar sıkıştırırsanız, üç daire alanı, bir yükseliş trendi ve bir düşüş trendi tarihte açıkça öne çıkacaktır. Resmileştirmeye çalışmayacağım, o kadar aptal değilim. Görev, bu alanları belirlemek ve başlangıçlarının erken bir aşamasında onları tanımlamaya çalışmaktır.

3. Tarih konusunda eğitimli COM. Şimdiki anın yörüngesini çevrimiçi haritada görmeyi hayal ediyorum. Yörünge tahmin edilirse, benzer tarihi sitelerde karlı bir strateji seçmek ve önceden başlatmak mümkündür.

4. Kümelerin mümkün olan maksimum tekdüze dağılımı için bir harita oluşturmak gereklidir. Uygulamamın haritasında, yukarıdaki şekle bakın, algoritmanın neredeyse doğru çalıştığını görebilirsiniz. Giriş vektörlerinin bir sınıflandırması vardır. Ancak, IMHO, haritayı bir gökkuşağı gibi kırmızıdan mora eşit olarak doldurmak ve merkezdeki gölgeleriyle kırmızı rengi yoğunlaştırmamak daha doğru olacaktır.

 
hrenfx :

konuyu daha fazla araştırmanız gerekiyor:

  1. Katsayılardaki değişikliklerin dinamiklerini izleyin.
  2. Bir sentetik maddenin ataletinin korunmasını araştırın. Örneğin, bu iki boyutlu bir çizelgedir; burada apsis, çizim aralığının ötesindeki çubukların sayısıdır ve ordinat, bunlar üzerinde hesaplanan y'nin (sentetik optimallik kriteri) ortalama (güven aralığı ile - RMS) oranıdır. optimize edilmiş y : y_out / y_in için çubuklar.

Bunu GA üzerinden bile hesaplamak bir zaman denizidir. Bu nedenle, konuyu analitik bir çözüm olmadan araştırmak pratik olarak imkansızdır, ancak arzu edilir.

PS Bulutu keserseniz, belki onu keşfedebilir ve başarılı olabilirsiniz.

Size tamamen katılıyorum. Bir danışmana ihtiyacımız var ama orada bir sürü taş yığılmış. Ben nasıl diye düşünürken.
 

Aynı fikirde olmamak. Belirli sayıda girdi parametresi ile bir Uzman Danışman yazmayı öneriyorsunuz, bu da kalıpları bulmaya çalışabileceğinizi optimize ediyor.

Diğer yolun doğru olduğunu düşünüyorum - önce derin bir çalışma ve ancak daha sonra bu çalışmaya dayalı girdi parametreleriyle bir Uzman Danışman yazmak.

Neden: