Nöral ağlar - sayfa 25
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
Predicting the direction and movement of stock index prices is difficult, often leading to excessive trading, transaction costs, and missed opportunities. Often traders need a systematic method to not only spot trading opportunities, but to also provide a consistent approach, thereby minimizing trading errors and costs. While mechanical trading systems exist, they are usually designed for a specific stock, stock index, or other financial asset, and are often highly dependent on preselected inputs and model parameters that are expected to continue providing trading information well after the initial training or back-tested model development period. The following research leads to a detailed trading model that provides a more effective and intelligent way for recognizing trading signals and assisting investors with trading decisions by utilizing a system that adapts both the inputs and the prediction model based on the desired output. To illustrate the adaptive approach, multiple inputs and modeling techniques are utilized, including neural networks, particle swarm optimization, and denoising. Simulations with stock indexes illustrate how traders can generate higher returns using the developed adaptive decision support system model. The benefits of adding adaptive and intelligent decision making to forecasts are also discussed.
The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return. (c) 2013 Elsevier Ltd. All rights reserved.
Sinir Ağı Göstergeleri Geliştirme
Merhaba!
Metatrader4 için bazı sinir ağı göstergeleri yapmaya çalışıyorum ve çoğunlukla ağın giriş ve çıkışları ve belki de bu uygulama için en iyi olduğunu düşündüğünüz ağın yapısı veya türü ile ilgili bazı önerilerde bulunmak istiyorum.
Bildiğim kadarıyla, finansal seri tahmini için en iyi çıktılar, fiyat aralığı tahmini, en yüksek veya en düşük tahmin ve bu tür şeylerdir. Fiyatı (açılış, kapanış) doğrudan tahmin etmek pek çok nedenden dolayı iyi sonuçlar vermez, örneğin açılış saati ile kapanış saati arasındaki zamanın küçük bir kayması değerleri önemli ölçüde değiştirebilir.
Önerisi olan varsa seve seve dinlerim ve denerim.
Bu arada, uzman bir sinir ağı programcısı değilim, sadece konu hakkında genel olarak iyi bir fikrim var =P.
Şimdiden teşekkürler,
JCC
The Foreign Exchange Market is the biggest and one of the most liquid markets in the world. This market has always been one of the most challenging markets as far as short term prediction is concerned. Due to the chaotic, noisy, and non-stationary nature of the data, the majority of the research has been focused on daily, weekly, or even monthly prediction. The literature review revealed that there is a gap for intra-day market prediction. Identifying this gap, this paper introduces a prediction and decision making model based on Artificial Neural Networks (ANN) and Genetic Algorithms. The dataset utilized for this research comprises of 70 weeks of past currency rates of the 3 most traded currency pairs: GBP\USD, EUR\GBP, and EUR\USD. The initial statistical tests confirmed with a significance of more than 95% that the daily FOREX currency rates time series are not randomly distributed. Another important result is that the proposed model achieved 72.5% prediction accuracy. Furthermore, implementing the optimal trading strategy, this model produced 23.3% Annualized Net Return.
OpenNN (Open Neural Networks Library) is a software library written in the C++ programming language which implements neural networks, a main area of deep learning research..
OpenNN, veri madenciliği yöntemlerini bir işlevler demeti olarak uygular. Bunlar, yazılım aracı ile tahmine dayalı analitik görevleri arasındaki etkileşim için bir uygulama programlama arabirimi (API) kullanılarak diğer yazılım araçlarına yerleştirilebilir. Bu bağlamda, bir grafik kullanıcı arabirimi eksiktir ancak bazı işlevler belirli görselleştirme araçlarının entegrasyonunu destekleyebilir.
OpenNN'nin ana avantajı yüksek performansıdır. Bu kütüphane, yürütme hızı ve bellek tahsisi açısından üstündür. Verimliliğini en üst düzeye çıkarmak için sürekli olarak optimize edilir ve paralelleştirilir.
Sinir ağı
Sinir Ağı: tartışma/geliştirme konuları
Sinir Ağı: Göstergeler ve sistem geliştirme
Sinir Ağı: EA'lar
Sinir Ağı: Kitaplar