文章 "交易策略中的模糊逻辑"
我一直在等待这样一篇文章，但不知何故，它并没有完全公开。
在对历史进行优化后，该系统在未来的表现如何，是否有机会盈利，是否在零点附近徘徊？
我开始阅读这篇文章，在第一个示例中就出现了很多错误。
原来，Curve.mqh 中没有ENUM_LINE_END，所以我写了它。Canvas.mqh 中出现了大量错误。例如，没有Attach。
我完全不明白。前几天，我使用了 Graphics.mqh，运行了我的代码，结果也不行。
所有文件的日期都是从 2017 年 9 月 5 日--也就是我升级到 1653 时开始的。是的，在 1653 版中一切正常。
我什么都不明白，我为这几乎跑题的问题向作者道歉。
为了避免缺乏证据，附上 mqh 文件。我完全不明白会发生什么。
ZЫ 我已经设置了 1643 和 1653 - 但无济于事。
我开始阅读这篇文章，在第一个示例中就出现了很多错误。
原来，Curve.mqh 中没有ENUM_LINE_END，所以我写了它。Canvas.mqh 中出现了大量错误。例如，没有Attach。
我完全不明白。前几天，我使用了 Graphics.mqh，运行了我的代码，结果也不行。
所有文件的日期都是从 2017 年 9 月 5 日 - 我升级到 1653 时开始的。是的，在 1653 版中一切正常。
我什么都不明白，我为这几乎偏离主题的问题向作者道歉。
为了避免缺乏证据，附上 mqh 文件。我完全不明白会发生什么。
ZЫ 我已经设置了 1643 和 1653 - 但无济于事。
您好。您使用的是旧版本的 Canvas.mqh 文件。
当前版本的文件在附件中。
我一直在等待这样一篇文章，但不知何故，它并没有完全公开。
在对历史记录进行优化后，系统在未来的表现如何，是否有机会获利，是否在零点附近徘徊？
您好，任何系统在优化后都会在新的样本上随机表现，如果没有进行至少一次前行测试的话，这篇文章不是讨论这个问题，而是讨论 MT5 有这样一个库，没有人使用它，但它可以以独创的方式使用:)您甚至可以通过将多个模糊逻辑的输出馈送到其他模糊逻辑的输入来制作一个神经网络，并在其中加入一些优化器来调整权重。不过，模糊神经网络 已经有了，但不在这个库中。
附：关于优化的更多信息--既然模糊神经网络降低了过度训练的概率，那么它在新数据上的表现应该会更好，问题是模糊逻辑输入能在多大程度上描述市场。很明显，3 个描述大致相同的振荡器的效果都很差。
我开始阅读这篇文章，在第一个示例中就出现了很多错误。
原来，Curve.mqh 中没有ENUM_LINE_END，所以我写了它。Canvas.mqh 中出现了大量错误。例如，没有Attach。
我完全不明白。前几天，我使用了 Graphics.mqh，运行了我的代码，结果也不行。
所有文件的日期都是从 2017 年 9 月 5 日--也就是我升级到 1653 时开始的。是的，在 1653 版中一切正常。
我什么都不明白，我为这几乎跑题的问题向作者道歉。
为了避免缺乏证据，附上 mqh 文件。我完全不明白会发生什么。
ZЫ 我设置了 1643 和 1653 - 但无济于事。
我也不明白，试试给你的版本吧，我没有更改这个库中的任何内容，如果没用，我可以把我自己的发给你。
下午好。您使用的是旧版本的 Canvas.mqh 文件。
当前版本的文件在附件中。
下午好，谢谢。我只是不明白旧版本从何而来，为什么每次重新安装终端都会更改日期而不更改内容？这一定是个错误。
我也不明白，试试给你的版本吧，我没有改动这个库中的任何内容，如果没用，我可以把我的发给你。
谢谢，我明白了。我会阅读您的文章...
或者，我们可以使用一个现成的 PNN，直接向其输入所描述的类别和样本，而无需模糊层。我们可以得到所有类别/输出的概率估计，我们可以把得到的基函数作为成员函数 的类似物进行分析。
不幸的是，我对它们不是很熟悉，我只用过贝叶斯分类器，结果发现它并不比其他线性模型好，比如同样的回归 +-。这就是为什么我不确定是否应该使用 PNN 而不是 MLP 或 RDF，我可能会在下一篇文章中介绍随机森林，它速度快，模型质量好。
我在Microsoft Azure Studio 中进行了实验，在那里可以快速比较同一集合上的模型。
- studio.azureml.net
将 "购物空间 "划分为模糊逻辑区域本身并不是 "简洁 "逻辑的一种表现：)
新文章 交易策略中的模糊逻辑已发布：
本文研究使用模糊函数库建立基于模糊逻辑的简单交易系统示例。结合提议的模糊逻辑、遗传算法和神经网络改进的系统变体。
在图表上运行脚本:
所选的这些成员函数, 是因为它们只有 2 个可优化的输入参数 (这将在稍后的系统测试阶段完成)。它们也很好地描述了这个系统的极值和中心位置。您可以应用模糊函数库中 可用的 任何成员函数。
作者：Maxim Dmitrievsky