文章 "利用 MQL5 向导和 Hlaiman EA 生成器创建神经网络 EA" - 页 3

新评论
 

感谢大家参与讨论和反馈，有兴趣的朋友可以详细查看测试 EA 信号 Hlaiman EA Generator 007 -
登录 : 1512007
密码 : a3mlnkj
服务器 : MetaQuotes-Demo

 
gpwr:

锤子也是一种工具，但你不能用它来分裂原子。没那么简单。

锤子不是为此而设计的，神经网络 的装置相当于大脑，神经网络没有直觉）。
 
joo:

有时，阅读文章的评论就足够了，....而不必在文章本身浪费时间。

感谢评论者。总之，"和平，劳动，愿！"。

虽然是免费的，但如此多的感谢会使其价值大打折扣：)。
 
gpwr:

建立一堆神经网络很容易，在回溯测试中展示它们的盈利能力也很容易。但要确定这些网络在未经训练的数据上的表现，还需要进行前向测试。市场变化的动态与重新训练网络的频率无关。在每一个新的刻度点上重新训练网络，对在真实市场上获利没有任何帮助。 如何创建这样一个网络，在新的数据上持续获利，这才是最重要的。而 pipswitcher 上的信号并不能证实什么。没有神经网络也能盈利的模拟 pipers 比比皆是。

...

有人说过（但我要重复一遍），为了对神经网络进行定性训练，有必要给它提供定性实例（不矛盾，保证有图像），但只有当您有准备此类数据的算法时，才不需要神经网络（可以用其他方法描述）。

这个循环已经结束。

 

我喜欢这篇文章和产品的潜力。至少，他将言语付诸了行动。

向作者致敬！

 
Urain:

已经说过了（但我还是要重复一遍），要对 NS 进行定性训练，就需要给它提供定性的例子（不矛盾，保证有图像），但只有当你有了准备这些数据的算法时，你才不需要 NS（它们可以用其他方法描述）。

这个圆是封闭的。

但您完全不必放弃 NS，因为您提到的数据准备算法可以建立在神经网络组件、自组织 Kohonen 地图 (SOM) 或遗传算法(GA) 的基础上，例如在 Hlaiman 应用程序中甚至有一个单独的插件，其中包含此类组件和非线性过滤器。
。

不过，本文无意证明或反驳 NS 的有效性，而只是基于 MQL5 向导提出了一种简单应用 NS 的自动化方法，与技术分析的经典指标一样简单，或与这些指标任意组合使用。
。

 
perepel:

我喜欢这篇文章和产品的潜力。至少，他把言语化为了行动。

向作者致敬！

hlaiman:

感谢您参与讨论和反馈，有兴趣的朋友可以详细查看测试 EA Hlaiman EA Generator 007 的信号 -
登录 : 1512007
密码 : a3mlnkj
服务器 : MetaQuotes-Demo

上述信号是对一系列>4000 笔交易的实时前向测试。测试的 Expert Advisor 007 使用了 MQL5 Wizard 的附加模块 SignalHFT.mqh，该模块目前正在测试和改进中。
MT5 的该模块只能在技术支持和更新模式下提供给许可客户。本论坛曾 讨论过在 MT4 上使用 Hlaiman EA 生成器进行高频交易的实验。

 
hlaiman:

上述信号是对一系列大于 4000 笔交易的实时前向测试。测试的智能交易系统 007 使用了 MQL5 向导 SignalHFT.mqh 的附加模块，目前正在对其进行测试和改进。
MT5 的该模块只能在技术支持和更新模式下提供给许可客户。本论坛曾讨论过在 MT4 上使用 Hlaiman EA 生成器进行高频交易的实验。

有趣的工作。有趣的解决方案。

无论是在文章中还是在软件包的描述中，我都没有找到：网络在训练过程中使用哪些输入数据？

也许我在什么地方漏掉了。

软件包的描述非常模糊。这里有 "模糊逻辑 "和 "神经网络"--听起来很美。能说得更具体些吗？

要评估一个产品，您需要知道

输入数据（指标、统计数据等）

它们的数量以及如何选择。

当然，还需要知道使用了哪些网络、训练方法和其他细节，没有这些信息，这个 "黑盒子 "就会一直黑下去。将其用于交易是一种极端的做法。

否则，这种方法就很有趣了："你不需要知道关于这个的任何事情。打开它，开始工作吧"。

祝您好运

 
vlad1949:

有趣的工作。有趣的解决方案。

我在文章和软件包说明中都没有找到：网络在训练过程中使用哪些输入数据？

也许我在什么地方漏掉了。

软件包的描述非常模糊。这里有 "模糊逻辑 "和 "神经网络"--听起来很美。能说得更具体些吗？

要评估一个产品，您需要知道

输入数据（指标、统计数据等）

它们的数量以及如何选择。

当然，还需要知道使用了哪些网络、训练方法和其他细节，没有这些信息，这个 "黑盒子 "就会一直黑下去。将其用于交易是一种极端的做法。

否则，这种方法就很有趣了："你不需要知道关于这个的任何事情。打开它，开始工作吧"。

祝你好运。

对这位先生来说，这已经是过去式了。在你能读到的快速分支 中，他就在那里--lohhft，询问网络架构和数据预处理以及其他在这种情况下（PBX 开发人员）唯一有趣的细节。这位同志愚蠢地冷若冰霜，先是走开，然后试图转移话题，接着又声称自己不是人工智能专家，然后又说一般来说这不是他的产品，然后又在另一个话题中说这已经是他的产品了，等等。

如果你去他的网站，有选择性地对角阅读他的文章，就会发现在某种程度上他是对的，他不是人工智能专家是事实。他只是一个有精神分裂倾向的虚构者。

至于这篇文章，它发表在这里的事实再次证明你知道什么....。

 
hlaiman:

但您完全不必放弃 NS，因为您提到的数据准备算法可以建立在神经网络组件、自组织 Kohonen 地图 (SOM)或遗传算法(GA) 上，例如，Hlaiman 应用程序甚至有一个包含此类组件和非线性过滤器的独立插件。
。

不过，本文无意证明或反驳 NS 的有效性，而只是基于 MQL5 向导，提出一种简单应用 NS 的自动化方法，与技术分析的经典指标一样简单，或与这些指标任意组合。
。

在强调这一点时，不要让读者产生误解，GA 并不是 NS 的实现，GA 是一种优化方法。

至于 NS 可以作为选择范例的工具，我不反对，但也不肯定。

如果我们照搬自然界，似乎是 NS 在选择范例，但让我们先描述一下人类出现的整个史前史：

在遗传工程的帮助下，人们选择了具有竞争优势的细胞，然后让我们跳过 "共同生存更容易 "这一事实和生物体的出现，直接描述 NS 细胞的出现。

到那时，细胞已经天生具有内反射。也就是说，数百万年的遗传变异已经形成了这样一种装置，能够成功地应对当前的生存任务。然后，我们再倒退一下，我们会看到一些人按照 "照我做 "的原则照顾自己的孩子并传递信息。

这个原则很好，但个体所拥有的信息正是在相同的遗传基因的帮助下繁衍出来的，这就是多年的进化。

这就是作品的结尾。结论："照我说的做 "这一原则的传播范例是在一个庞大的群体中经过很长一段时间培育出来的。这种进化还在继续，世界在变，领导在变，榜样也在变。

现在，让我们来谈谈我们的绵羊：外汇市场相对年轻，其一，人类的器官并不适合处理抽象概念和数字（作为抽象概念的一种实现），其二，人类的神经细胞有他妈的十亿个连接，他几乎无法应付外汇交易（目前的赢家并不是随机的猴子，这不是事实），其三，人类的神经细胞有他妈的十亿个连接，他几乎无法应付外汇交易（目前的赢家并不是随机的猴子，这不是事实），其四，人类的神经细胞有他妈的十亿个连接，他几乎无法应付外汇交易（目前的赢家并不是随机的猴子，这不是事实）。你想在 NS（好吧，比如 100x100 个神经元）上重复百万年的进化，而（好吧，比如 1000 个连接）？

1234567891011
新评论