文章 "神经网络在交易中的实际应用 Python (第一部分)"
追求，而非文章
1.
在文章正文或资料来源中都没有关于常数 10 000（1 和 4 个零） 的说明，在文章中搜索时使用了 51 次
我怀疑这是欧元兑美元的位数，但为什么是100 000（1 和 5 个零）？
inB[15]=(iOpen(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*100000; inB[16]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iOpen(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*100000; inB[17]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*10000; inB[18]=(iHigh(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i)))-iOpen(NULL,PERIOD_H1,i+1))*10000; inB[19]=(iOpen(NULL,PERIOD_H1,i+1)-iLow(NULL,PERIOD_D1,iBarShift(NULL,PERIOD_D1,iTime(NULL,PERIOD_H1,i))))*10000;
。
2. PythonTestExpert
这段代码总的来说很神秘：
void OnTick() { MqlDateTime stm; TimeToStruct(TimeCurrent(),stm); for(int i=0; i<=14; i++) { in[i]=in[i+5]; }
我猜测我们每个 tick 都会移动数组，但数组的初始值从何而来？....下面我们从第 15 个元素开始填充数组，直到数组的末尾。
3.
为什么指标 DibMin1-1.mq5 和 DibMax1-1.mq5 的代码有 99%是相同的，被分隔在 2 个指标中，而不是在一个指标中用 2 行（缓冲区）执行？
4. 关于 Python 也有问题，起初对 Python 脚本没有任何注释，也没有说明编写该脚本的目的，但在文章末尾突然出现了对该脚本作用的描述，以及我们在优化 Expert Advisor.... 时已经使用了该脚本的数据这一事实。好吧，请读者再回来看看这个脚本的数据在哪里，也许就是这里：
?
我不会写我不喜欢这篇文章（或者这篇文章很荒谬），但文章的标题 "神经网络在交易中的实际应用。Python "非常响亮，而且搜索引擎现在会将这篇文章显示在搜索结果的第一位，这实在令人遗憾
这是一次探索，不是一篇文章。
1.
文章正文或资料来源中都没有关于常数 10 000（1 和 4 个零） 的说明，文章中的搜索被使用了 51 次
怀疑这是欧元兑美元的位数，但为什么是100 000（1 和 5 个零）：
10000 和 100000 这两个数字从何而来？它们意味着什么？
2. PythonTestExpert
这段代码总的来说很神秘：
我怀疑我们每隔一个刻度就移动一次数组，但我们从哪里获得数组的初始值呢？....下面我们从第 15 个元素开始填充数组，直到数组结束。
3.
为什么指标 DibMin1-1.mq5 和 DibMax1-1.mq5 的代码 99% 相同，但不能在一个指标中用两行（缓冲区）执行？
4. 关于 Python 也有问题，起初对 Python 脚本没有任何评论，也没有说明编写该脚本的目的，但在文章末尾突然出现了对该脚本作用的描述，以及我们在优化 Expert Advisor.... 时已经使用了该脚本的数据这一事实。好了，请读者再回来看看这个脚本的数据在哪里，也许就是这里：
?
我不会写我不喜欢这篇文章（或者这篇文章很荒谬？），但文章的标题 "神经网络在交易中的实际应用。Python "非常响亮，而且搜索引擎现在会将这篇文章显示在搜索结果的第一位，这实在令人遗憾
感谢您提出的好问题
1.10,000 还是 100,000 ？" * " 还是 " / " ？我们形成了 NS 的输入数据。(我头颅中的神经网络很喜欢输出到文件中的数据。也许另一个盒子里的神经网络也会喜欢。开个玩笑）使用 NS 时，您必须对神经网络本身的超参数、架构和输入数据进行试验。这里可能不是 "2 乘以 2 是 4"，而是 "2 乘以 2 是？
2.关于PythonTestExpert 的问题 .我漏掉了需要澄清的一点--我们在策略测试器中以 H1 开盘价运行 Expert Advisor。指标集群的移动是在每个柱形图上进行的。在另一种情况下，我在 00 点使用指标移动 - 每天一次。这里也需要进行试验。
3.两个指标 - 纯粹是为了方便，这是一种特殊情况。通常情况下，交易策略是建立在任何一个方向上的。因此，在数据取样时，使用一条指标线更为方便，它可以显示当天的最大极值或最小值。在这里，也可以尝试 "来回 "移动。
4.关于 Python 脚本 - 是的，也许我想简化得太多了.....。但我写这篇文章的目的是为了展示使用 Python 集成的神经网络实际应用的 简易性。现阶段--获取输入数据、训练和测试。"按下按钮，得到结果"。我不知道这个话题是否已经以这种方式涉及过？我没有。其他人说过。但我想与大家分享....。
5.就荒谬问题开个玩笑--在一个盒子里看着一套被称为技术指标的公式就想赚钱，这难道不荒谬吗！！！))))。
5.就荒谬这个问题开个玩笑--在一个盒子里看着一套被称为技术指标的公式就想赚钱，这难道不荒谬吗！！！))))。
这篇文章之所以荒谬，是因为根本无法坐下来阅读这些材料，没有连贯的表述，没有方法论的描述，没有研究的目的--我说的不是从简单到复杂，而是根本没有逻辑可循。
在这里
在撰写这篇文章的过程中，我决定也举一个例子来说明 NS 学习目标的不同方法。为此，让我们对 PythonIndicators 脚本做一些修改。
这表明文章的材料准备得不够充分，您想探索给定方法的更多可能性--描述新的目标，描述我们将从现成的代码中使用什么。
这样的表述看起来就像是，我们为什么不试着用 "科学探究 "的方法转一转--"我一直在转，我很清楚我们会得到什么："。
这里的逻辑是，我们是根据已经实现的目标来训练 NS，而不是根据即将发生的事件来训练 NS。你可能会同意，这更符合逻辑。毕竟，评估过去的事件比预测更容易。
因此，我们得到了这样一个指标。
建议
下面是一些优化结果。
我完全不想发表评论--一组从油漆中剪下的图案？ 为什么屏幕上有不同的日期和大小？ 优化参数的值在哪里？
这是什么？- 是谷歌的 "图片搜索 "吗？
这篇文章很荒谬，因为它根本无法让人坐下来阅读材料，没有连贯的表述，没有方法论的描述，没有研究的目的--我说的不是从简单到复杂，而是根本没有逻辑可循。
这
在撰写这篇文章时，我决定也举例说明一下 NS 学习目标的不同方法。为此，让我们对 PythonIndicators 脚本做一些修改。
如果您想探索给定方法的更多可能性--描述新的目标，描述我们将从现成的代码中使用什么，那么这是文章材料准备得不够充分的标志。
在这种情况下，我们为什么不试着用 "科学抽水 "的方法--"我一直在抽水，我很清楚我们会得到什么："--来抽点别的东西呢？
关于
为什么屏幕上有不同的日期、不同的尺寸？ 优化参数的值在哪里？
这是什么？- 是谷歌的 "图像搜索 "吗？
原则上，我同意所有内容--我会根据评论意见对文章进行最后修改。谢谢...
原则上，我同意所有意见 - 我会考虑这些意见，最后完成文章。谢谢...
太好了！
材料是有需求的，至少我对这个方向很感兴趣。
ZY: 是的，这里还有我之前留言的内容--文章中的所有研究成果都应该具有可复制性，不仅如此，它还能证实文章的有效性，你也不会质疑你是从哪里得到这些成果的（你的优化截图），而且，它很有可能会成为有用的培训材料。
Sv.
我已经安装了 MT5 软件包，但从未使用过。为了简洁起见，您可以删除 python 程序中的所有指标和交易
是的，我们使用指标在 python 程序中训练 NS。然后，另一个 python 程序将使用训练好的 NS 进行交易...
4.关于 Python 脚本--是的，也许我想过度简化.....。但我写这篇文章的目的是展示使用 Python 集成神经网络的实际应用的 简易性。现阶段--获取输入数据、训练和测试。"点击按钮，得到结果"。我不知道这个话题是否已经以这种方式涉及过？我没有。其他人说过。但我想与大家分享....
5.作为一个关于荒谬问题的笑话--在一个盒子里看着一套叫做技术指标的公式就想赚钱，这难道不荒谬吗！！！))))。
"用Python 集成 来展示 神经网络实际应用 的简单性 " ，你失败了。你提出的程序称不上简单。而且根本没有集成 。
"接收输入数据、训练和测试"--所有这些都可以而且应该在 Python 中完成。 MetaTrader5 软件包就是为此目的而编写的。
没有神经网络超参数的优化和输入数据的高质量准备，我们就谈不上任何严肃的结果。Python 拥有执行这些重要而不简单步骤的一切。而你的文章却没有。
"点击按钮就能得到结果 "与 你的方法无关。在机器学习领域，有一整个领域正在发展--机器学习自动化。在那里，是的，你收集数据，将其传递给程序，程序将确定预处理的方法和技术，选择能为数据提供最佳结果的一个或多个模型，优化超参数，并生成可供使用的结果。
这篇文章展示了创建和使用神经网络的错误步骤顺序--在我看来，这是一个重大缺陷。没有充分使用整合这一事实令人遗憾，但并非致命。文章的标题应该更谦虚一些。
祝好运
"使用 Python 集成 来展示 神经网络实际应用 的简单性 " ，你失败了。你提出的程序称不上简单。而且根本没有集成 。
"所有这些都可以而且应该在 Python 中完成，MetaTrader5 软件包就是为此目的而编写的。
如果不对神经网络超参数进行优化，不对输入数据进行高质量的准备，我们就谈不上取得任何重大成果。Python 拥有执行这些重要而不简单步骤的一切。而您的文章却没有。
"点击按钮就能得到结果 "与 你的方法无关。在机器学习领域，有一整个领域正在发展--机器学习自动化。是的，在那里，你收集数据，将其传递给程序，程序将决定预处理的方法和技术，选择能为数据提供最佳结果的一个或多个模型，优化超参数，并生成可供使用的结果。
这篇文章展示了创建和使用神经网络的错误步骤顺序--在我看来，这是一个重大缺陷。事实上，整合没有得到充分利用是令人遗憾的，但并不是致命的。文章的标题应该更谦虚一些。
祝好运
如果您观看了文章末尾的视频，就会发现获取数据、训练 NS（基于这些超参数）和构建指标的整个过程最多需要 2 分钟。这并不难，任何交易者都可以使用，而不仅仅是 "被选中的 "交易者。
关于整合问题整个创造过程都是在本文所描述的阶段进行的，尤其是在接收输入数据和对这些数据进行采样时。为此，我个人使用自己的指标。现在我要强调一点))))- 在神经网络 发展的这一阶段，分析纯时间序列的超参数并不重要。从根本上说，神经网络现在是为机器人技术（广义上）而 "锐化 "的。用于分类。也就是说，它们在完整图像上运行得非常好。但是，如果我们在猫和狗身上训练 NS，而只给它看一只耳朵，那么夸张地说，我们可以得到 "它是戴帽子的先锋 "这样的答案。而在我们的工作中，只有过去才有完整的图像，现在则没有....。这就是为什么 NS 培训的准备阶段如此重要。还有整合。- 这是一个纯粹的技术过程。Python 将其大大简化，并将其带入交易的实际应用 层面。
运行两个脚本 - PythonIndicators .mq5 , PythonPrices.mq5 后，创建了空的 .csv 文件 - 原因是什么？
请问原因是什么？
新文章 神经网络在交易中的实际应用 Python (第一部分)已发布：
在本文中，我们将分析一个基于Python的深层神经网络编程的交易系统的分步实现。这将使用谷歌开发的 TensorFlow 机器学习库执行。我们还将使用 Keras 库来描述神经网络。
让我们考虑一些与神经网络训练数据准备有关的问题。
作者：Andrey Dibrov