交易中的机器学习：理论、模型、实践和算法交易 - 页 320

[Dr. Trader]

Mihail Marchukajtes:

<图>。

我会把优化日期缩短6倍，这样优化器只看到所有这些图形的尖端，并按照我上面写的参数中的滚动日期进行优化。

然后为了检查已经发现的最佳结果，在几个月的数据上运行测试，纯粹的视觉评估。

[Maxim Dmitrievsky]

Mihail Marchukajtes:

关键是，我们不是在谈论NS，而是在谈论Sequent，所以看看它在同一工作时期不同输入值的公平性。我没有优化它，我只是用手去看了看。

5-5

6-6

7-7

这个案例与4-8，同一时期，更加有趣。而且，它在300点的止损下是有效的。

这是从1月1日开始到现在。我承认，我选择了优化器的最后一个屏幕，嗯，优化器中只有49个通道。因此，事实上，我必须学会正确地选择必要的参数，而不是从无维度的集合中，而是从具有如此少量变体的有限集合中。So..........

你为什么不使用Reshetov的RNN但分类器呢？ 它有一个有趣的逻辑核心在那里，而且机器人可以在默认情况下工作

现在有这样一项任务，用振荡器和回归斜率给NS的输入提供一定数量的条形图。从理论上讲，振荡器只在平坦的地方起作用，而且是在趋势中倾泻。如果我们加入回归斜率的归一化值，网格将考虑到趋势的斜率。在这里，我还没有决定是以度还是以点取值。 目前是以点取值，以及从多少点到多少点进行归一化 :)

double CalcRegression(double &PricesArray[])
     {
      double Summ_x=0.0;
      double Summ_y=0.0;
      double Summ_xy=0.0;
      double Summ_x_2=0.0;
      int jcount;
      for(int xcount=1; xcount<=глубина_анализа && !IsStopped(); xcount++)
        {
         jcount=глубина_анализа-xcount;
         Summ_x+=xcount;
         Summ_y+=PricesArray[jcount];
         Summ_xy+=xcount*PricesArray[jcount];
         Summ_x_2+=MathPow(xcount,2);
        }

      double bcoef=(глубина_анализа*Summ_xy-Summ_x*Summ_y)/(глубина_анализа*Summ_x_2-MathPow(Summ_x,2));  
      return(bcoef);
     }

而这是RNN神经元本身；只有3个振荡器的值被送入输入，这当然不是很正确

double RNN(double p1,double p2,double p3)
  {
//--- вероятности для правил из базы знаний экспертной системы
   double y0 = x0; // Вероятность правила №0 в процентах
   double y1 = x1; // Вероятность правила №1 в процентах
   double y2 = x2; // Вероятность правила №2 в процентах
   double y3 = x3; // Вероятность правила №3 в процентах
   double y4 = x4; // Вероятность правила №4 в процентах
   double y5 = x5; // Вероятность правила №5 в процентах
   double y6 = x6; // Вероятность правила №6 в процентах
   double y7 = x7; // Вероятность правила №7 в процентах

//--- база знаний, состоящая из набора взаимоисключающих правил
   double probability=
                      (1.0 - p1) * (1.0 - p2) * (1.0 - p3) * y0 + // Правило №0
                      (1.0 - p1) * (1.0 - p2) * p3 * y1 +         // Правило №1
                      (1.0 - p1) * p2 * (1.0 - p3) * y2 +         // Правило №2
                      (1.0 - p1) * p2 * p3 * y3 +                 // Правило №3
                      p1 * (1.0 - p2) * (1.0 - p3) * y4 +         // Правило №4
                      p1 * (1.0 - p2) * p3 * y5 +                 // Правило №5
                      p1 * p2 * (1.0 - p3) * y6 +                 // Правило №6
                      p1 * p2 * p3 * y7;                          // Правило №7

//--- конвертируем проценты в вероятности 
   probability=probability/100.0;

//--- возвращаем результат в виде вероятности
   return(probability);
  }

[Mihail Marchukajtes]

马克西姆-德米特里耶夫斯基。

你为什么不使用Reshetov的RNN？ 它有一个有趣的逻辑引擎，你可以让机器人在默认情况下工作

理论上讲，震荡器只在平盘中起作用，而在趋势中则是倾泻而下。从理论上讲，振荡器只在平坦处起作用，而在趋势中则是倾泻而下。如果我们加入回归斜率的归一化值，网格将考虑到趋势的斜率。在这里，我还没有决定是以度还是以点取值。 目前是以点取值，以及从多少点到多少点进行归一化 :)

而这是RNN神经元本身--只有3个振荡器的值被输入到它，这不是很正确。

谢谢你的提示，我今天一定会在我的数据上试试。

请告诉我在哪里可以得到它，我不能贸然地找到它。我四处打听也找不到。

[Maxim Dmitrievsky]

Mihail Marchukajtes:

谢谢你的提示，我今天一定会在我的数据上试试。

请告诉我从哪里下载，我找不到。谢谢你!

有RNN和RN3以及它在MQL5中未发表的文章，但这是没有用的。在优化器中，RNN比RNN3效果更好。

[Dr. Trader]

马克西姆-德米特里耶夫斯基。

而这是RNN神经元本身，只有3个振荡器的值被输入，当然这不是很正确的。

有趣的代码，谢谢。也是为了这篇文章。

RNN(double p1,double p2,double p3)

所有参数p1、p2、p3的值都应该在0到1之间。如果你从回归中传递B到这些参数之一，请确保将其归一化到同一区间[0;1]。

一般来说，这种策略是基于高RSI值意味着价格即将下跌的理论。为了准确起见，我们取了三个RSI值，根据概率论的规则，我们从三个参数中得到一个估计值。
所以，如果你不给第三个RSI，而是给你自己的信号，那么这个信号的高值一定意味着价格会下跌。否则你会破坏战略。

[Maxim Dmitrievsky]

交易员博士。

有趣的代码，谢谢。也是为了这篇文章。

如果你把回归中的B值传给这些参数之一，它必须被归一化到同一个区间[0;1]。

是的，这是正确的。如果我们想让它在上涨的市场上买入，在下跌的市场上卖出，只有我们应该反转回归值，因为如果神经元输出的概率<0.5，它就会买入，而rsi应该趋于零，当<0.5时回归也会下降，而我希望它增长>0.5

[Maxim Dmitrievsky]

交易员博士。

一般来说，这种策略是基于高RSI值意味着价格将下跌的理论。为了做出准确的预测，我们取了三个RSI值，所以根据概率论，我们从三个参数中得到相同的估计。
所以，如果你不给第三个RSI，而是给你自己的信号，那么这个信号的高值一定意味着价格会下跌。否则你会破坏战略。

是的，没错，我刚刚在上面写了 :)

在M5上优化的默认网格，放入监控https://www.mql5.com/ru/signals/297732

然后我将对神经元的不同输入进行更多实验

[Maxim Dmitrievsky]

https://www.mql5.com/ru/code/127

只是代码中有一个错误，我认为指标的配给是不正确的。

[Mihail Marchukajtes]

马克西姆-德米特里耶夫斯基。
有RNN和RN3以及其在MQL5中未发表的文章。在优化器中，RNN比RNN3效果更好。

谢谢！！！。很遗憾是5分，但我要用我的数据试试，反正....

[Maxim Dmitrievsky]

Mihail Marchukajtes:

谢谢！！！。遗憾的是，它是一个5，但我会用我的数据试试，反正....。

5版本很方便，因为你可以做正向测试，这对NS来说是正确的，对于4版本来说，同样的事情，在我看来，是在代码库中，如果你看看

https://www.mql5.com/ru/code/10616