这张图并不有趣。这看起来是一个随机的交易。
我没有想到从第一次犯规的投入中看到类似有利可图的东西,甚至在配合上。
神经网络学家们知道,很多时候你必须漫长而痛苦地等待,有时是几小时,有时是几天,有时是几周,才能得到第一个结果。
而有时,在白白等待并吐槽了所有这些东西之后,他们在这个论坛上写道:据说神经网络是垃圾,你只是浪费了你的时间。
而范文是一般的主题。:)这是一个非常好的神经元图书馆。
当然是这样!一个在30个输入上的16个网格的自适应委员会在几秒钟内完成了规则。
你可以在《在MetaTrader中使用神经网络》一文中获得该库的代码和描述。
感谢作者!
该图书馆似乎在工作。
以下是第一个结果。
第一个结果
最后的251个交易是符合历史的。左边的其他东西都是OOS。
当然,EA必须重新设计,也就是说,我去掉了过滤功能,以消除硬配。重新设计,使EA一直处于市场中。入选是错误的,但即使有了它们,你也能找到一个成功的前进方向。
我把专家顾问的源代码附在后面,供有兴趣的人参考。
代码中只有一个可修改的输入参数:StopLoss。为4个字符设置一个从10到100的增量的优化设置,或为5个字符设置一个从100到1000的增量的优化设置。优化是在没有遗传算法的情况下在有限的历史部分上运行的--只是几秒钟。然后我们关闭使用日期,在整个可用的历史上运行它。寻找最成功的前锋。
最重要的是,你可以非常容易地使用这个库这并不复杂。谢谢你提供的信息,并感谢作者创建这个图书馆。如果有人设法使用这个功能创建一个工作代码
- 不断发展的拓扑结构训练,动态地建立和训练ANN(Cascade2)。
请分享。
谢谢你提供的信息,并感谢作者创建这个图书馆。如果有人设法使用这个funn函数创建一个工作代码
- 不断发展的拓扑结构训练,动态地建立和训练ANN(Cascade2)。
请分享。
而如果有人能抛出一个有复发网格来源的链接,那就更妙了。;-)
如果有人能抛出一个链接,说明复现网格的来源,那就更好了。;-)
http://www.codeproject.com/ - 适合各种口味和颜色
下面是在输入方面的一些工作,现在的图片比较好。最后198笔交易--适合,其余的在左边--OOS。
简而言之,这显然是值得努力的。
该库的代码和描述可以在文章中找到:在MetaTrader中使用神经网络。
感谢作者!
事实证明,该图书馆是有效的。
以下是第一个结果。
第一个结果
最后的251个交易是符合历史的。左边其他的都是OOS。
当然,专家顾问必须重新设计,也就是说,我删除了过滤功能,以消除硬配合。重新设计,使EA一直处于市场中。入选是错误的,但即使有了它们,你也能找到一个成功的前进方向。
我附上了专家顾问的代码,供有兴趣的人参考。
代码中只有一个可修改的输入参数:StopLoss。为4位数设置从10增量1到100的优化,为5位数设置从100增量10到1000的优化。优化是在没有遗传算法的情况下在有限的历史部分上运行的--只是几秒钟。 然后我们关闭使用日期,在整个可用的历史上运行它。我们寻找最成功的前锋。
最重要的是,你可以非常容易地使用这个库这并不复杂。