文章 "神经网络实验(第 2 部分):智能神经网络优化" - 页 2

 

你好,罗曼、

这是一篇很好的文章,我正试图彻底理解它,以便将其纳入我现有的 EA 中。 我希望你能就这一主题发表更多文章。

首先,在您的角度 4-4-4-3.mq5 中,这个测试被检查为 false

if (FileIsExist(OptimizationFileName)==false){
而在原始 EA 4-4-4-3 中,它是针对 true 进行检查的

if (FileIsExist(OptimizationFileName)==true){

更重要的是,对于 DNN,我完全是个新手;这是我第一次接触神经网络

我的计划是使用多个策略来评估买入条件,我认为每个策略都可能需要一个单独的 DNN,或者 DNN 可以扩展到同时评估所有策略,这样的假设是否正确? 在考虑这个问题时,似乎需要一个风险回报函数来正确评估在特定条件下(如趋势或平缓市场)选择的最佳策略。 我所考虑的是否会导致一个更大、更复杂的网络?

我还开发了一个复杂的止损功能,我正在考虑为该功能开发第二个单独的 DNN 实例,以实现利润最大化。 这是否是将输入包含到一个更大的 DNN 中的更好方法?

如果您有任何意见,将不胜感激。


科达角

 
CapeCoddah 神经网络。

我的计划是使用多个策略来评估买入条件。 我认为每个策略都可能需要一个单独的 DNN,或者 DNN 可以扩展到同时评估所有策略,这样的假设是否正确? 在考虑这个问题时,似乎需要一个风险回报函数来正确评估在特定条件下(如趋势或平淡市场)选择的最佳策略。 我所考虑的是否会导致一个更大、更复杂的网络?

我还开发了一个复杂的止损功能,我正在考虑为此开发 DNN 的第二个独立实例,以实现利润最大化。 这是否是将输入包含到一个更大的 DNN 中的更好方法?

如果您有任何意见,将不胜感激。


科达角

您好。您可以使用 8-4-3 或 16-4-3 网络来扩展您的策略。因此,您可以添加条件。为此,您需要修改文件。该网络有 3 个输出值:卖出、买入和平仓。我认为没有必要将买入和卖出分开。

 

我看到了它的改进版,看起来很有前途。
 
Отдел аналитики и трейдинга #:
您能告诉我更多关于原始 EA 4-4-4-3 策略的信息吗? ,我发现它的改进看起来很有前途

下午好!该策略是指蜡烛图的每个部分占蜡烛图大小的百分比。这是库作者的策略。点击这里了解更多https://www.mql5.com/zh/articles/5486

Пишем глубокую нейронную сеть с нуля на языке MQL
Пишем глубокую нейронную сеть с нуля на языке MQL
  • www.mql5.com
Статья познакомит вас с глубокой нейронной сетью, написанной на MQL, и с различными функциями активации этой сети, такими как функция гиперболического тангенса для скрытых слоев и Softmax для выходного слоя. Мы будем изучать нейросеть постепенно, двигаясь от первого шага до последнего, и вместе создадим глубокую нейронную сеть.
 
我试图在原始测试器中运行,但它只打开第一笔交易,而不关闭它。

我使用的每个刻度 线都是基于真实刻度线的,设置与此处所附文件中的相同。

如何才能解决这个问题并进行正常测试?

例如,在模拟账户中,交易的开仓和平仓都很正常,但在测试器中,如果设置相同,机器人实际上并不交易,而是开仓第一笔交易,并保持到3年结束,直到测试结束。
 
Отдел аналитики и трейдинга 每个刻度 线都是以真实刻度线为基础的,设置与此处所附文件中的相同。

我怎样才能解决这个问题并进行正常测试?

例如,在模拟账户上,交易开仓和平仓都很正常,但在测试器中,在相同设置下,机器人实际上并不交易,而是开仓第一笔交易,并保持到3年结束,直到测试结束。

下午好。检查过了,一切正常。

 

你好,罗曼、

我开始使用您的代码,角度 4443,但很快我就意识到,您的随机测试假设存在一个明显的问题,即随机测试需要一个庞大的数据集,即 10 到 55 次方的数据集,才能完全优化结果。 10,000 个元素的数据集只能为 55 个神经元中的每个神经元找出一个合适的解决方案,这种可能性微乎其微。但在遗传优化中,使用最佳结果与随机突变相结合,应该能更快地初步确定好的结果,尽管可能不是最优的。因此,我回到原来的工作中,选择了一个 4453 网络,并尝试使用欧元兑美元 H4 进行优化,时间段为 2021 01 01 至 2023 01 01。首先,完整的运行需要 75000 次迭代和 200 多个小时才能完成。但我只用了 4 - 8 个小时就找到了好的解决方案,在初始权益为 1000 的基础上,总权益为 2700 至 2900。 在最后一次运行中,运行了近 2 天,权益达到 3336。我重复了您的测试期,新的资产净值为 2788,尽管您的测试期在我的优化期内。 我使用了最初的计算方法,因为它们似乎最有效。 但是,短线收益的胜率为 68%,而长线收益只有 45%。 在最后一次长线运行中,有 40500 次优化,其中 37400 次交易实现了收支平衡或产生了收益,而只有 33150 次交易产生了亏损。

我没有看原始系统的资金管理 方面。 当我在 H4 上尝试你的 Angle 系统时,结果惨不忍睹。 看起来止损功能严重失灵,可能是因为时间框架不同。 几乎所有的运行都以几乎全部亏损告终。

我现在打算运行一些灵敏度优化,看看改变每层神经元的数量对优化有什么影响,也看看 3 层 DNN 与 4 层 DNN 相比有什么不同。


科达角

附加的文件:
 

您能告诉我在测试 Original 4-4-4-4-3 时使用了什么设置吗?例如,我从这里下载的标准设置在测试器中根本无法打开交易,而在普通账户中实时交易则一切正常。

我已经在两个不同经纪商的终端上进行了检查....。

 
Отдел аналитики и трейдинга #:

您能告诉我在测试 Original 4-4-4-4-3 时使用了哪些设置吗?例如,在测试器中下载的标准设置根本无法打开交易,而在普通账户中实时设置则一切正常。

我已经在两个不同经纪商的终端上进行了检查....。

您好。禁用优化参数。请阅读第 3 部分,我已经在那里解释了一切。

 

我的理解是否正确,权重是随机设置并记忆其值的?

为什么不用帧来传递权重并保存它们?