단순히 지표 값을 읽고 이를 로그(또는 나중에 비교하기 쉽게 하기 위해 csv 파일에 기록)에 쓰려면 최소한의 기능 세트로 간단한 Expert Advisor를 만들어야 합니다. 결과가 다른 두 번의 출시를 만들고 전문가 코드와 함께 서비스 데스크에 모두 보내고 터미널을 수정하게하십시오. https://www.mql5.com/ru/forum/1111/page2096 에 코드를 첨부할 수도 있습니다. 지식이 있는 사람들이 무엇이 잘못되었는지 확인하고 설명할 것입니다.
알겠습니다. 나는 거기에 게시하려고합니다. 에이전트에서 나는 어드바이저가 아니라 다른 심볼에서 인디케이터를 호출하는 인디케이터를 테스트하고 있습니다. 아마도 이것에 차이가 있을 것입니다 .. HZ 더 짧습니다 .. 시간이 지남에 따라 문제는 그만한 가치가 있습니다 :-(
18 октября в журнале Nature была опубликована статья компании DeepMind о новых достижениях AlphaGo. Новая версия программы получила название Zero, так как была обучена с нуля без использования данных, полученных от человека, кроме правил самой игры Го. Для тренировок прошлой версии, победившей в чемпионатах с людьми, изначально использовался...
코드에서 100 bar eurusd m5가 취해지며 막대별 이득이 계산되고 lstm 뉴런은 마지막으로 알려진 이득을 기반으로 다음 이득을 예측하도록 훈련됩니다. 훈련은 복잡한 분석 방정식 없이 수행되었으며 뉴런의 가중치는 이산 lbfgs 최적화에 따라 조정됩니다. 더 나쁘지만 간단한 테스트에는 적합합니다.
예측 점수(R2)는 0보다 약간 높은 결과를 얻었습니다. 이는 매우 낮지만 무작위 추측보다는 여전히 낫습니다. lstm 뉴런이 몇 가지 지표나 이득 배열을 취하지 않고 다음 값을 예측하는 하나의 단일 값만 사용한다는 점을 고려하면, 이는 각 막대에 대해 반복되며 일반적으로 모든 것이 매우 간단합니다. 결과는 기대했다. 그러나 수천 개의 막대를 사용하면 R2 추정치가 < 0이 되어 좋지 않습니다. 그리고 새로운 데이터에 대한 Forex의 경우 그러한 모델의 결과가 악화되고 있는 것 같습니다. 교차 검증을 통해 일종의 자전거를 발명해야 합니다. 지금과 같은 단순한 형태로는 이익이 없을 것입니다.
이제 어떻게든 이 뉴런의 네트워크를 만들어야 하지만 이것은 기사에 없었고 더 이상 알아내지 못했습니다.
코드에서 100 bar eurusd m5가 취해지며 막대별 이득이 계산되고 lstm 뉴런은 마지막으로 알려진 이득을 기반으로 다음 이득을 예측하도록 훈련됩니다. 훈련은 복잡한 분석 방정식 없이 수행되었으며 뉴런의 가중치는 이산 lbfgs 최적화에 따라 조정됩니다. 더 나쁘지만 간단한 테스트에는 적합합니다.
예측 점수(R2)는 0보다 약간 높은 결과를 얻었습니다. 이는 매우 낮지만 무작위 추측보다는 여전히 낫습니다. lstm 뉴런이 몇 가지 지표나 이득 배열을 취하지 않고 다음 값을 예측하는 하나의 단일 값만 사용한다는 점을 고려하면, 이는 각 막대에 대해 반복되며 일반적으로 모든 것이 매우 간단합니다. 결과는 기대했다. 그러나 수천 개의 막대를 사용하면 R2 추정치가 < 0이 되어 좋지 않습니다. 그리고 새로운 데이터에 대한 Forex의 경우 그러한 모델의 결과가 악화되고 있는 것 같습니다. 교차 검증을 통해 일종의 자전거를 발명해야 합니다. 지금과 같은 단순한 형태로는 이익이 없을 것입니다.
이제 어떻게든 이 뉴런의 네트워크를 만들어야 하지만 이것은 기사에 없었고 더 이상 알아내지 못했습니다.
lstm 네트워크는 심지어 아리마보다 더 나쁜 계절적 주기를 예측하지만, 배우는 데 훨씬 더 오래 걸립니다.. 적어도 무언가에 대해 이러한 네트워크의 적합성을 아직 깨닫지 못했습니다. :)
내 친구는 그들 모두를 태우고 케라를 공부하고 계절 이익으로 직장에서 간단한 줄을 서서 거의 하루 동안 네트워크를 훈련 .. 그리고 오랫동안 저주
코드 없이는 아무것도 명확하지 않습니다.
단순히 지표 값을 읽고 이를 로그(또는 나중에 비교하기 쉽게 하기 위해 csv 파일에 기록)에 쓰려면 최소한의 기능 세트로 간단한 Expert Advisor를 만들어야 합니다. 결과가 다른 두 번의 출시를 만들고 전문가 코드와 함께 서비스 데스크에 모두 보내고 터미널을 수정하게하십시오.
https://www.mql5.com/ru/forum/1111/page2096 에 코드를 첨부할 수도 있습니다. 지식이 있는 사람들이 무엇이 잘못되었는지 확인하고 설명할 것입니다.
알겠습니다. 나는 거기에 게시하려고합니다. 에이전트에서 나는 어드바이저가 아니라 다른 심볼에서 인디케이터를 호출하는 인디케이터를 테스트하고 있습니다. 아마도 이것에 차이가 있을 것입니다 .. HZ 더 짧습니다 .. 시간이 지남에 따라 문제는 그만한 가치가 있습니다 :-(
https://geektimes.ru/post/294617/
마침내, 스스로를 재훈련하는 적응 시스템과 함께 무언가가 작동하기 시작했습니다. 시장의 특성에 대한 조정 없이 모든 것이 진행되고 있습니다. 많은 소음 거래도 제거해야 합니다.
MO는 물론 두뇌에 매우 어렵습니다.
에프
마침내, 스스로를 재훈련하는 적응 시스템과 함께 무언가가 작동하기 시작했습니다. 시장의 특성에 대한 조정 없이 모든 것이 진행되고 있습니다. 많은 소음 거래도 제거해야 합니다.
MO는 물론 두뇌에 매우 어렵습니다.
에프
같은 기간 동안의 심볼 차트를 게시할 수 있습니까?일반적으로 그렇습니다) 그러나 모델은 수익성 측면에서 시장을 약간 능가했습니다.
그리고 m15 tf를 사용했기 때문에 트랜잭션이 너무 많습니다. 하지만 아직 최종 버전은 아니고, 이미 하기 귀찮아서 그냥 버렸습니다 :)
나는 아직 할 수 없습니다. 저는 1년 동안 가정 문제로 바쁘게 지내고 있습니다. 아직 한 달 남았습니다. 그런 다음 결과 게시를 시작하겠습니다. 소스 자료가 준비되었습니다.
한 달 이상이 지났습니다. GARCH의 실용화에 대한 이야기를 사진과 함께 기다립니다...
한 달 이상이 지났습니다. GARCH의 실용화에 대한 이야기를 사진과 함께 기다립니다...
예, 시작했습니다.
나는 이해할 수 있는 LSTM 뉴런에 대한 설명을 발견하고 이를 테스트하기 위해 작은 코드를 작성했습니다. 기사 - http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
코드에서 100 bar eurusd m5가 취해지며 막대별 이득이 계산되고 lstm 뉴런은 마지막으로 알려진 이득을 기반으로 다음 이득을 예측하도록 훈련됩니다.
훈련은 복잡한 분석 방정식 없이 수행되었으며 뉴런의 가중치는 이산 lbfgs 최적화에 따라 조정됩니다. 더 나쁘지만 간단한 테스트에는 적합합니다.
예측 점수(R2)는 0보다 약간 높은 결과를 얻었습니다. 이는 매우 낮지만 무작위 추측보다는 여전히 낫습니다. lstm 뉴런이 몇 가지 지표나 이득 배열을 취하지 않고 다음 값을 예측하는 하나의 단일 값만 사용한다는 점을 고려하면, 이는 각 막대에 대해 반복되며 일반적으로 모든 것이 매우 간단합니다. 결과는 기대했다. 그러나 수천 개의 막대를 사용하면 R2 추정치가 < 0이 되어 좋지 않습니다. 그리고 새로운 데이터에 대한 Forex의 경우 그러한 모델의 결과가 악화되고 있는 것 같습니다. 교차 검증을 통해 일종의 자전거를 발명해야 합니다. 지금과 같은 단순한 형태로는 이익이 없을 것입니다.
이제 어떻게든 이 뉴런의 네트워크를 만들어야 하지만 이것은 기사에 없었고 더 이상 알아내지 못했습니다.
나는 이해할 수 있는 LSTM 뉴런에 대한 설명을 발견하고 이를 테스트하기 위해 작은 코드를 작성했습니다. 기사 - http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
코드에서 100 bar eurusd m5가 취해지며 막대별 이득이 계산되고 lstm 뉴런은 마지막으로 알려진 이득을 기반으로 다음 이득을 예측하도록 훈련됩니다.
훈련은 복잡한 분석 방정식 없이 수행되었으며 뉴런의 가중치는 이산 lbfgs 최적화에 따라 조정됩니다. 더 나쁘지만 간단한 테스트에는 적합합니다.
예측 점수(R2)는 0보다 약간 높은 결과를 얻었습니다. 이는 매우 낮지만 무작위 추측보다는 여전히 낫습니다. lstm 뉴런이 몇 가지 지표나 이득 배열을 취하지 않고 다음 값을 예측하는 하나의 단일 값만 사용한다는 점을 고려하면, 이는 각 막대에 대해 반복되며 일반적으로 모든 것이 매우 간단합니다. 결과는 기대했다. 그러나 수천 개의 막대를 사용하면 R2 추정치가 < 0이 되어 좋지 않습니다. 그리고 새로운 데이터에 대한 Forex의 경우 그러한 모델의 결과가 악화되고 있는 것 같습니다. 교차 검증을 통해 일종의 자전거를 발명해야 합니다. 지금과 같은 단순한 형태로는 이익이 없을 것입니다.
이제 어떻게든 이 뉴런의 네트워크를 만들어야 하지만 이것은 기사에 없었고 더 이상 알아내지 못했습니다.
lstm 네트워크는 심지어 아리마보다 더 나쁜 계절적 주기를 예측하지만, 배우는 데 훨씬 더 오래 걸립니다.. 적어도 무언가에 대해 이러한 네트워크의 적합성을 아직 깨닫지 못했습니다. :)
내 친구는 그들 모두를 태우고 케라를 공부하고 계절 이익으로 직장에서 간단한 줄을 서서 거의 하루 동안 네트워크를 훈련 .. 그리고 오랫동안 저주