Diskussion zum Artikel "MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 08): Perceptrons"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 08): Perceptrons :
Perceptrons, Netze mit einer einzigen ausgeblendeten Schicht, sind ein guter Einstieg für alle, die mit den Grundlagen des automatisierten Handels vertraut sind und sich mit neuronalen Netzen vertraut machen wollen. Wir sehen uns Schritt für Schritt an, wie dies in einer Signalklassen-Assembly realisiert werden könnte, die Teil der MQL5 Wizard-Klassen für Expert Advisors ist.
Die Klasse Expert-Signal des MQL5-Assistenten wird mit einer Vielzahl von Beispielen im Ordner „Include\Expert\Signal“ ausgeliefert, die unabhängig voneinander verwendet oder miteinander kombiniert werden können, um einen Expert Advisor im Assistenten zusammenzustellen. In diesem Artikel geht es um die Erstellung und Verwendung einer solchen Datei in einem Expertenratgeber. Dieser Ansatz minimiert nicht nur den Aufwand für die Vorcodierung, sondern ermöglicht auch das Testen von mehr als einem Signal in einem einzigen Expert Advisor, indem jedem verwendeten Signal eine Gewichtung zugewiesen wird.
Die Klassen des Alglib-Perceptrons werden in umfangreichen und miteinander verknüpften Netzschnittstellen in der Datei „Include\Math\Alglib\dataanalysis.mqh“ dargestellt. Wenn Sie sich zum ersten Mal umsehen, können Sie leicht überwältigt werden, aber wir werden uns hier einige wichtige Klassen ansehen, die hoffentlich die Navigation in diesem Bereich erleichtern werden.
Die Hauptmotivation für die Verwendung dieser Alglib-Klassen zur Entwicklung eines Expert Advisors ist die gleiche wie bei der Verwendung des MQL5-Assistenten, nämlich das Testen von Ideen. Wie kann ich kurz und bündig feststellen, ob eine Idee x oder ein Eingabedatensatz y es wert ist, dass ich mich ernsthaft um die Weiterentwicklung zu einem Handelssystem bemühe? Was wir hier untersuchen, könnte zur Beantwortung dieser Frage beitragen.
Bevor wir uns jedoch in die Materie stürzen, ist es vielleicht hilfreich, einen breiteren Überblick darüber zu geben, warum Perceptrons und vielleicht auch neuronale Netze im Allgemeinen in vielen Kreisen großen Zulauf haben. Wenn wir uns auf das Finanzwesen und die Märkte konzentrieren, werden wir feststellen, dass die Vorhersage des Marktgeschehens mit einigen Herausforderungen verbunden ist, und die Grenzen der traditionellen Analyse sind hier wohl implizit.
Autor: Stephen Njuki