Neuronale Netze - Seite 11
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
Hallo,
Hallo,
Ich habe Ihren Beitrag in diesen Thread verschoben, in dem die Diskussion im Gange ist.
Eigentlich beginne ich mit sibus-Indikator (siehe beigefügtes Bild), mit HMA Periode 14 (Art von EMA auf geschlossenen Preis), und kreuzen mit normalen EMA Periode 21 auf geschlossenen Preis, und bestätigen Sie mit RSI >50 oder RSI <50, um die Signale zu produzieren. sehr einfach. KISS.
Die einzige Schwierigkeit besteht darin, die Signale herauszufiltern, wenn der Markt Wigsaw macht. Ich habe versucht, Bollingerband, oder berechnet die Steigung der MA, oder der Abstand zwischen signales, oder berechnen Sie den Winkel der MA, oder mit ADX. Allerdings ist dies nicht wirklich helfen. Das einzige, das mir geholfen hat, die unerwünschten Handelssignale herauszufiltern, ist das einschichtige neuronale Netz.
Die Idee dabei ist, dass
1) sehr einfache und robuste Metadaten wie EMA-Kreuzungen oder MACD-Signale zu verwenden, um die Anzahl der Variablen zu reduzieren.
2) dann NN verwenden, um die Ergebnisse, die von signales oben produziert zu verbessern. zu überprüfen, die Gewinne und Verlust-Verhältnis. und filtern Sie die schlechte Einträge. so max 4 Variablen hier.
Das System steht für sich allein, wenn wir die NN nicht verwenden, um es zu verbessern.
Hier habe ich den Sidus-Indikator angehängt. und die Signale auf dem Bild, die ich gerne herausfiltern würde. .Quelle
für den sidus Indikator ist von Forexfactory
Gibt es irgendeinen Code, der den Prozess der Optimierung programmiert? damit wir die Optimierung automatisieren können.
Logik.
0) nur am Wochenende machen.
1) Parameter in diesem Bereich einstellen, 0. 200 und mit Schritt 1.
2) erhalte das Optimierungsergebnis
3) runden Sie das Ergebnis des Gewinnfaktors auf 1,0 Stellen, so dass 7,4=7 und 7,5 = 8.
4) wähle dann die kleinste Handelszahl in den Katagorien der oberen 2 Stufen des Gewinnfaktors, das ist das gewünschte Optimierungsergebnis.
5) Setzen Sie die neue Einstellung in den Experten EA und laufen für die nächste Woche.
Kann der Optimierungsteil kodiert werden?Vielleicht kann dieser Artikel Ihnen helfen:
Automatisierte Optimierung eines Handelsroboters im realen Handel - MQL4 Artikel
forex_nn neue Korrekturversion?
Entschuldigung für mein begrenztes Englisch. Es ist ein Neuro-Quellcode. Laden Sie einfach vom Download-Link der ursprünglichen Autorenseite unten herunter.
http://cortex.snowcron.com/cortex.zip
Die korrigierte Version (forex_nn_05b.tsc) scheint gut zu funktionieren, weil mit den neuen Gewichten. Wer kann helfen, es zu konvertieren, um metatrader indic & EA?
Vielen Dank im Voraus!
Neuronales Netz, das meiner Meinung nach die besten Prognosen für Devisen, Aktien oder Rohstoffe liefert
Frage zur obigen Signatur haba, wie verwenden Sie die Neuroshell mit Metatrader?
Jemand Erfolg bei der Verwendung von NOXA CSSA in neuroshell und verbunden es mit Metatrader-Plattform?
Datenquelle trainieren
Ich fange an, meine Experimente hier zu machen. Unwahrscheinlich, dass ich einen anderen Hintergrund habe. Ich habe einen Abschluss in Künstlicher Intelligenz, bin also eher technisch veranlagt, was KI-Techniken wie NN angeht, und im Gegensatz zu den anderen Gurus in diesem Forum eher ein Neuling in Sachen Forex...
Die Verwendung des historischen Preises zur Vorhersage des zukünftigen Preises ist aufgrund vieler Faktoren irgendwie unmöglich.
Zusammenfassend lässt sich aus den bisherigen Erfahrungen sagen, welche Eingaben und erwarteten Ausgaben für ein NN gut sind.
Wie auch immer, was ist Ihre Meinung über die guten Werte/Indikatoren, die als Eingaben in einem neuronalen Netzwerk verwendet werden sollten, und was wäre die erwartete Ausgabe (Indikatoren, Kurvenbewegungen usw.)?
Ich werde es an einer Reihe und verschiedenen Arten von neuronalen Netzen mit Back Error Probagation testen. Ich habe auch eine interessante Veröffentlichung über genetische Mutation für die Ergebnisse gefunden. Ich habe jetzt nur ein Problem damit, wo ich verlässliche Daten für das NN finden kann... wo verwenden Sie Ihre historischen Daten... irgendwelche Quellen?
Grüß Gott,
Versteckter Ochse.Sie können mT4 verwenden, um Daten in mysql zu exportieren (es gibt einen Beispielcode in der mq4-Codebasis), und dann Daten in matlab trainieren (matlab hat eine Datenbank-Toolbox)
Ergebnisse desneuronalen Netzwerks
Hallo, ich habe an der Entwicklung eines neuronalen Netzwerks gearbeitet, das den GBPJPY auf einem 1H-Chart genau vorhersagen kann, und ich glaube, ich habe es geschafft. Ich habe Preis- und Indikatordaten von GBPJPY und anderen Paaren (USDJPY, GBPEUR usw.) in ein Backpropagation-Netzwerk eingegeben und mit den Daten der letzten zehn Jahre trainiert. Hier sind ein paar Bilder des Ziel-/Ausgangsdiagramms. Die Ausgabe ist die grüne Linie und das Ziel ist die blaue Linie. Ich weiß nicht, wie es Ihnen geht, aber ein Fehler von 4,2x10^-26 ist für mich genug = ) Ich habe die neuesten Daten herangezoomt, um zu zeigen, wie genau es zu sein scheint. Jetzt nur zu implementieren, dass das Netzwerk in eine funktionierende EA und ill gesetzt werden jemand hat irgendwelche Vorschläge?
Sie haben einige grundlegende Fehler gemacht:
- Die Verwendung typischer neuronaler Feed-Forward-Netze zur Vorhersage von Zeitreihen wie Devisenkursen ist eine sehr schlechte Idee
- Sie versuchen, Werte auf dem H1-Zeitrahmen vorherzusagen - das ist für den Devisenhandel nicht möglich. Verwenden Sie D1 oder H4 (für Währungen, die eine geringe Volatilität aufweisen)
- Sie verwenden zu viele Daten als Input - das neuronale Netz gewöhnt sich zu sehr an die Trainingsdaten und wird im Live-Handel sehr schlecht abschneiden
- Sie sind zu begeistert von der Betrachtung der Trainingsdaten
- es ist unmöglich, ein neuronales Netz zu trainieren, das über einen langen Zeitraum hinweg effektiv arbeitet. Ein typisches neuronales Netz, das für die Vorhersage von Zeitreihen trainiert wird, liefert etwa 20-100 gute Vorhersagen und muss dann neu trainiert werden, um den jüngsten Veränderungen gerecht zu werden.
Wenn Sie nützliche neuronale Netze für die Vorhersage von Zeitreihen erstellen möchten, sollten Sie sich über evolutionäre neuronale Netze informieren (neuronale Feed-Forward-Netze, die als flexible neuronale Bäume kodiert sind; ihre Architektur wird mit PIPE oder GEP optimiert; die Parameter der flexiblen Aktivierungsfunktionen werden mit PSO, EPSO oder simuliertem Annealing optimiert usw.)