EL INTERCAMBIO DE IDEAS - página 11

Nuevo comentario
 
Vinin:
inconformista:
FION:

Victor, ¿has tratado con los mapas de Kohonen? No he encontrado ningún "pez" comprensible para la NS multicapa. Me gustaría sentir algo concreto, aunque no funcione bien para la evaluación. Una vez más, la formación en red, ¿cuántos parámetros puede contener el ordenador? Aunque al entrar en estas "rúbricas"..., existe el peligro de quedarse estancado en ellas. Básicamente, podemos optimizar la parrilla limitando los parámetros utilizando el mismo conjunto de indicadores.


En algún lugar aquí (en el foro), he publicado un asesor no kohonen pero las redes de capas

Creo que servirá como pez.


¿Podría ser más específico? Debe haberse quedado en el camino.


Entrenamiento de redes neuronales": todo tipo de reflexiones generales aquí

"Uso de la inteligencia artificial en MTS " - aquí hay un experto adjunto a mi puesto

He visto tu código, he aprendido algo, en particular sobre la normalización de los datos de los indicadores, pero en general no he conseguido captar la estructura, me he atascado en los arrays.

Los arrays en las matrices son realmente complicados :( La ausencia de objetos o al menos de estructuras en MQL dificulta seriamente el proceso en este sentido. O el array está tan empaquetado que no se puede entender sin medio litro, o el empaquetado está claro, pero el código da miedo :(

Si no entiendes de arrays, pregúntame, intentaré recordarlo y explicarlo.

 
maveric:
Vinin:
inconformista:
FION:

Victor, ¿has tratado con los mapas de Kohonen? No he encontrado ningún "pez" comprensible para la NS multicapa. Me gustaría sentir algo concreto, aunque no funcione bien para la evaluación. Una vez más, la formación en red, ¿cuántos parámetros puede contener el ordenador? Aunque al entrar en estas "rúbricas"..., existe el peligro de quedarse estancado en ellas. Básicamente, podemos optimizar la parrilla limitando los parámetros utilizando el mismo conjunto de indicadores.


En algún lugar aquí (en el foro) he publicado un tipster No kohonen, pero las redes multicapa

Creo que servirá como pez.


¿Puede ser más específico? Debe haberse quedado en el camino.


Entrenamiento de redes neuronales": todo tipo de reflexiones generales aquí

"Uso de la inteligencia artificial en MTS " - aquí hay un experto adjunto a mi puesto

He visto tu código, he aprendido algo, en particular sobre la normalización de los datos de los indicadores, pero en general no he conseguido dominar la estructura, me he atascado en los arrays.

Los arrays en las matrices son realmente complicados :( La ausencia de objetos o al menos de estructuras en MQL dificulta seriamente el proceso en este sentido. O el array está tan empaquetado que no se puede entender sin medio litro, o el empaquetado está claro, pero el código da miedo :(

Si no entiendes de arrays, pregúntame, intentaré recordarlo y explicarlo.

Vi ese código, lo revisé y lo recordé. Se basó en el código en C. Traducido y adaptado. Se han añadido funciones comerciales.

Por ahora no me interesan las redes de distribución inversa. No tengo suficiente capacidad técnica para una red normal. Una pequeña no tiene ningún efecto.

Quiero y he empezado a rediseñar el Asesor Experto (me lleva mucho tiempo optimizarlo); lo haré autoformativo. La capa Kohonen se utiliza sólo para la compresión de datos. Tengo que decidir la relación de compresión. Hasta ahora he tomado demasiado, de nuevo debido a las capacidades técnicas.

 

2 Vinin

Yurixx:
Vinin:

Recomiendo la lectura de F. Wasserman Neurocomputer Science: Theory and Practice . Está muy bien escrito. Si lo necesitas, te lo puedo enviar por correo electrónico. No sólo puedo leer este libro, sino también otros.


Si no es mucha molestia, yo también. Mi dirección está en mi perfil.

Recientemente he llegado a la conclusión de que sin NS mi sistema no puede ser enseñado a operar correctamente. Como he visto soy un mal profesor. :-) Tengo una idea, que necesita una agrupación adecuada de los datos, con la que mi sistema funciona. Según tengo entendido, pueden agruparse utilizando una red Kohonen. Pero mis primeros intentos de superar todo esto aún no han dado ningún resultado. Sé muy poco al respecto. Necesito leer algo bueno que combine tanto ideas claramente expuestas como buenos ejemplos de uso práctico.

He leído todo el hilo de la tela en NS, pero no es mi nivel. Hay que rellenar los espacios en blanco inmediatamente.


Repito mi petición una vez más. A menos, claro, que su oferta fuera para unos pocos elegidos.

 
Yurixx:

2 Vinin

Yurixx:
Vinin:

Recomiendo la lectura de F. Wasserman Neurocomputer Science: Theory and Practice . Está muy bien escrito. Si lo necesitas, te lo puedo enviar por correo electrónico. No sólo puedo leer este libro, sino también otros.


Si no es mucha molestia, yo también. Mi dirección está en mi perfil.

Recientemente he llegado a la conclusión de que sin NS mi sistema no puede ser enseñado a operar correctamente. Como he visto soy un mal profesor. :-) Tengo una idea, que necesita una agrupación adecuada de los datos, con la que mi sistema funciona. Según tengo entendido, pueden agruparse utilizando una red Kohonen. Pero mis primeros intentos de superar todo esto aún no han dado ningún resultado. Sé muy poco al respecto. Necesito leer algo bueno que combine tanto ideas claramente expuestas como buenos ejemplos de uso práctico.

He leído todo el hilo de la tela en NS, pero no es mi nivel. Hay que rellenar los espacios en blanco inmediatamente.


Repito mi petición una vez más. A menos, claro, que su oferta fuera para unos pocos elegidos.


Enviado.
 
Vinin:
Yurixx:


Repito mi petición una vez más. A menos, claro, que su oferta fuera para unos pocos elegidos.


Enviado.

Es extraño, aún no lo he recibido.
 
Yurixx:
Vinin:
Yurixx:


Repito mi petición una vez más. A menos, claro, que su oferta fuera para unos pocos elegidos.


Enviado.

Es extraño, aún no lo he recibido.

¿Lo envías de nuevo?
 
Vinin:
Yurixx:
Vinin:
Yurixx:


Repito mi petición una vez más. A menos, claro, que su oferta fuera para unos pocos elegidos.


Enviado.

Es extraño, aún no lo he recibido.

¿Lo envío de nuevo?
Gracias, ahora lo tengo.
 

Hola a todos. Propongo utilizar el llamado "Detector de tendencias". No esperaba un resultado tan bueno de este hallazgo mío. Accidentalmente lo cegó - lo puso. ¡Inserto esta parte en casi todos los Asesores Expertos e incluso un Asesor Experto perdedor produce algún beneficio! Disminuye el número de operaciones contra la tendencia (en su mayoría perdedoras) y aumenta considerablemente el parámetro de Rentabilidad del Asesor Experto, ¡a menudo hasta al menos dos! Esto significa que, fuera del periodo de optimización, es mucho más probable que obtengamos beneficios.

La idea es la siguiente: tomamos los indicadores BearsPower y BullsPower (poder de los toros y poder de los osos) y los comparamos entre sí. Pero basta con compararlas: es un asunto doloroso. Hacerlo de forma programada es engorroso. Por eso les pongo MA y comparo los valores de MA en la barra cero. Sólo hay que sumar estos valores = Delta. Además, todo es sencillo. Si DELTA ..>0 - la tendencia es alcista. De lo contrario, ¡se va hacia abajo!

Sólo tenemos que añadir a la condición para comprar si ((Delta>=0) && ... ...

Y en la condición de venta - si ((Delta<=0) && ... ...

En los parámetros externos de cualquier Asesor Experto, inserte : 

//-----------------------------------------------------------
extern int     PeriodPower    =13;
extern int     Period_Bulls   =11;
extern int     Period_Bears   =10;
//-----------------------------------------------------------
No tienes que insertarlo. Pero entonces tienes que recoger estos parámetros e insertar valores numéricos en lugar de nombres de variables directamente en el código. Y aquí está el bloque en sí:
//================ Определитель тренда ============================ 
 double Bears_array[50]; int cx=0; while (cx<51)
 {Bears_array[cx]= iBearsPower(NULL, 0, PeriodPower,PRICE_CLOSE,cx); cx++; }
 ArraySetAsSeries(Bears_array,true);
 double MA_Bears =iMAOnArray(Bears_array,0,Period_Bears,1,MODE_SMMA,0); 
 
 double Bulls_array[50]; int lx=0; while (lx<51)
 {Bulls_array[lx]= iBullsPower(NULL, 0, PeriodPower,PRICE_CLOSE,lx); lx++; } 
 ArraySetAsSeries(Bulls_array,true);
 double MA_Bulls =iMAOnArray(Bulls_array,0,Period_Bulls,1,MODE_SMMA,0); 
 
 double Delta = MA_Bears + MA_Bulls;
 /*Comment ("Delta ", Delta ,"\n") */
//===================================================================

Este es un ejemplo de cómo funciona un EA con el Detector de Tendencias. Podemos ver que en caso de una tendencia alcista vamos a comprar, y viceversa.

Tal vez alguien tenga sugerencias para mejorar y perfeccionar el diseño. Me gustaría saber qué tan prometedor será este detector de tendencias.

 
leonid533.
Por favor, hágame saber - ¿se encuentran estos parámetros (13,11,10) para GBPJPY y TF - M30?
 
leonid553:

Hola a todos. Propongo utilizar el llamado "Detector de tendencias". No esperaba un resultado tan bueno de este hallazgo mío. Accidentalmente lo cegó - lo puso. ¡Inserto esta parte en casi todos los Asesores Expertos e incluso un Asesor Experto perdedor produce algún beneficio! Disminuye el número de operaciones en contra de la tendencia (en su mayoría perdedoras) y aumenta considerablemente el parámetro de Rentabilidad del Asesor Experto, ¡a menudo hasta al menos dos! Esto significa que, fuera del periodo de optimización, es mucho más probable que obtengamos beneficios.

La idea es la siguiente: tomamos los indicadores BearsPower y BullsPower (poder de los toros y poder de los osos) y los comparamos entre sí. Pero sólo hay que compararlos, es un dolor de cabeza. Hacerlo de forma programada es engorroso. Por eso les pongo MA y comparo los valores de MA en la barra cero. Sólo hay que sumar estos valores = Delta. Además, todo es sencillo. Si DELTA ..>0 - la tendencia es alcista. De lo contrario, ¡se va hacia abajo!

Sólo tenemos que añadir a la condición para comprar si ((Delta>=0) && ... ...

Y en la condición de venta - si ((Delta<=0) && ... ...

En los parámetros externos de cualquier Asesor Experto, inserte : 

//-----------------------------------------------------------
extern int     PeriodPower    =13;
extern int     Period_Bulls   =11;
extern int     Period_Bears   =10;
//-----------------------------------------------------------
No tienes que insertarlo. Pero entonces tienes que recoger estos parámetros e insertar valores numéricos en lugar de nombres de variables directamente en el código. Y aquí está el bloque en sí:
//================ Определитель тренда ============================ 
 double Bears_array[50]; int cx=0; while (cx<51)
 {Bears_array[cx]= iBearsPower(NULL, 0, PeriodPower,PRICE_CLOSE,cx); cx++; }
 ArraySetAsSeries(Bears_array,true);
 double MA_Bears =iMAOnArray(Bears_array,0,Period_Bears,1,MODE_SMMA,0); 
 
 double Bulls_array[50]; int lx=0; while (lx<51)
 {Bulls_array[lx]= iBullsPower(NULL, 0, PeriodPower,PRICE_CLOSE,lx); lx++; } 
 ArraySetAsSeries(Bulls_array,true);
 double MA_Bulls =iMAOnArray(Bulls_array,0,Period_Bulls,1,MODE_SMMA,0); 
 
 double Delta = MA_Bears + MA_Bulls;
 /*Comment ("Delta ", Delta ,"\n") */
//===================================================================

Este es un ejemplo de cómo funciona un EA con el Detector de Tendencias. Podemos ver que en caso de una tendencia alcista vamos a comprar, y viceversa.

Tal vez alguien tenga sugerencias para mejorar y perfeccionar el diseño. Me gustaría saber qué tan prometedor será este detector de tendencias.

1. uno muestra la posición de High[] en relación con la EMA, el segundo muestra la posición de Low en relación con la EMA, por lo que creo que deberíamos introducir umbrales (niveles de significación). Compara Delta no con el cero, sino con estos umbrales.

2. Tienes un pequeño error en tu código. Las variables cx y lx no pueden ser iguales a 50, la condición debe ser cx<50 y lx<50. Hay un desbordamiento de la matriz.

1...456789101112131415161718...36
Nuevo comentario