Une bibliothèque rapide et gratuite pour MT4, pour le plus grand plaisir des neuralnetworkers. - page 20

 

Demon_eJ, je crois que je commence à comprendre la raison de votre "succès". (On se tutoie, d'accord ?)
Regardez, l'optimisation d'une période de deux ans (2007-2008) a été réalisée en utilisant la première variante de l'Expert Advisor. Vous avez trié l'optimisation par profit et sélectionné le col ayant la valeur de profit la plus élevée. Vous avez cliqué deux fois dessus et défini de nouvelles valeurs pour les variables externes. Par exemple, SL est réglé sur 164.
Ensuite, vous changez la période de test en 2009.01.01 - 2009.01.31 et effectuez un seul test.
Ai-je tout décrit correctement ?
Qu'avez-vous obtenu comme résultat de ce test OOS ? Avez-vous obtenu de bons résultats ? Après cela, vous continuez à faire des tests individuels avec ce SL=164 à cette période de test ? (résultats en constante amélioration)
Si la réponse à cette dernière question est OUI, alors vous ajustez déjà le réseau avec les données de janvier 2009, ce que vous ne pouvez pas faire dans la vie réelle.

 
OUI. Presque comme ça. Mais j'ai d'abord trouvé tous les paramètres SL pour toute l'année 2009, sans faire aucun test, juste en optimisant. Puis, une fois l'optimisation terminée, j'ai commencé à effectuer des tests. En janvier j'ai testé 10 fois et enregistré tous les profits et ensuite chaque mois de la même manière avec un nouveau SL. Le réseau a donc été entraîné pendant le test et c'est la raison des bons résultats ?
Il n'y a pas de place pour l'amélioration avec la nouvelle variante. On peut optimiser une ligne droite parfaite, et dans le "futur", la même valeur est soit une perte, soit environ 0.
 
Demon_eJ писал(а) >>
Il n'y a pas de place pour l'amélioration avec la nouvelle variante. Vous pouvez optimiser une ligne droite parfaite, mais dans le "futur", la même valeur sera soit une prune, soit environ 0.

Et voilà. Et vous étiez pressé par le réel. Il n'y a pas besoin de se précipiter.
Il faut aussi comprendre que si nous avons fait, par exemple, 1000 passes pendant l'optimisation et que nous avons choisi la meilleure, à notre avis, passe № 857 avec SL=90 pour le test, le réseau s'initialisera non pas avec les poids qui étaient au début de la passe 857 (donc le résultat de cette passe ne peut pas être répété), mais avec les poids qui sont apparus au moment de la dernière passe avec SL=90 parmi les 1000 passes de cette optimisation.
J'ai quelque part une variante de ce conseiller expert où tous les réseaux (l'ensemble du comité) pour chaque passage d'optimisation sont écrits dans des fichiers. Ensuite, toute passe peut être "réparée", répétée et analysée.

 
Cher lasso, ou peut-être que quelqu'un d'autre répondra...
Pourriez-vous modifier le code afin que cet EA puisse négocier plusieurs copies d'un même instrument ? Actuellement, lorsqu'une position est ouverte sur une devise, l'EA attend jusqu'à ce qu'elle soit fermée et ce n'est qu'après la fermeture qu'elle s'ouvre sur la barre suivante. Peut-être faudrait-il ajouter un code magique à cet effet. Le but de la tâche - accrocher trois EAs sur un seul et même instrument, par exemple, avec des valeurs différentes après optimisation.

Merci d'avance !

Je joins la source FANN-EA.
Dossiers :
fann-ea.mq4  9 kb
 
Je ne sais pas quel est le problème et où trouver de l'aide, alors j'écris ici. Après avoir optimisé le conseiller expert, je fais un test en utilisant la variante la plus rentable (rentabilité d'environ 2) et le résultat n'est pas seulement une absence de rentabilité d'environ 2, mais il en perd la moitié, comme s'il n'y avait pas eu d'optimisation du tout. Veuillez me dire quel est le problème. Merci d'avance pour la réponse.
 
fru1t >>:
Не знаю в чем дело и куда обратиться за помощью, поэтому пишу сюда. После оптимизации советника прогоняю его тестом по самому прибыльному варианту (прибыльность порядка 2), в результате не то что нет прибыльности порядка 2, а он сливает половину, как будто оптимизации и не было вовсе. Подскажите в чем может быть проблема. Заранее спасибо за ответ.

Les raisons de ce phénomène peuvent être multiples :

1. ce que l'on appelle le "surentraînement".

2. Un enseignant "inadéquat".

3. Pieds fixes.

4. Nombre insuffisant de neurones.

5. Surabondance de neurones.

6....

7...

Vous pouvez continuer pendant longtemps.

Expérimentation. Remarquez les erreurs (les vôtres).

 
fru1t писал(а) >>
Je ne sais pas ce qui ne va pas ni où trouver de l'aide, c'est pourquoi j'écris ici. Après avoir optimisé le conseiller expert, je fais un test en utilisant l'option la plus rentable (environ 2 de rentabilité) et le résultat n'est pas seulement une absence de rentabilité d'environ 2, mais je vois qu'il en perd la moitié, comme s'il n'y avait pas eu d'optimisation du tout. Veuillez me dire quel est le problème. Merci d'avance pour la réponse.


Si vous faites référence à FANN-EA, la raison principale de ce comportement "inadéquat" est expliquée par les trois posts ci-dessus.

 
Pouvez-vous me dire, s'il vous plaît, combien d'entrées et de période d'optimisation (pour FANN-EA 30 entrées et une optimisation d'une heure sur un an) sont sélectionnées manuellement de manière expérimentale ou peuvent-elles être en quelque sorte estimées en fonction de l'entrée et de la sortie ? Je n'arrive pas à trouver ces paramètres qui donnent les bons signaux pour les nouvelles données (qui n'ont pas été impliquées dans l'optimisation) pendant au moins une certaine période de temps. Merci.

Et je suis également intéressé par la ligne
f2M_set_act_function_output (ann, FANN_SIGMOID_SYMMETRIC_STEPWISE) ;
dans la fonction ann_load du conseiller FANN-EA. S'il s'agit de normaliser la sortie, pourquoi les entrées ne peuvent-elles pas être normalisées de la même manière ?
 
Est-ce que tout le monde ici est mort ? Ou personne ne sait quoi répondre... ?
 

Tout est mort ici parce que (comme cela a déjà été dit plusieurs fois) l'EA particulière n'a aucune valeur en soi, sauf comme exemple d'utilisation de la bibliothèque.

La fonction d'activation est la courbe de la sortie d'une fonction donnée par rapport à son entrée. Il doit être choisi en fonction des parties de la plage d'entrée qui sont pondérées pour l'analyse.

La normalisation est la réduction des valeurs d'entrée à une plage de -1...1 ou 0...1. C'est une condition préalable au fonctionnement normal du réseau neuronal.