В наше время, наверное, каждый трейдер слышал о нейронных сетях и знает, как это круто. В представлении большинства те, которые в них разбираются, это какие-то чуть ли не сверхчеловеки. В этой статье я постараюсь рассказать, как устроена нейросеть, что с ней можно делать и покажу практические примеры её использования.
В наше время, наверное, каждый трейдер слышал о нейронных сетях и знает, как это круто. В представлении большинства те, которые в них разбираются, это какие-то чуть ли не сверхчеловеки. В этой статье я постараюсь рассказать, как устроена нейросеть, что с ней можно делать и покажу практические примеры её использования.
カオスハンターはどうですか？具体的なリンク先を教えてください。
も興味深い。
何ヶ月もかけて戦略を練り、それをデモ口座で自慢するような人はいないでしょう。そういうものはリアルで取引され、取引履歴は誰からも隠されている。フォーラムでは、わざと2つのブローカーで取引し、片方で負け、もう片方で損失を補填することで、どの取引がストラテジーによるもので、どれが偽物なのかブローカーにも分からないようにしている、という話も読んだことがあります。
結果が出ています。良い予測因子とモデルの組み合わせは、数ヶ月の利益をもたらすこともありますが、それ以下の場合もあります。しかし、それらは他の人に取って代わられる。
個人的な意見ですが、ネウロイ、フォレスト、リグレッション、どれもこれもFXには弱すぎです。なぜなら、価格行動は常に変化しており、今日利益が出るルールも、1週間前には利益が出なかったかもしれないからです。そして、標準的なアプローチ - 数ヶ月間の指標と価格を取り、神経細胞を訓練する - それはすべての2ヶ月間、価格の動作の同じルールを見つけなければならないことを意味します。そして、そのようなルールはなく、何が見つかるかは誰にもわからないが、99％の確率で間違うだろう。時々、モデルは幸運に恵まれ、この1％に入ることができますが、それは聖杯からあまりにも遠く、そのようなExpert Advisorsは通常、最初のストップロスまでうまく取引し、その後、捨てることができます。
私は現在、歴史上の類似したパターンの後の価格行動を見るパターン認識モデルを研究しており、そのような統計を使って取引しています。
Rのパッケージで必要なものがすべて揃っているものは見たことがありません。私は、他の人から断片的に組み立てたモデルと、自分のバイクを持っています。私が見た中で最もモデルの説明に近いのは別のスレッドで、私はこれ（以下引用）を使ってあなたの聖杯を作り始めることをお勧めします。その過程で新しい問題が出てくるので、それについて考え、実験する必要があります。
コリヤンがいつ来るか分からないので、2ヶ月では足りません。
皆さん、頑張ってください。
私の記憶が間違っていなければ、RNNをMT5に実装するのは非常に難しく、良い結果を得るためには、購入するか、独自に開発する必要があり、膨大な労力を必要とします。
また、MLPでは、現在のバーの価格、指標に関する情報を除いて、10～30本前のバーの同じ情報をすべて送信すると、一種の記憶となる。ニューロンの一部は現在の状態を処理し、別の一部は直近の過去の状況を処理する。
どうせ本来の動作はしない、動作原理が全く違う...。MLPでは，可能であれば予測器を買い/売りのグループに単純に分類し，不可能であれば，再び出力でドロドロしたものを生成します．つまり、MLPの代わりにRandom Forestを使っても同じであり、心配する必要はないでしょう。
OpenCLでは、怠け者でなければ、そうではありません ))
OpenCLは、ネットワーク上ではなく、自分のマシン上でのみ読み込みが可能なようです。1stPCでは物足りないのではと思います。
私は、ALGLIBに各パスのデータをファイルに保存して上書きし、例えば1000回目のパスごとに（あるいは学習サイクル-エポックの終わりに）このファイルを読み、エージェント（ファイル経由）に次のエポックを計算する許可を与えることを検討しています。リモートエージェントがファイルパーミッションを読めるかどうかという問題はありますが......解決しないといけませんね。ないと思います((.
https://www.mql5.com/ru/articles/497 のような最も単純なバリアントだけが計算を分離できるようになりますが、1層で単純すぎるし、独自のコマンドでどのように訓練すればいいのかが不明です。
私はフレームに注目しており、各パスのデータをファイルに保存し、例えば1000パス毎（または学習サイクル-エポックの終了時）にこのファイルを読み、次のエポックを計算する許可を（ファイルを介して）エージェントに与えるようにALGLIBを書き換えています。もし、リモートエージェントがファイルパーミッションを読むことができたら......という問題はあるのですが。を考えなければならない。
計算は、https://www.mql5.com/ru/articles/497 のような最もシンプルなバージョンに限って配布することができますが、あまりにもシンプルで単層的で、自分のコマンドで教えるにはどうしたらいいのかがよくわかりません。
そのようなニューロンをいくつか作り、ニューロン間の接続のために（入力層とニューロン間の重みのように）インカージョンに余分な重みを追加すると、インカージョンだけがたくさん出てきます。一方、オッペンザウルスは必要ありません、クラウドですぐに計算します
すなわち、第1ニューロンから第2層の5ニューロンへ5回接続し、さらにそこから出力へ5回接続することで、何らかの形で
を選択し、オプティマイザで重み選択により学習させ、オプティマイザから最適なラン
まさにイメージ通り )
ただ、5ニューロンではなく、少なくとも500ニューロン（記憶のアナロジーとして、いくつかの小節のデータを代用した場合）にはなるのではないかと思います。
また、マニュアルやジグザグコマンドでの学習はどうでしょうか？ねじ込む方法はないのでしょうか？
まさにイメージ通り )
ただ、5ニューロンではなく、少なくとも500ニューロン（記憶のアナロジーとして、いくつかの小節のデータを代用した場合）にはなるのではないかと思います。
また、マニュアルセットやジグザグコマンドでの学習はどうでしょうか？ネジ止めは無理？
なぜかというと、ジグザグが上昇していたか下降していたかに応じて、出力に0または1が与えられるからです。つまり、入力にはn本分後ろにシフトした履歴が与えられ、出力 - 上昇していたか下降していたか
ジグザグが上昇したか下降したかによって、0または1を入力します。つまり、入力はn本の履歴を後方にシフトしたもので、出力は上昇したか下降したか、という予測です。
このコード https://www.mql5.com/ru/articles/497 で計算出力の代わりに代入出力を使えば、どんな入力の組み合わせでも同じ結果になります。結局のところ、常に事前に指定された答えを使うことになるのです。つまり、学ぶことがないのです。
ということで、異なる出力があります。
なるほど、これは非神経細胞ですね（笑)。
ということで、異なる出力があります。
あなたの考えが理解できない(