18 октября в журнале Nature была опубликована статья компании DeepMind о новых достижениях AlphaGo. Новая версия программы получила название Zero, так как была обучена с нуля без использования данных, полученных от человека, кроме правил самой игры Го. Для тренировок прошлой версии, победившей в чемпионатах с людьми, изначально использовался...
コードがないと何もわからない。
インジケータの値を読み込んでログに書き出すだけの、最小限の機能でシンプルなExpert Advisorを作るべきですね。この場合、結果は異なるので、Expert Advisorのコードと一緒にサービスデスクに送信する必要があります。
また、コードを添付することもできます。https://www.mql5.com/ru/forum/1111/page2096。 知識のある人がチェックして、何が問題なのかを確認または説明してくれるでしょう。
OK、そこで報告してみる。エージェントでEAをテストしているのではなく、他のシンボルからインジケータを呼び出すインジケータをテストしているのです。もしかしたら、違いがあるのかもしれない...。どうだろう...時間が経っても問題は解決しない:-)
https://geektimes.ru/post/294617/
ようやく、自己鍛錬する適応システムで何かが生まれつつある...それをやるにはとんでもない時間がかかるし、まだラフドラフトだけど、すでに何かある。エクイティのグラフはぎこちないけど「正直」、つまりマーケットへの調整なしにすべて前進している :) 同じく処分しなければならないうるさい案件がたくさんある。
MOはもちろん、脳への負担が大きい
F
つまり、マーケットに適応することなく、すべてフォワードなのです :) ノイジーなトレードもたくさんあるので、それを取り除かなければなりません。
これは、脳にとって非常に難しいことです
F
同じ期間のシンボルチャートを表示することは可能ですか？全体としては似たようなものですが、収益性という点では若干先行しています。
で、M15のタイムフレームを使ったからこそ、これだけ多くのトレードができたのだと思います。でも、まだ最終版ではなく、うんざりしているから摘出したのです :)
まだ無理です。この1年、家庭内の問題で忙しかった。あと1ヶ月あります。それから、結果の投稿を始めます、ソースはできています。
1カ月以上経過した。GARCHのアプリケーション、写真付きでお待ちしています...。
1カ月以上経過した。GARCHの実用化の話、写真付きで楽しみにしています...。
はい、そうです。
LSTMニューロンについて理解しやすい記述に出会ったので、それをテストするためにちょっとしたコードを書きました。記事 -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
このコードでは、ユーロドルM5の100本のバーを取り、バー単位で増分値をカウントし、最後の既知のバーを基に次の増分を予測するようlstmニューロンをトレーニングしています。
学習は複雑な解析方程式を使わずに、離散的なlbfgs最適化によってニューロンウェイトを調整した。
予測値（R2）は0を少し上回る程度となり、非常に低いが、それでも無作為に推測するよりはましであることがわかった。lstmニューロンは指標や増分の配列ではなく、たった1つの値から次の値を予測し、それがすべてのバーで繰り返されることを考慮すると、一般的に非常にシンプルであり、結果は私が予想していたよりも良いものでした。しかし、何千本もの棒グラフを撮影すると、R2スコアが0以下になることが判明しました。また、このようなモデルの結果は、新しいデータではFXでかなり悪化するようで、クロスバリデーションで何か自転車を発明しないと、こんな単純な形では儲からないでしょう。
さて、このニューロンからネットワークを作る必要があるのですが、記事には書かれていませんでした。
LSTMニューロンについて理解しやすい説明に出会ったので、それをテストするためにちょっとしたコードを書きました。記事 -http://datareview.info/article/znakomstvo-s-arhitekturoy-lstm-setey/
このコードでは、100本のユーロドルM5を使用して、バーの増分を数え、最後に判明した増分を使用して次の増分を予測するようにlstmニューロンを訓練しています。
複雑な解析方程式を使わずに、ニューロンウェイトを離散的なlbfgs最適化でフィットさせて学習させたので、もっとひどいですが、簡単なテストには使えます。
予測値（R2）は0を少し上回る程度となり、非常に低いが、それでも無作為に推測するよりはましであることがわかった。lstmニューロンは指標や増分の配列ではなく、たった1つの値から次の値を予測し、それがすべてのバーで繰り返されることを考慮すると、一般的に非常にシンプルであり、結果は私が予想していたよりも良いものでした。しかし、何千本もの棒グラフを撮影すると、R2スコアが0以下になることが判明しました。また、このようなモデルの結果は、新しいデータではFXでかなり悪化するようで、クロスバリデーションで何か自転車を発明しないと、こんな単純な形では儲からないでしょう。
あとは、このニューロンからどうにかしてネットワークを構成する必要があるのですが、これについては記事で触れられていませんでした。
Lstmはarimaよりも季節のサイクルを予測するのですが、トレーニングに時間がかかるんです。）
私の友人で、いつもそれらに興奮し、kerasを学び、仕事で簡単なシリーズを旬の利益で取り、ほぼ1日ネットを鍛え...その後、ずっと悪態をついていた人がいます。