ジグザグインジケーターとニューラルネット - ページ 9

新しいコメント
 
Piligrimm:
プログラム全体はMatlabで書かれており、予測を計算する部分はMatlabでコンパイルされ、1分ごとに新しいバーの到着時に入力データを収集するインジケータから実行される実行ファイルとして実行されます。ネットワーク学習と閾値係数の最適化を行う部分は、Matlabで直接動作し、5分ごとにタイマーで動作しています。


ありがとうございます。Matlabでのネットワーク構築とMT4へのバインディングで対応することにします。もし、自分でデザインしたものがあれば、loknar@list.ru まで送ってください。とてもありがたいことです。

 
Mathemat:
Piligrimm wrote (a): 現在、 私のシステムは5分ごとに再トレーニングを行い、新しいバーが到着すると1分ごとに予測を再計算しています。もしRAMと性能が一桁多かったら、各ステップで計算と一緒に再トレーニングを行い、予測の精度は大幅に向上するでしょう。

5分ごとに再トレーニングを行い、1分ごとに予測を再計算する......というのは、あまりに頻繁ではないでしょうか？そして、予測精度を上げるために再トレーニング（と計算）の頻度をさらに増やしたい（1ティックごと、とか）というのは、私には違和感がありますね。本当に動作しているシステムが、受信データの周波数と一致する周波数で 再トレーニングを 行うことで恩恵を受けるとは思えません。
。

P.S. そして、pf>25は夢物語ではなく、論外なものである・・・。儲かるトレードと儲からないトレードの比率が5：1、TP/SL＝5であれば、かなり実現可能だと思いますが。


疑うことはあなたの権利です。私は、市場に対する私のビジョンと、戦略を実行する方法を表明しているに過ぎません。比較的落ち着いた市場で働いているのであれば、5分ごとの再トレーニングで十分です。例えば，1日だけ学習させた後，再学習させずに再度マーケットに接続し，古い設定で予測を行います． テストサンプルでは，14%から28%の誤差がありますが，対象期間の予測が間違っている保証はありませんが，システムは満足のいく予測をします．

毎回の計算前に再トレーニングを行うように努めることで、あらゆる条件、ニュースリリースなどでの システムの安定性、正確性に対処しています。冗長に見えるかもしれませんが、私の市場調査の経験から、どんな状況でも常に一歩先を行く効率的で不沈なシステムの必須条件であり、これを実現しようと考えています。

 
Loknar:
ピリグリム。
プログラム全体はMatlabで書かれており、予測を計算する部分はMatlabでコンパイルされ、新しいバーが通過してから1分毎に入力データを収集するインジケータから実行される実行ファイルとして実行されます。ネットワーク学習と閾値係数の最適化を行う部分は、Matlabで直接動作し、5分ごとにタイマーで動作しています。


ありがとうございます。matlabでネットワークを構築し、MT4と連携することを検討してみます。もし、自分でデザインしたものがあれば、loknar@list.ru まで送ってください。とてもありがたいことです。

一例を挙げると、シンプルだが効率的なネットワーク、私はこのうちの1つを使用しています。

 
Piligrimm:

一例を挙げると、シンプルだが効果的なネットワークとして、私はこのようなものを使っています。



情報をありがとうございました。

Matlabのデバイス（7.5とアドオンをたくさんダウンロード中）やニューラルネットワークの 連想ソフトウェアが必要なら、協力する準備はできています。

 

興味のある方には、「幸せの方程式」をお教えしますよ。

GP1[iq+1] = 0.3*((-0.610885 *GP1[iq-1]*GP1[iq-1]*GP1[iq-2]-0.0795671 *GP1[iq]*GP1[iq-1]*GP1[iq-1]*GP1[iq-1]*GP1[iq-2]+1.19161 *GP1[iq-1]*GP1[iq-1]-0.422269 
                   *GP1[iq])/(GP1[iq-1]*GP1[iq-1]-0.505662 *GP1[iq]*GP1[iq-1]*GP1[iq-1]-0.415455 *GP1[iq-2]*GP1[iq-2]))+0.7*((-0.610885 *GP1[iq-2]*GP1[iq-2]*GP1[iq-3]
                   -0.0795671*GP1[iq-1]*GP1[iq-2]*GP1[iq-2]*GP1[iq-2]*GP1[iq-3]+1.19161 *GP1[iq-2]*GP1[iq-2]-0.422269 *GP1[iq-1])/(GP1[iq-2]*GP1[iq-2]-0.505662 *GP1[iq-1]
                   *GP1[iq-2]*GP1[iq-2]-0.415455 *GP1[iq-3]*GP1[iq-3]));
 
GP1 - это или точки перелома в Зиг-Заге, или в любой другой последовательности, которую Вы хотите прогнозировать, например, МА, или просто цены валют, 
хотя я в этих вариантах не проверял, но думаю будет работать.
В расчетах используются переменные сформированные в обратном порядке по отношению к стандартной индексации в МТ4, если хотите применять формулу для
прямой индексации МТ4,то iq-..., замените на iq+... .
Прогноз не 100%, но лучше, чем ничего, использовать в индикаторах можно.

0.3*()や0.7*()などの係数で、タスクに合わせた調整ができます。

 
Piligrimm:

興味のある方には、「幸せの方程式」をお教えしますよ。

GD[iq]
乱数の多項式（GD[iq]が引用の場合）。何かの法則で定数係数-0.610885などを再計算すれば、意味があるのかもしれませんね。この恐ろしい数式がどのような理論で得られるのか、教えていただけないでしょうか :-).それとも、NSの玄人好みの知性なのか
 
Piligrimm:

興味のある方には、「幸せの方程式」をお教えしますよ。

0.3*()や0.7*()などの係数で、タスクに応じた調整をすることもできます。


では、iqとは何でしょうか？ジグザグというからには、単純にそのインデックスの並びなのでしょうか？I.e. iq-1はジグザグの前のブレークポイントになるのでしょうか？
 
Loknar:
ピリグリム。

欲しい人には「幸せの方程式」を教えます!

0.3*()や0.7*()といった係数を用いて、タスクに応じた調整を行うこともできます。


では、iqとは何なのか？ジグザグということは、そのインデックスの並びだけなのでしょうか？I.e. iq-1はジグザグの前のブレークポイント？

はい、まさにその通りで、iq-1が前のポイントです。この多項式は、上記のチャートを持つ私のインジケータのために開発したものです。 チェックしたわけではありませんが、誰かの役に立つかもしれません。

この多項式を構築するために使用されるアルゴリズムについて話すと、それは異なる議論、この場合は予測されるトレンドに相対的に遅れている議論を接続する法則を見つけることに基づいています。

図は、この多項式が私にとってどのように作用するかを示している。青い線は変曲点でのトレンド、ピンクの線は多項式を通過したものである。入力されたデータは正規化されるため、このような尺度になる。

 
Piligrimm писал (а): 興味のある方には、「幸せの方程式」をお教えしますよ。
GP1[iq+1] =
ここにいたのか、このトナカイめ...。
 
Prival:
ピリグリム。

興味のある方には、「幸せの方程式」をお教えしますよ。

GD[iq]
乱数のいくつかの野生の多項式（GD[iq]が引用である場合）。 多分それは一定の係数-0.610885などを再計算するために、いくつかの法則によって意味をなさないだろう。この恐ろしい数式がどのような理論で得られるのか、教えていただけないでしょうか :-).それとも、NSの玄人好みの知性なのか

先ほど示した多項式はそれほど乱暴なものではありません。例えば、本当に乱暴な多項式を示すことができ、私はそれを使って計算をしています。

Matlabで書かれています。循環させないために最後の2行を削除しました。

GR(i)=0.25*(0.4*(0.55*(0.6*(0.09*(-0.00192393 +GM(i+3)*(-0.1725) +GM(i+6)*(1.17444))+0. 28*(-0.00130286 +(-0.000123992 +GM(i+5)*(-0.821849) ) ...

+GM(i+6)*(1.82199))*(0.302188) +(-0.00145804 +GM(i+4)*(-0.153087) +GM(i+6)*(1.15453))*(0. 699112))+0.09*(-0.000577229 +GM(i+3)*(-0.162435)) ...。

+GM(i+6)*(1.16299))+0.09*((0.832328 *GM(i+4)*GM(i+6)-0.119317 *GM(i+6)*GM(i+5)-0.100951 *GM(i+5)-0.0192996 *GM(i+2))/(GM(i+4)-0.361992)...

*GM(i+5)-0.0452508 *GM(i+6)))+0.09*((1.00001 *GM(i+6)*GM(i+6)*GM(i+6)*GM(i+6)-1. 03818 *GM(i+6)*GM(i+6))/(GM(i+6)*GM(i+6)-1.03817...

*GM(i+6)))+0.09*((1.07271 *GM(i+6)-0.512733 *GM(i+6)+0.684408 *GM(i+4)-0.485238 *GM(i+4)) /(1-0.240858 *GM(i+5)*GM(i+6))+0.09...

*((1.00137*GM(i+6)*GM(i+6)-0.000473002 *GM(i+4)*GM(i+6)-0.998682 *GM(i+6)*GM(i+6)+6.

*GM(i+6)))+0.09*(0.730651 *GM(i+4)*GM(i+4)*GM(i+6)/(GM(i+4)*GM(i+4)-0.269349 *GM(i+5)*GM(i+5)))+0. 09*((0.717833 *GM(i+6)*GM(i+4)*GM(i+6)...

-0.11191*GM(i+4)*GM(i+4)*GM(i+4))/(GM(i+6)*GM(i+4)-0.471068 *GM(i+6)*GM(i+5)+0.209781 *GM(i+6)*GM(i+6)-0.132089 *GM(i+3)*GM(i+6)-0.000702832 ....

*GM(i+5)))+0.4*(0.2*(0.6*(-0.00130286 +(-0.000123992 +GM(i+5)*(-0.821849) +GM(i+6)*(1. 82199))*(0.302188) +(-0.00145804 +GM(i+4))...

*(-0.153087) +GM(i+6)*(1.15453))*(0.699112))+0.4*((0.717833 *GM(i+6)*GM(i+4)*GM(i+6)-0. 11191 *GM(i+4)*GM(i+4))/(GM(i+6)*GM(i+4)...

-0.471068 *GM(i+6)*GM(i+5)+0.209781 *GM(i+6)-0.132089 *GM(i+3)*GM(i+6)-0. 000702832 *GM(i+5)))+0.25*(-0.000577229 +GM(i+3)*(-0.162435))...

+GM(i+6)*(1.16299))+0.35*((1.00001 *GM(i+6)*GM(i+6)*GM(i+6)-1.03818 *GM(i+6)*GM(i+6))/(GM(i+6)*GM(i+6)*GM(i+6)-1. 03817 *GM(i+6))

+0.2*((1.07271 *GM(i+6)-0.512733 *GM(i+6)+0.684408 *GM(i+4)-0.485238 *GM(i+4))/(1-0. 240858 *GM(i+5)*GM(i+6))))+0.45*(0.4*((1.73835 ...)..

*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0.0334794 *GM(i+3)*GM(i+4)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0. 919558 *GM(i+4)...

*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0.376192 *GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0.345737)/(GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)*GM(i+5)-0. 0355159...

*GM(i+3)-0.901092 *GM(i+4)))+0.6*((-2.01988 *GM(i+3)*GM(i+3)*GM(i+4)*GM(i+6)+2.90062 *GM(i+3)*GM(i+4)+5.31466 *GM(i+3)*GM(i+3)...

*GM(i+5)-3.01304 *GM(i+3)*GM(i+3)-4.34954 *GM(i+3)*GM(i+5))/(GM(i+3)*GM(i+4)-2. 16719))))+0.4*(0.33*((1.00914 *GM(i+4)*GM(i+5)...

*GM(i+5)+0.977507 *GM(i+4)*GM(i+4)*GM(i+5)-1.9751 *GM(i+4)*GM(i+3)*GM(i+5))/(GM(i+4)*GM(i+5)-0. 988447*GM(i+3)*GM(i+3))+0.67*((2.51015 ...

*GM(i+6)-0.979174 *GM(i+5)*GM(i+6)-0.642762)/(1-0.111777 *GM(i+5)*GM(i+5)*GM(i+4))))+0. 4*(0.9*(0.3*((1.00914 *GM(i+4)*GM(i+5)*GM(i+5)...

+0.977507 *GM(i+4)*GM(i+4)*GM(i+5)-1.9751 *GM(i+4)*GM(i+3)*GM(i+5))/(GM(i+4)*GM(i+5)-0. 988447*GM(i+3)*GM(i+3))+0.7*((0.0988538 *GM(i+4)...

*GM(i+6)-0.0240242 *GM(i+4)*GM(i+5)+0.0291295 *GM(i+4)+0.904081 *GM(i+4)-0.951504 *GM(i+3))/(GM(i+4)-0.943467 ...となります。

*GM(i+3))))+0.1*((2.01304 *GM(i+5)*GM(i+5)*GM(i+5)-2.02312 *GM(i+4)*GM(i+5)*GM(i+5)+0. 0156151 *GM(i+5)*GM(i+5)*GM(i+5)...

/(GM(i+5)*GM(i+5)-1.01005 *GM(i+4)*GM(i+5)-1.14951e-005 *GM(i+5)*GM(i+5)+0. 0155924 *GM(i+5)*GM(i+5)-7.72653e-007 *GM(i+5)-7.0.0 *GM(i+5)-7.0 *GM(i+5)-7.1.0 *GM(i+4)*GM(i+5)-1.0.0 *GM(i+5)

*GM(i+5)*GM(i+5))))+1.8*(0.3*((-0.610885 *GM(i+4)*GM(i+4)*GM(i+5)-0.0795671 *GM(i+3)*GM(i+4)*GM(i+4)*GM(i+5)+1. 19161 *GM(i+4)...

*GM(i+4)-0.422269 *GM(i+3))/(GM(i+4)-0.505662 *GM(i+3)*GM(i+4)-0.415455 *GM(i+5))+0.7*((-0.610885 *GM(i+5)*GM(i+5))...)

*GM(i+6)-0.0795671*GM(i+4)*GM(i+5)*GM(i+5)*GM(i+6)+1.19161 *GM(i+5)*GM(i+5)-0. 422269 *GM(i+4))/(GM(i+5)*GM(i+5)-0.505662 *GM(i+4)...

*GM(i+5)*GM(i+5)-0.415455 *GM(i+6)*GM(i+6)))+0.3*((0.325815 *GM(i+5)*GM(i+5)-0.322486 *GM(i+4)*GM(i+4)+0.00437944 *GM(i+5)))...

1234567891011
新しいコメント