이 방법은 확실히 흥미롭지만 고정된 물체의 분류에 적합합니다. 사실은 30X30 맵의 적절한 훈련 및 분석을 위해 약 50,000개의 훈련 벡터 배열이 필요했으며 계속 진행 중입니다. 오랜 시간 동안 패턴(존재한다고 가정하지만 안정적이지 않음)이 번지고 맵이 균일한 색상을 얻습니다. 또한 , Kohonen 맵 은 데이터 표현 유형에 매우 민감한 것으로 나타났습니다. O[i]/O[i-1]은 맵을 균일한 색상으로 페인트하고 동일한 데이터는 다음과 같이 표시됩니다(O[i]- O[i-1])/O[ i], 지도를 원래대로 두 개의 별개 영역으로 나눴습니다. 모든 문제는 손의 비뚤어진 날카로움에서 가능하지만 내 귀 사이의 신경망에 대한 대자연에 이미 기분이 상합니다.
나중에 생각이 형성되면 상관 관계를 다시 시도하고 알레가에서 작업해야합니다. 그렇지 않으면 그는 기분이 상합니다.
패턴에 대한 글 잘 읽었습니다. 건설적인 것에 감사드립니다. 저는 제 자신의 것을 조금 추가하고 싶습니다. 이 작업 에서는 어떤 데이터 섹션을 가져도 Pearson의 CC(> 0.9)에서 유사한 간격이 상당히 많이 있으며 서로 멀리 떨어져 있음을 발견했습니다. 작품 설명에서 두 번째 영상은 구간(빨간색 세로선 사이)별 예보(세로선 바깥쪽)를 보여주고 있다. 왼쪽 모서리에는 유사한 섹션의 수와 평균 및 최상의 QC가 제공됩니다.SB의 경우 거기에 쓰여진 대로 다음과 같아야 합니다. RMS는 거리에 따라 발산해야 합니다.
존경받는 커뮤니티는 선택한 영역에서 최소 및 최소 분산으로 최대 유행의 원칙에 따라 최적의 포트폴리오를 구축하는 지표를 제공합니다.
저는 MT5가 필요하지 않기 때문에 가지고 있지 않습니다. 그러나 코드는 주석 처리가 잘 되어 있어 모든 것이 명확합니다.
불완전한 멀티바 동기화, 에퀴티 계산, 오즈 캡 등은 제쳐두고 그 코드는 대략적인 형태로 어떤 조건에서도 합성물을 만드는 완전한 방법입니다. 이 줄만 편집해야 하는 경우:
double y=ugol/hitrdisp ; //собственно сама формула идеальной иквити ради которой все пляски.
이 기준은 명확합니다 - 구성 간격에서 합성의 가장 안정적인 추세 자산을 찾는 것입니다. 그리고 기준 계산의 모호성에 침을 뱉고 합성 구성을 위한 모든 조건에 대한 일반적인 형식의 문제를 고려하면 주제를 추가로 탐색해야 합니다.
계수 변화의 역학을 관찰하십시오.
합성 물질의 관성 보존을 조사합니다. 예를 들어, 이것은 2차원 차트입니다. 여기서 가로축은 플로팅 구간을 넘어선 막대의 수이고 세로축은 이들에 대해 계산된 y (합성 최적성 기준)의 평균(신뢰 구간 - RMS) 비율입니다. 최적화된 y : y_out / y_in 에 대한 막대입니다.
GA를 통해서도 이것을 계산하는 것은 시간의 바다입니다. 따라서 분석적 솔루션 없이 문제를 조사하는 것은 현실적으로 불가능하지만 바람직할 것입니다.
- 패턴에 대해 Kohonen의 SKP를 교육합니다(패턴을 형성하는 방법은 개별적인 질문이지만 중요한 것입니다).
- 각 UPC 셀에 고유한 번호를 할당합니다(저에게는 좌표였습니다, 예를 들어 3, 5).
- 좌표가 x1;y1인 셀이 활성화되면 위치에 진입하고 셀 x2;y2가 활성화되면 위치를 닫습니다. 이 경우 많은 입력 및 출력 셀이 있을 수 있습니다(그 조합이 중요함).
- 구현(나를 위해): dll에서 훈련된 UPC는 현재 가격 패턴에 의해 활성화된 셀의 좌표를 Expert Advisor에게 보냅니다. 좌표가 항목을 나타내는 경우 입력하고 활성화된 셀이 나타내는 경우 종료합니다. 위치가 닫힙니다. 동시에 유전학은 특정 세포에 대한 진입 및 퇴장 주제에 대한 수많은 변형을 분류하고 조언자에서 가장 수익성이 높은 세포를 기록할 수 있습니다. 나는 모든 유전자 실행을 분석한 후 손으로 녹음했습니다.
따라서 진입 및 퇴장 패턴뿐만 아니라 중요합니다. 결과는 상당히 다릅니다. 사진이 있어요.
- 패턴에 대해 Kohonen의 SKP를 교육합니다(패턴을 형성하는 방법은 개별적인 질문이지만 중요한 것입니다).
- 각 UPC 셀에 고유한 번호를 할당합니다(저에게는 좌표였습니다, 예를 들어 3, 5).
- 좌표가 x1;y1인 셀이 활성화되면 위치에 진입하고 셀 x2;y2가 활성화되면 위치를 닫습니다. 이 경우 많은 입력 및 출력 셀이 있을 수 있습니다(그 조합이 중요함).
- 구현(나를 위해): dll에서 훈련된 UPC는 현재 가격 패턴에 의해 활성화된 셀의 좌표를 어드바이저에게 보냅니다. 좌표가 항목을 나타내는 경우 입력하고 활성화된 셀이 종료를 나타내는 경우에도 종료합니다. 위치의. 동시에 유전학은 특정 세포에 대한 진입 및 퇴장 주제에 대한 수많은 변형을 분류하고 조언자에서 가장 수익성이 높은 세포를 기록할 수 있습니다. 나는 모든 유전자 실행을 분석한 후 손으로 녹음했습니다.
따라서 진입 및 퇴장 패턴뿐만 아니라 중요합니다. 결과는 상당히 다릅니다. 사진이 있어요.
1. 고정 창 크기를 COM 입력에 적용합니다(귀하의 경우 40bar). IMHO 어떤 식으로든 시장의 현재 모습을 그리는 것은 완전히 정확하지 않습니다. 일반적으로 슬라이딩 윈도우의 값은 최소한으로 충분하다는 조건에서 가변 값이 될 것입니다. 또한 훈련 벡터에는 가격뿐만 아니라 거래 주문 분포, 저항 지지 수준의 근접성 등을 포함하여 금리에서 지표 판독에 이르기까지 모든 것이 포함될 수 있습니다.
2. 차트를 극한까지 압축하면 히스토리에 플랫, 상승추세, 하락추세의 3개 영역이 뚜렷하게 눈에 띕니다. 형식화 하지 않을게, 그렇게 멍청하지 않아. 과제는 이러한 영역을 선별하여 초기 단계에서 식별하는 것입니다.
3. 역사에 대한 훈련된 COM. 온라인 지도에서 현재 순간의 궤적을 보는 꿈을 꿉니다. 궤적을 예측하면 유사한 사적지에서 수익성 있는 전략을 선택하고 사전에 런칭할 수 있다.
4. 클러스터의 가능한 최대 균일 분포에 대한 맵을 구축하는 것이 필요합니다. 내가 구현한 지도에서 위의 그림을 보면 알고리즘이 거의 올바르게 작동하는 것을 볼 수 있습니다. 입력 벡터의 분류가 있습니다. 그러나 IMHO 지도를 무지개처럼 빨강에서 자주색으로 균일하게 채우고 중앙에 음영이 있는 빨강을 집중하지 않는 것이 더 정확할 것입니다.
합성 물질의 관성 보존을 조사합니다. 예를 들어, 이것은 2차원 차트입니다. 여기서 가로축은 플로팅 구간을 넘어선 막대의 수이고 세로축은 이들에 대해 계산된 y (합성 최적성 기준)의 평균(신뢰 구간 - RMS) 비율입니다. 최적화된 y : y_out / y_in 에 대한 막대입니다.
GA를 통해서도 이것을 계산하는 것은 시간의 바다입니다. 따라서 분석적 솔루션 없이 문제를 조사하는 것은 현실적으로 불가능하지만 바람직할 것입니다.
추신: 클라우드를 끊으면 탐색하고 성공할 수 있습니다.
전적으로 동의합니다. 조언자가 필요하지만 거기에는 많은 돌이 쌓여 있습니다. 어떻게 생각하는 동안.
Kohonen 지도의 나의 구현, 첫 번째 릴리스. 지금까지 그는 색상 팔레트 를 뼈대로 분해하여 성능을 확인하는 방법을 알고 있습니다. 첨부된 코드
토탈 코호넨 게임.
이 방법은 확실히 흥미롭지만 고정된 물체의 분류에 적합합니다. 사실은 30X30 맵의 적절한 훈련 및 분석을 위해 약 50,000개의 훈련 벡터 배열이 필요했으며 계속 진행 중입니다. 오랜 시간 동안 패턴(존재한다고 가정하지만 안정적이지 않음)이 번지고 맵이 균일한 색상을 얻습니다. 또한 , Kohonen 맵 은 데이터 표현 유형에 매우 민감한 것으로 나타났습니다. O[i]/O[i-1]은 맵을 균일한 색상으로 페인트하고 동일한 데이터는 다음과 같이 표시됩니다(O[i]- O[i-1])/O[ i], 지도를 원래대로 두 개의 별개 영역으로 나눴습니다. 모든 문제는 손의 비뚤어진 날카로움에서 가능하지만 내 귀 사이의 신경망에 대한 대자연에 이미 기분이 상합니다.
나중에 생각이 형성되면 상관 관계를 다시 시도하고 알레가에서 작업해야합니다. 그렇지 않으면 그는 기분이 상합니다.
내가 여기에 오랫동안 있지 않았다는 것을.
존경받는 커뮤니티는 선택한 영역에서 최소 및 최소 분산으로 최대 유행의 원칙에 따라 최적의 포트폴리오를 구축하는 지표를 제공합니다.
이것은 릴리스이며 코드가 최적화되지 않았으므로 많은 침을 뱉지 마십시오. 작업할 아이디어를 주는 것이 좋습니다. 표시기 작업은 주석에 설명되어 있습니다. 그의 작업의 예가 그림 1에 나와 있습니다.
트레일러 코드.
상관관계를 다시 해보겠습니다...
상관 관계를 통해 패턴에서 짜낼 수 있는 최대값, 여기 에 게시됨 .
다음은 PM이 보낸 메시지의 일부입니다.
패턴에 대한 글 잘 읽었습니다. 건설적인 것에 감사드립니다. 저는 제 자신의 것을 조금 추가하고 싶습니다. 이 작업 에서는 어떤 데이터 섹션을 가져도 Pearson의 CC(> 0.9)에서 유사한 간격이 상당히 많이 있으며 서로 멀리 떨어져 있음을 발견했습니다. 작품 설명에서 두 번째 영상은 구간(빨간색 세로선 사이)별 예보(세로선 바깥쪽)를 보여주고 있다. 왼쪽 모서리에는 유사한 섹션의 수와 평균 및 최상의 QC가 제공됩니다.SB의 경우 거기에 쓰여진 대로 다음과 같아야 합니다. RMS는 거리에 따라 발산해야 합니다.
존경받는 커뮤니티는 선택한 영역에서 최소 및 최소 분산으로 최대 유행의 원칙에 따라 최적의 포트폴리오를 구축하는 지표를 제공합니다.
저는 MT5가 필요하지 않기 때문에 가지고 있지 않습니다. 그러나 코드는 주석 처리가 잘 되어 있어 모든 것이 명확합니다.
불완전한 멀티바 동기화, 에퀴티 계산, 오즈 캡 등은 제쳐두고 그 코드는 대략적인 형태로 어떤 조건에서도 합성물을 만드는 완전한 방법입니다. 이 줄만 편집해야 하는 경우:
이 기준은 명확합니다 - 구성 간격에서 합성의 가장 안정적인 추세 자산을 찾는 것입니다. 그리고 기준 계산의 모호성에 침을 뱉고 합성 구성을 위한 모든 조건에 대한 일반적인 형식의 문제를 고려하면 주제를 추가로 탐색해야 합니다.
GA를 통해서도 이것을 계산하는 것은 시간의 바다입니다. 따라서 분석적 솔루션 없이 문제를 조사하는 것은 현실적으로 불가능하지만 바람직할 것입니다.
추신: 클라우드를 끊으면 탐색하고 성공할 수 있습니다.
패턴의 테마는 여전히 켜져 있습니까?
여기에 내 업적에 대해 썼습니다. https://www.mql5.com/en/forum/133209/page5
- 패턴에 대해 Kohonen의 SKP를 교육합니다(패턴을 형성하는 방법은 개별적인 질문이지만 중요한 것입니다).
- 각 UPC 셀에 고유한 번호를 할당합니다(저에게는 좌표였습니다, 예를 들어 3, 5).
- 좌표가 x1;y1인 셀이 활성화되면 위치에 진입하고 셀 x2;y2가 활성화되면 위치를 닫습니다. 이 경우 많은 입력 및 출력 셀이 있을 수 있습니다(그 조합이 중요함).
- 구현(나를 위해): dll에서 훈련된 UPC는 현재 가격 패턴에 의해 활성화된 셀의 좌표를 Expert Advisor에게 보냅니다. 좌표가 항목을 나타내는 경우 입력하고 활성화된 셀이 나타내는 경우 종료합니다. 위치가 닫힙니다. 동시에 유전학은 특정 세포에 대한 진입 및 퇴장 주제에 대한 수많은 변형을 분류하고 조언자에서 가장 수익성이 높은 세포를 기록할 수 있습니다. 나는 모든 유전자 실행을 분석한 후 손으로 녹음했습니다.
따라서 진입 및 퇴장 패턴뿐만 아니라 중요합니다. 결과는 상당히 다릅니다. 사진이 있어요.
패턴 작업(및 기타 비교적 복잡한 주제)의 경우 유사한 비디오(HD)를 게시하는 것이 좋습니다.
이렇게 하면 메서드의 결과를 시각적으로 평가할 수 있습니다. 제3자 의견과 아이디어를 포함합니다.
저자가 자신의 방법으로 비슷한 비디오를 만드는 것보다 낫지만 아무도 성공하지 못할 것입니다. 주된 조건은 미래를 내다보지 않는 것입니다.
이것은 각 프레임이 계산 알고리즘에 따라 분으로 계산될 수 있는 역학이 표시되는 방식입니다.
패턴의 테마는 여전히 켜져 있습니까?
여기에 내 업적에 대해 썼습니다. https://www.mql5.com/en/forum/133209/page5
- 패턴에 대해 Kohonen의 SKP를 교육합니다(패턴을 형성하는 방법은 개별적인 질문이지만 중요한 것입니다).
- 각 UPC 셀에 고유한 번호를 할당합니다(저에게는 좌표였습니다, 예를 들어 3, 5).
- 좌표가 x1;y1인 셀이 활성화되면 위치에 진입하고 셀 x2;y2가 활성화되면 위치를 닫습니다. 이 경우 많은 입력 및 출력 셀이 있을 수 있습니다(그 조합이 중요함).
- 구현(나를 위해): dll에서 훈련된 UPC는 현재 가격 패턴에 의해 활성화된 셀의 좌표를 어드바이저에게 보냅니다. 좌표가 항목을 나타내는 경우 입력하고 활성화된 셀이 종료를 나타내는 경우에도 종료합니다. 위치의. 동시에 유전학은 특정 세포에 대한 진입 및 퇴장 주제에 대한 수많은 변형을 분류하고 조언자에서 가장 수익성이 높은 세포를 기록할 수 있습니다. 나는 모든 유전자 실행을 분석한 후 손으로 녹음했습니다.
따라서 진입 및 퇴장 패턴뿐만 아니라 중요합니다. 결과는 상당히 다릅니다. 사진이 있어요.
1. 고정 창 크기를 COM 입력에 적용합니다(귀하의 경우 40bar). IMHO 어떤 식으로든 시장의 현재 모습을 그리는 것은 완전히 정확하지 않습니다. 일반적으로 슬라이딩 윈도우의 값은 최소한으로 충분하다는 조건에서 가변 값이 될 것입니다. 또한 훈련 벡터에는 가격뿐만 아니라 거래 주문 분포, 저항 지지 수준의 근접성 등을 포함하여 금리에서 지표 판독에 이르기까지 모든 것이 포함될 수 있습니다.
2. 차트를 극한까지 압축하면 히스토리에 플랫, 상승추세, 하락추세의 3개 영역이 뚜렷하게 눈에 띕니다. 형식화 하지 않을게, 그렇게 멍청하지 않아. 과제는 이러한 영역을 선별하여 초기 단계에서 식별하는 것입니다.
3. 역사에 대한 훈련된 COM. 온라인 지도에서 현재 순간의 궤적을 보는 꿈을 꿉니다. 궤적을 예측하면 유사한 사적지에서 수익성 있는 전략을 선택하고 사전에 런칭할 수 있다.
4. 클러스터의 가능한 최대 균일 분포에 대한 맵을 구축하는 것이 필요합니다. 내가 구현한 지도에서 위의 그림을 보면 알고리즘이 거의 올바르게 작동하는 것을 볼 수 있습니다. 입력 벡터의 분류가 있습니다. 그러나 IMHO 지도를 무지개처럼 빨강에서 자주색으로 균일하게 채우고 중앙에 음영이 있는 빨강을 집중하지 않는 것이 더 정확할 것입니다.
주제를 더 탐색해야 합니다.
GA를 통해서도 이것을 계산하는 것은 시간의 바다입니다. 따라서 분석적 솔루션 없이 문제를 조사하는 것은 현실적으로 불가능하지만 바람직할 것입니다.
추신: 클라우드를 끊으면 탐색하고 성공할 수 있습니다.
동의하지 않는다. 특정 수의 입력 매개변수를 사용 하여 Expert Advisor를 작성하여 패턴을 찾기 위해 시도할 수 있는 최적화를 제안합니다.
다른 방법이 맞다고 생각합니다. 먼저 심층 연구를 수행한 다음 이 연구를 기반으로 입력 매개변수를 사용하여 Expert Advisor를 작성하는 것입니다.