확인. 일반적으로 "스펙트럼 다양화"는 그렇게 간단한 일이 아닙니다. 시작하기 위해 최소한 2개의 매개변수(2개의 표시기)만 사용했습니다. 지역 극단의 2개의 좋은 값으로 각각. 매개변수 값의 배열을 사용합니다. 총 4 MagicNumber(start() 루프에서 4번) 로트 크기는 4로 나뉩니다. 4명의 전문가가 동시에 작업하는 것처럼(4배 더 많은 거래). 결과를 검토하고 공유하겠습니다.
일부 특성이 있는 디지털 필터를 사용하는 AC 평활화와 동일합니다. 평활 계수는 균형이 맞지 않아 구매 버튼의 벽돌과 같습니다. 브릭(+ 예를 들어 스토캐스틱)은 그 자체로 매우 잘 작동합니다. 언제 사야 할지, 언제 팔아야 할지 알 수 있을 뿐입니다. 또한 21bar용 AC가 2번 오르락 내리락 할 수 있다는 점과 4개의 최적화된 매개변수가 있다는 점을 고려하면 ......)))))
그러나 저에게는 신경망이 작동하는 방식과 왜 내가 원하는 만큼 효율적이지 않은지에 대해 설명합니다.
한때 취미가 있었습니다. 창작 기간이 시작될 때 - 지난 주의 결과를 기반으로 m1에서 작업하기 위해 Expert Advisors를 작성하는 것(66000개와 대조적으로 7200개 막대) - 주당 최대 300%가 표시되었습니다. 시험 장치.....
최적화 후 성배를 얻기 위해 가격을 푸리에 시리즈로 분해하는 데 필요한 고조파의 수는 얼마입니까?
신경망은 식별된 객체의 선형 분리성 조건에서만 효과적입니다. 선형 방정식으로 설명되는 평면을 사용하여 피쳐 공간에서 객체의 한 클래스를 다른 클래스와 분리할 수 있는 경우.
AC 오실레이터의 경우 EA는 마지막 값(마지막 값을 기반으로 한 결정은 기술 분석에서 가장 자주 사용됨)뿐만 아니라 이력도 검사합니다. 과거에 지표의 3가지 값이 더 있었습니까? 그는 결정을 내리기 위해 오실레이터의 동작에 관심이 있습니다. 바로 이 동작이 신경망의 입력에도 도달합니다. 그리고 출력에서 우리는 매수 또는 매도를 얻습니다.
또 다른 혁신은 뉴런의 표준 훈련이 아니라 유전 알고리즘을 사용하여 과거 데이터에 대한 가중치를 선택하는 것입니다. 나는 두 가지 옵션을 모두 시도했지만 유전학은 결과를 조금 더 나쁘고 시간이 느립니다. 그러나 MT4에는 내장된 뉴런 알고리즘과 훈련이 없습니다. 그리고 유전자 최적화가 있습니다. 네, 그리고 이 분야의 많은 연구자들은 상황이 급격하게 변할 경우 동적 학습이 적절하지 않다는 사실에 직면했습니다. 예를 들어 시장이 강세장에 의해 지배된다면 시스템은 강세장 추세를 위해 재훈련하고 약세장을 잊어버릴 것입니다. 그 반대. 사무엘 AL 1959 "검사기 게임을 사용한 기계 학습에 대한 일부 연구" IBM J. Research 및 Devepopmend 3: 210 - 229는 이 수치를 처음 만나 설명하고 설명했습니다. 그는 자신의 프로그램에 프로 상대가 있으면 점차 프로 수준의 게임으로 옮겨가는 것을 알아차렸습니다. 그리고 상대방이 초보자라면 프로그램은 이전 레벨을 "잊고" 원시 게임으로 전환하기 시작했습니다. 따라서 뉴런 자체의 실수와 손실에 대해 동적으로 훈련하는 것은 이치에 맞지 않습니다. 시장에 적합한 거래 전략을 개발하기 위해 역사를 통해 실행하는 것이 더 쉽습니다.
그리고 성배 에 관해서는 큰 마음이 필요하지 않습니다. 다음과 같은 여러 조건만 충족하면 됩니다.
1. 시스템은 정지 손실이 전혀 없거나 매우 먼 거리에서 정지 손실이 있는 포지션을 열어야 하므로 작동 확률이 0에 가까울 것입니다. 2. 논리적 AND(&&)로 구분된 트리거 조건이 있는 여러 표시기를 기반으로 하는 강력한 필터를 연결합니다. 그리고 이러한 동일한 표시기의 많은 입력 매개변수를 MTS의 외부 설정으로 가져와 몇 년 동안의 과거 데이터 동안 테스트에서 몇 개의 위치만 열 수 있도록 합니다. 3. 이 모든 자금 관리에 불리한 부분으로 위험을 추가하십시오.
나는 신경망의 전문가는 아니지만 내가 기억하는 한 선형 분리 가능성에 대해 말한 것은 퍼셉트론에서 가장 단순한 첫 번째 네트워크를 나타냅니다. 신경망은 원칙적으로 비선형 분리 가능성과 같은 문제를 해결하기 위해 생성되었기 때문에 이러한 속성이 없음이 입증되었습니다. 수정해주세요. 기억이 잘 안나네요.
거래에서 NS를 사용하는 주제에 대해 흥미로운 링크가 있는 사람이 있습니까? 국회의 이론에 따르면 도서관은 이미 크다. 예측, 외삽 또는 보간이 아니라 패턴 검색에만 NN을 사용할 계획입니다. 특히, 예를 들어 학습 기술이 흥미롭습니다. 예를 들어, 교사의 경우 - 히스토리의 각 막대에 대한 신호 세트를 훈련 시퀀스로 제공하고 NN의 예상 출력: -1/0/1(판매/0/구매)을 제공한다고 가정합니다. 그리고 각 막대에 대해 먼저 수동으로 신호를 설정해야 하는 것은 무엇입니까? 피하는 방법? 이 경우 비지도 학습을 적용하는 방법은 무엇입니까? 역사를 통해 거래의 결과를 제공하고 최대를 달성합니다. 도착했다? 이를 위해 어떤 방법론이 사용됩니까?
Dali : 거래에서 NS를 사용하는 주제에 대해 흥미로운 링크가 있는 사람이 있습니까? 국회의 이론에 따르면 도서관은 이미 크다. 예측, 외삽 또는 보간이 아니라 패턴 검색에만 NN을 사용할 계획입니다. 특히, 예를 들어 학습 기술이 흥미롭습니다. 예를 들어, 교사의 경우 - 히스토리의 각 막대에 대한 신호 세트를 훈련 시퀀스로 제공하고 NN의 예상 출력: -1/0/1(판매/0/구매)을 제공한다고 가정합니다. 그리고 각 막대에 대해 먼저 수동으로 신호를 설정해야 하는 것은 무엇입니까? 피하는 방법? 이 경우 비지도 학습을 적용하는 방법은 무엇입니까? 역사를 통해 거래의 결과를 제공하고 최대를 달성합니다. 도착했다? 이를 위해 어떤 방법론이 사용됩니까?
패턴 인식을 위해 kohonen map 을 사용해보십시오. 그러나 먼저 데이터를 정규화하거나 인코딩해야 합니다.
Dali : ... 예를 들어, 교사의 경우 - 히스토리의 각 막대에 대한 신호 세트를 훈련 시퀀스로 제공하고 NN의 예상 출력: -1/0/1(판매/0/구매)을 제공한다고 가정합니다. 그리고 각 막대에 대해 먼저 수동으로 신호를 설정해야 하는 것은 무엇입니까? 피하는 방법? ...
나는 또한이 문제에 대해 오랫동안 생각했습니다. 결과적으로 가장 쉬운 방법은 다음 막대의 마감에 대한 신호를 설정하는 것이 었습니다. 더 높은 - 구매, 낮은 - 판매, 매우 높은 품질은 아니지만 "지역" 저점과 고점은 사용된 기간에 의해서만 결정됩니다. H4를 사용했는데 결과는 정상이지만 EA는 틱으로 작동하지 않지만 "막대 열기를 명시적으로 제어"합니다.
스크립트를 작성하거나 코드 자체에서 다른 MagicNumbers에 대해 다른 화살표 색상을 설정해야 합니다.
"코드 자체에서 다른 MagicNumbers에 대해 다른 색상의 화살표를 설정"하는 것은 좋은 아이디어입니다. 감사합니다!
그리고 스크립트에 대해:
화살표 색상 변경을 의미합니까, 아니면 스크립트가 "추가" 주문을 제거할 수 있습니까?
그리고 스크립트에 대해:
화살표 색상 변경을 의미합니까, 아니면 스크립트가 "추가" 주문을 제거할 수 있습니까?
그것은 당신의 마음이 원하는 대로입니다. :) 화살표 처리의 예는 http://www.alpari-idc.ru/ru/articles_mql4/25.html 에 나와 있습니다.
설명을 확인해야 합니다. 테스터는 여기에 MagicNumber를 씁니다.
그리고 스크립트에 대해:
화살표 색상 변경을 의미합니까, 아니면 스크립트가 "추가" 주문을 제거할 수 있습니까?
그것은 당신의 마음이 원하는 대로입니다. :) 화살표 처리의 예는 http://www.alpari-idc.ru/ru/articles_mql4/25.html 에 나와 있습니다.
설명을 확인해야 합니다. 테스터는 여기에 MagicNumber를 씁니다.
확인.
일반적으로 "스펙트럼 다양화"는 그렇게 간단한 일이 아닙니다.
시작하기 위해 최소한 2개의 매개변수(2개의 표시기)만 사용했습니다.
지역 극단의 2개의 좋은 값으로 각각.
매개변수 값의 배열을 사용합니다.
총 4 MagicNumber(start() 루프에서 4번)
로트 크기는 4로 나뉩니다. 4명의 전문가가 동시에 작업하는 것처럼(4배 더 많은 거래).
결과를 검토하고 공유하겠습니다.
일부 특성이 있는 디지털 필터를 사용하는 AC 평활화와 동일합니다. 평활 계수는 균형이 맞지 않아 구매 버튼의 벽돌과 같습니다. 브릭(+ 예를 들어 스토캐스틱)은 그 자체로 매우 잘 작동합니다. 언제 사야 할지, 언제 팔아야 할지 알 수 있을 뿐입니다. 또한 21bar용 AC가 2번 오르락 내리락 할 수 있다는 점과 4개의 최적화된 매개변수가 있다는 점을 고려하면 ......)))))
그러나 저에게는 신경망이 작동하는 방식과 왜 내가 원하는 만큼 효율적이지 않은지에 대해 설명합니다.
한때 취미가 있었습니다. 창작 기간이 시작될 때 - 지난 주의 결과를 기반으로 m1에서 작업하기 위해 Expert Advisors를 작성하는 것(66000개와 대조적으로 7200개 막대) - 주당 최대 300%가 표시되었습니다. 시험 장치.....
최적화 후 성배를 얻기 위해 가격을 푸리에 시리즈로 분해하는 데 필요한 고조파의 수는 얼마입니까?
AC 오실레이터의 경우 EA는 마지막 값(마지막 값을 기반으로 한 결정은 기술 분석에서 가장 자주 사용됨)뿐만 아니라 이력도 검사합니다. 과거에 지표의 3가지 값이 더 있었습니까? 그는 결정을 내리기 위해 오실레이터의 동작에 관심이 있습니다. 바로 이 동작이 신경망의 입력에도 도달합니다. 그리고 출력에서 우리는 매수 또는 매도를 얻습니다.
또 다른 혁신은 뉴런의 표준 훈련이 아니라 유전 알고리즘을 사용하여 과거 데이터에 대한 가중치를 선택하는 것입니다. 나는 두 가지 옵션을 모두 시도했지만 유전학은 결과를 조금 더 나쁘고 시간이 느립니다. 그러나 MT4에는 내장된 뉴런 알고리즘과 훈련이 없습니다. 그리고 유전자 최적화가 있습니다. 네, 그리고 이 분야의 많은 연구자들은 상황이 급격하게 변할 경우 동적 학습이 적절하지 않다는 사실에 직면했습니다. 예를 들어 시장이 강세장에 의해 지배된다면 시스템은 강세장 추세를 위해 재훈련하고 약세장을 잊어버릴 것입니다. 그 반대. 사무엘 AL 1959 "검사기 게임을 사용한 기계 학습에 대한 일부 연구" IBM J. Research 및 Devepopmend 3: 210 - 229는 이 수치를 처음 만나 설명하고 설명했습니다. 그는 자신의 프로그램에 프로 상대가 있으면 점차 프로 수준의 게임으로 옮겨가는 것을 알아차렸습니다. 그리고 상대방이 초보자라면 프로그램은 이전 레벨을 "잊고" 원시 게임으로 전환하기 시작했습니다. 따라서 뉴런 자체의 실수와 손실에 대해 동적으로 훈련하는 것은 이치에 맞지 않습니다. 시장에 적합한 거래 전략을 개발하기 위해 역사를 통해 실행하는 것이 더 쉽습니다.
그리고 성배 에 관해서는 큰 마음이 필요하지 않습니다. 다음과 같은 여러 조건만 충족하면 됩니다.
1. 시스템은 정지 손실이 전혀 없거나 매우 먼 거리에서 정지 손실이 있는 포지션을 열어야 하므로 작동 확률이 0에 가까울 것입니다.
2. 논리적 AND(&&)로 구분된 트리거 조건이 있는 여러 표시기를 기반으로 하는 강력한 필터를 연결합니다. 그리고 이러한 동일한 표시기의 많은 입력 매개변수를 MTS의 외부 설정으로 가져와 몇 년 동안의 과거 데이터 동안 테스트에서 몇 개의 위치만 열 수 있도록 합니다.
3. 이 모든 자금 관리에 불리한 부분으로 위험을 추가하십시오.
예측, 외삽 또는 보간이 아니라 패턴 검색에만 NN을 사용할 계획입니다.
특히, 예를 들어 학습 기술이 흥미롭습니다.
예를 들어, 교사의 경우 - 히스토리의 각 막대에 대한 신호 세트를 훈련 시퀀스로 제공하고 NN의 예상 출력: -1/0/1(판매/0/구매)을 제공한다고 가정합니다.
그리고 각 막대에 대해 먼저 수동으로 신호를 설정해야 하는 것은 무엇입니까? 피하는 방법?
이 경우 비지도 학습을 적용하는 방법은 무엇입니까? 역사를 통해 거래의 결과를 제공하고 최대를 달성합니다. 도착했다?
이를 위해 어떤 방법론이 사용됩니까?
거래에서 NS를 사용하는 주제에 대해 흥미로운 링크가 있는 사람이 있습니까? 국회의 이론에 따르면 도서관은 이미 크다.
예측, 외삽 또는 보간이 아니라 패턴 검색에만 NN을 사용할 계획입니다.
특히, 예를 들어 학습 기술이 흥미롭습니다.
예를 들어, 교사의 경우 - 히스토리의 각 막대에 대한 신호 세트를 훈련 시퀀스로 제공하고 NN의 예상 출력: -1/0/1(판매/0/구매)을 제공한다고 가정합니다.
그리고 각 막대에 대해 먼저 수동으로 신호를 설정해야 하는 것은 무엇입니까? 피하는 방법?
이 경우 비지도 학습을 적용하는 방법은 무엇입니까? 역사를 통해 거래의 결과를 제공하고 최대를 달성합니다. 도착했다?
이를 위해 어떤 방법론이 사용됩니까?
패턴 인식을 위해 kohonen map 을 사용해보십시오. 그러나 먼저 데이터를 정규화하거나 인코딩해야 합니다.
...
예를 들어, 교사의 경우 - 히스토리의 각 막대에 대한 신호 세트를 훈련 시퀀스로 제공하고 NN의 예상 출력: -1/0/1(판매/0/구매)을 제공한다고 가정합니다.
그리고 각 막대에 대해 먼저 수동으로 신호를 설정해야 하는 것은 무엇입니까? 피하는 방법?
...
네 , Kohonen 카드 는 좋습니다. IMHO에 따르면 여기서 가장 중요한 것은 패턴을 네트워크 입력에 제공하기 전에 올바르게 인코딩하는 것입니다.
질문이 생겼습니다. 누구든지 기준이 있습니까 - kohonen 네트워크가 훈련되었는지 여부를 결정하는 방법.
N 반복 동안 예제가 더 이상 클래스로 나뉘지 않고 패턴 마이그레이션이 중지되면 교육이 완료된 것으로 간주할 수 있습니다.