신경망을 사용하여 임의의 패턴 검색
차트에서 패턴을 찾기 위한 몇 가지 아이디어를 알려주세요. 예를 들어 "머리 어깨".
패턴이 막대의 수와 모양이 다를 수 있기 때문에 어떤 종류의 데이터를 입력하고 어떻게 훈련하는 것이 더 좋은지 알 수 없습니다.
컨볼루션 네트워크가 떠오릅니다. 그러나 정확히 무엇을 끄고 어떻게 해제해야 하는지는 아직 명확하지 않습니다.
대안으로 다음을 제안할 수 있습니다.
첫째, 일반적인 수학 및 조건의 도움으로 차트에서 이 패턴을 가능한 한 명확하게 결정하려고 합니다. 당연히 최대 근사값을 사용하더라도 일반적인 수학과 논리가 차단할 수 없는 잘못된 패턴뿐만 아니라 참 패턴이 있는 샘플을 얻을 수 있습니다. 따라서 우리는 소위 더티 샘플을 얻었고 여기에서는 분류 네트워크를 사용하여 샘플을 끝까지 정리하는 것이 이미 부드럽습니다. 오히려 네트워크를 훈련시켜 더러운 샘플에서 깨끗한 네트워크를 만들고 실제 머리와 어깨만 작업하고 쓰레기는 바구니에 남겨두도록 합니다. 옵션으로...
차트에서 패턴을 찾기 위한 몇 가지 아이디어를 알려주세요. 예를 들어 "머리 어깨".
패턴이 막대의 수와 모양이 다를 수 있기 때문에 어떤 종류의 데이터를 입력하고 어떻게 훈련하는 것이 더 좋은지 알 수 없습니다.
컨볼루션 네트워크가 떠오릅니다. 그러나 정확히 무엇을 끄고 어떻게 해제해야 하는지는 아직 명확하지 않습니다.
대안으로 다음을 제안할 수 있습니다.
첫째, 일반적인 수학 및 조건의 도움으로 차트에서 이 패턴을 가능한 한 명확하게 결정하려고 합니다. 당연히 최대 근사값을 사용하더라도 일반적인 수학과 논리가 차단할 수 없는 잘못된 패턴뿐만 아니라 참 패턴이 있는 샘플을 얻을 수 있습니다. 따라서 우리는 소위 더티 샘플을 얻었고 여기에서는 분류 네트워크를 사용하여 샘플을 끝까지 정리하는 것이 이미 부드럽습니다. 오히려 네트워크를 훈련시켜 더러운 샘플에서 깨끗한 네트워크를 만들고 실제 머리와 어깨만 작업하고 쓰레기는 바구니에 남겨두도록 합니다. 옵션으로...
그런 생각이 있었습니다. 그러나 여기에 뉘앙스가 있습니다. 내가 이해하는 한 특정 데이터 창을 입력으로 제출해야 합니다(예: 전체 패턴이 맞도록 200개 막대).
1) 패턴은 창의 다른 부분에 있을 수 있고 분류자는 이를 이해할 수 없습니다. 그 때문에 왼쪽에 패턴이 있는 창은 오른쪽에 패턴이 있는 창과 다릅니다.
2) 분류기는 자체 구성해야 합니다. 엄격한 매트. 모델은 잘못된 패턴 외에도 올바른 패턴 중 일부를 잘라냅니다.
3) 자체 조직은 특정 패턴이 분류될 것이라고 보장하지 않습니다.
그림의 모델을 만들고 일반적인 상관 관계를 확인할 수 있습니다. 사실, 머리-어깨 패턴의 경우 모델이 복잡하고 6개의 세그먼트로 구성되며 각 세그먼트의 길이가 다를 수 있습니다( 막대 수 ). 그러나 자동으로 수행하는 것이 가능합니다. 물론 회귀를 사용하여 포트폴리오에서 그러한 패턴을 수집하는 것이 훨씬 편리하지만 이것은 이미 다른 주제입니다. 그것은 모두 당신이 찾고 있는 패턴의 수에 달려 있습니다. 글쎄, 그들이 말했듯이, ogs가 운동에서 이점을 줄 것이라는 사실은 아닙니다.
더 많은 수의 세그먼트로 구성될 수도 있습니다(여기서 세그먼트가 무엇인지 결정해야 함). 시장은 프랙탈이고 더 높은 수준의 세그먼트는 더 어린 세그먼트로 구성되며 이것은 일종의 파선으로 볼 수 있습니다.
더 많은 수의 세그먼트로 구성될 수도 있습니다(여기서 세그먼트가 무엇인지 결정해야 함). 시장은 프랙탈이고 더 높은 수준의 세그먼트는 더 어린 세그먼트로 구성되며 이것은 일종의 파선으로 볼 수 있습니다.
차트에서 패턴을 찾기 위한 몇 가지 아이디어를 알려주세요. 예를 들어 "머리 어깨".
패턴이 다른 수의 막대를 사용하고 모양이 다를 수 있기 때문에 어떤 종류의 데이터를 입력하고 학습하는 것이 더 나은지 알 수 없습니다.
컨볼루션 네트워크가 떠오릅니다. 그러나 정확히 무엇을 끄고 어떻게 해제해야 하는지는 아직 명확하지 않습니다.
패턴을 분류(인식)하기 위한 완전한 시스템이 있습니다. 완전히 MQL5로 작성되었습니다.
관심이 있다면 시장에 내놓을 수 있습니다. 그렇지 않으면 어지럽히기에는 너무 게으르다.
패턴을 분류(인식)하기 위한 완전한 시스템이 있습니다. 완전히 MQL5로 작성되었습니다.
관심이 있다면 시장에 내놓을 수 있습니다. 그렇지 않으면 어지럽히기에 너무 게으르다.
시장에 내놓으십시오.
하지만 개인적으로 나는 그것을 사지 않을 것입니다. 원칙 자체에 관심이 있습니다. Topikstarter는 내게 맞는 질문을 했고 흥미로웠습니다.
당신의 분류기가 topikstarter의 요구와 나의 관심사를 만족시킨다고 확신합니까?
시장에 내놓으십시오.
하지만 개인적으로 나는 그것을 사지 않을 것입니다. 원칙 자체에 관심이 있습니다. Topikstarter는 내게 맞는 질문을 했고 흥미로웠습니다.
당신의 분류기가 topikstarter의 요구와 나의 관심사를 만족시킨다고 확신합니까?
일반적으로 귀하의 요청을 충족시킬 작업이 없습니다) 비교를 위해 DTW 방법을 사용합니다. 이 방법은 원본과 비교하여 수직/수평으로 패턴의 "왜곡"에 불변합니다.
또한 특정 패턴을 저장하고 회계 처리하는 시스템과 패턴의 거래 특성을 사전 검증하는 시스템을 포함합니다.
나는 다른 것은 기억하지 못한다 - 나는 그것을 오래전에 했다)
일반적으로 귀하의 요청을 충족시킬 작업이 없습니다) 비교를 위해 DTW 방법을 사용합니다. 이 방법은 원본과 비교하여 수직/수평으로 패턴의 "왜곡"에 불변합니다.
또한 주어진 패턴을 저장하고 계산하는 시스템과 패턴의 거래 특성을 미리 확인하는 시스템을 포함합니다.
나는 다른 것은 기억하지 못한다 - 나는 그것을 오래전에 했다)
DTW 방식은 몰랐는데 감사합니다!
신경망과 함께 사용하는 가장 좋은 방법을 알아낼 때까지. 결국 패턴은 축을 따라 왜곡될 수 있을 뿐만 아니라 모양 자체도 수정할 수 있습니다(중첩, 개발 옵션 있음).
차트에서 패턴을 찾기 위한 몇 가지 아이디어를 알려주세요. 예를 들어 "머리 어깨".
패턴이 막대의 수와 모양이 다를 수 있기 때문에 어떤 종류의 데이터를 입력하고 어떻게 훈련하는 것이 더 좋은지 알 수 없습니다.
컨볼루션 네트워크가 떠오릅니다. 그러나 정확히 무엇을 끄고 어떻게 해제해야 하는지는 아직 명확하지 않습니다.
패턴을 찾는 데 신경망은 필요하지 않습니다. 일반 Expert Advisor에서 검색할 수 있습니다. 지그재그를 입습니다. 머리-어깨 패턴의 존재를 확인하려면 1) 서로에 대한 극단값의 위치(상단-하단)와 2)(제로 막대에 대해 더 가까운 위치)를 제어해야 합니다.
그리고 패턴이 얼마나 많은 막대가 지속되는지는 전혀 중요하지 않으며 수직 및 수평으로 서로에 대한 극값의 위치를 제어하는 것으로 충분합니다.
차트 에서 패턴을 찾기 위한 몇 가지 아이디어를 알려주세요. 예를 들어 "머리 어깨".
패턴이 다른 수의 막대를 사용하고 모양이 다를 수 있기 때문에 어떤 종류의 데이터를 입력하고 학습하는 것이 더 나은지 알 수 없습니다.
컨볼루션 네트워크가 떠오릅니다. 그러나 정확히 무엇을 끄고 어떻게 해제해야 하는지는 아직 명확하지 않습니다.