Discussão do artigo "Experimentos com redes neurais (Parte 4): Padrões"

[MetaQuotes]

Novo artigo Experimentos com redes neurais (Parte 4): Padrões foi publicado:

As redes neurais são tudo para nós. E vamos verificar na prática se é assim, indagando se MetaTrader 5 é uma ferramenta autossuficiente para implementar redes neurais na negociação. A explicação vai ser simples.

O leque é uma construção semelhante a um "padrão flutuante". Seus valores estão constantemente mudando dependendo da situação do mercado, mas cada um deles está dentro de um determinado intervalo, que é o que precisamos para nossos experimentos. Como já sabemos, os dados que transmitimos para a rede neural devem estar dentro de um intervalo específico. O valor no leque é arredondado para um número inteiro para simplificar e melhorar a compreensão do perceptron e da rede neural. Dessa forma, obtemos mais situações para condições de ativação e menos carga no perceptron e na rede neural. Na captura de tela abaixo, você pode ver o primeiro dos padrões que me veio à mente. Eu o chamei de "leque", pois a semelhança é óbvia. Neste artigo, não usaremos indicadores, estaremos trabalhando com velas.

Abaixo estão exemplos que utilizam o zoom do histórico, permitindo-nos analisar um histórico mais curto ou mais profundo.

Não é um requisito usar um número igual de velas nos modelos, o que proporciona um campo adicional para refletir sobre a relevância dos valores anteriores dos preços. No nosso caso, estamos usando os preços de fechamento das velas.

É importante entender que nos exemplos usando a biblioteca DeepNeuralNetwork.mqh para 24 velas, utilizamos diferentes bibliotecas que foram descritas nos artigos anteriores. Com diferentes configurações de entrada. Ou seja, 4 e 8 parâmetros para a entrada da rede neural. Mas não se preocupe com isso, no anexo, adicionei os Expert Advisors e as bibliotecas necessárias.

2.1 O padrão é um leque de quatro valores, estendido por 24 velas. No período H1, equivale a um dia. 

E assim descreveremos o que transmitiremos para o perceptron e a rede neural, a fim de obter uma compreensão mais clara:

1. Distância arredondada em pontos do ponto 1 ao ponto 2;
2. Distância arredondada em pontos do ponto 1 ao ponto 3;
3. Distância arredondada em pontos do ponto 1 ao ponto 4;
4. Distância arredondada em pontos do ponto 1 ao ponto 5;

Autor: Roman Poshtar