Aktuelles Projekt:
MT5 in Kombination mit MatLab auf Basis eines neuronalen Netzes(BILSTM).
Anbindung an MT5 über API
https://github.com/vdemydiuk/mtapi
Erfahrung in: C/C++/MQL5/MatLab/Python
Kontakt:
Telegram t.me/ZeHaBee
MT5 in Kombination mit MatLab auf Basis eines neuronalen Netzes(BILSTM).
Anbindung an MT5 über API
https://github.com/vdemydiuk/mtapi
Erfahrung in: C/C++/MQL5/MatLab/Python
Kontakt:
Telegram t.me/ZeHaBee
Christian
Hier ein Bild der Signale die vom Netz kommen. Trigger Level für long/short ist jeweils 0.8 und - 0.8
Deutlich ist die schärfe der Signale zu erkennen was nur mit Neuronalen Netzen möglich wird.
Jeder der mit Indikatoren zu Tuhen hat kennt das Problem der Verzögerung weil die Daten geglättet werden müssn.
Deutlich ist die schärfe der Signale zu erkennen was nur mit Neuronalen Netzen möglich wird.
Jeder der mit Indikatoren zu Tuhen hat kennt das Problem der Verzögerung weil die Daten geglättet werden müssn.
· 2
Christian
Oberfläche des Result Viewer
Zu sehen ist ein Ergebnis was auf Trainieren mit den letzten 2000 1m Bars beruht und die nächsten 2000 Bars handelt. Lot Größe ist 10 und Kommission von 4€ pro Lot/Trade ist eingerechnet.
Zu sehen ist ein Ergebnis was auf Trainieren mit den letzten 2000 1m Bars beruht und die nächsten 2000 Bars handelt. Lot Größe ist 10 und Kommission von 4€ pro Lot/Trade ist eingerechnet.
· 3
Christian
Ich werde ab so fort ein wenig über mein Projekt berichten. Da es den experimental Status verlassen hat.
Kurz eine kleine Einführung was ich mache:
Zentraler Punkt ist Matlab welches sich hervorragend für die Entwicklung von Handelsstrategien eignet. Die Möglichkeit schnell und einfach Daten zu Visualisieren kann kein Trading Programm was ich kenne.
Zwei Programme interagieren . MT5 sammelt die Daten und sendet sie zum Matlab Virtualdesktop. Dort werden die Daten zum Training des Netzes und zur Auswertung genutzt. Zurück kommt EIN Signal Short oder Long.
In Moment wird nur der Trade gedreht. Keine Stopps oder Targets. Später kommt sicherlich etwas mehr Trade Logik dazu. Die ersten Anfänge waren so erfolgreich das ich mich damit in Zukunft nur noch beschäftigen werde.
Konkret wird der EA folgendes machen.
1. Daten sammeln ( 2000 x 1min Bar Close)
2. Daten vorbereiten , Targets zum Trainieren berechen.
3. Trainieren mit GPU gestütztem Modus ( GTX 1080 ) ( 10 Schichten a 200 Neuronen) Input 1x200 Bars)
4. Senden der neuen Markt Daten ( jede Minute den Bar Close)
5. Auswerten mit dem Neuronalen Netz und Signal zurück an den MT5
6. MT5 handelt das neue Signal
Der größte Teil ist in Matlab geschrieben und umfasst mittlerweile 55 Dateien mir ca 5MB Source Code .m files
Im Verlauf des Projektes habe ich gemerkt das es zu langsam ist den EA über den MT5 zu testen. Die Kommunikation zu Matlab hat sich als Flaschenhals erwiesen. Im Trading ist es aber kein Problem.Nur das Testen und Optimieren wird quälend langsam da leider der Matlab Desktop kein Multithreading unterstützt. Somit sind lokale Agenten des Cloud Netzes nutzlos.
In folge hab ich einen kompletten Tester in Matlab programmiert mit Oberfläche und Parallel Modus was die Entwicklungszeit doch erheblich beschleunigt. Flaschenhals ist aktuell nur die eine Grafikkarte. Glücklicherweise sind moderne GPUs in der Lage mehrer Aufträge von verschiedenen Prozessen gleichzeitig zu berechen. Der Speicher der GPU ist auch am Limit bei 8 workern in Matlab. Mehr als 16000 Bars mal 8 workern gehen mit 8Gb Speicher nicht.
Ausweichen könnte man auf ein Amazon EC2 GPU Instance die mit 4 x Tesla K100 dem ganzen etwas Feuer gibt.
Nur über die Kosten von ca 3,5€/h muss man sich im klaren sein.
Das nur zum technischen Aufwand den ich betreibe.
Kurz eine kleine Einführung was ich mache:
Zentraler Punkt ist Matlab welches sich hervorragend für die Entwicklung von Handelsstrategien eignet. Die Möglichkeit schnell und einfach Daten zu Visualisieren kann kein Trading Programm was ich kenne.
Zwei Programme interagieren . MT5 sammelt die Daten und sendet sie zum Matlab Virtualdesktop. Dort werden die Daten zum Training des Netzes und zur Auswertung genutzt. Zurück kommt EIN Signal Short oder Long.
In Moment wird nur der Trade gedreht. Keine Stopps oder Targets. Später kommt sicherlich etwas mehr Trade Logik dazu. Die ersten Anfänge waren so erfolgreich das ich mich damit in Zukunft nur noch beschäftigen werde.
Konkret wird der EA folgendes machen.
1. Daten sammeln ( 2000 x 1min Bar Close)
2. Daten vorbereiten , Targets zum Trainieren berechen.
3. Trainieren mit GPU gestütztem Modus ( GTX 1080 ) ( 10 Schichten a 200 Neuronen) Input 1x200 Bars)
4. Senden der neuen Markt Daten ( jede Minute den Bar Close)
5. Auswerten mit dem Neuronalen Netz und Signal zurück an den MT5
6. MT5 handelt das neue Signal
Der größte Teil ist in Matlab geschrieben und umfasst mittlerweile 55 Dateien mir ca 5MB Source Code .m files
Im Verlauf des Projektes habe ich gemerkt das es zu langsam ist den EA über den MT5 zu testen. Die Kommunikation zu Matlab hat sich als Flaschenhals erwiesen. Im Trading ist es aber kein Problem.Nur das Testen und Optimieren wird quälend langsam da leider der Matlab Desktop kein Multithreading unterstützt. Somit sind lokale Agenten des Cloud Netzes nutzlos.
In folge hab ich einen kompletten Tester in Matlab programmiert mit Oberfläche und Parallel Modus was die Entwicklungszeit doch erheblich beschleunigt. Flaschenhals ist aktuell nur die eine Grafikkarte. Glücklicherweise sind moderne GPUs in der Lage mehrer Aufträge von verschiedenen Prozessen gleichzeitig zu berechen. Der Speicher der GPU ist auch am Limit bei 8 workern in Matlab. Mehr als 16000 Bars mal 8 workern gehen mit 8Gb Speicher nicht.
Ausweichen könnte man auf ein Amazon EC2 GPU Instance die mit 4 x Tesla K100 dem ganzen etwas Feuer gibt.
Nur über die Kosten von ca 3,5€/h muss man sich im klaren sein.
Das nur zum technischen Aufwand den ich betreibe.
· 1