Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
denis_orlov:
думаю, именно это ты и просишь, т.к. сам конкретику представить не в состоянии.
Я ничего не прошу. И не просил.
Написал же - мне не обязательно давать сам алгоритм. Мне можно дать результат его работы, я протестирую результат. И скажу, можно ли из такого алгоритма что-нибудь вытащить. Это просьба или прошение? Это было предложение, которое в первую очередь направлено на выгоду автору алгоритма распознавания. Если кто-то может сделать нормальную распознавалку, а реализовать её в прибыль не может (это же трудно!), ему прямым ходом нужно искать сотрудничества с другим разработчиком.
Можно бросить файлик с сигналами распознавалки здесь, в этой ветке, кто-нибудь ещё кроме меня попробует по этим сигналам протестировать алгоритм входа в сделку и выхода из нее.
Но ты я вижу торгуешь с прибылью? Так это предложение не тебе :)
Я не говорю, что они совсем никуда не годятся, но в моем случае неприменимы.
Сам подход распознавания свечных паттернов подразумевает не распознавание как таковое, а поиск простых шаблонов. При этом теряется >99% закодированной на этом участке информации.
Ну если так посмотреть, то в принципе каждый индикатор который уходит от формального значения цены теряет информативность и вносит ошибку. К примеру, что теряет метод кодирования свечи используемый Richie - K= (HL, LO/HL, LC/HL). Теперь вопрос, какой метод выделения паттерна на ВР надо использовать?
Почему задаю вопрос, я уже не однократно сталкивался при обработке - как формализовать паттерн. Вижу два метода, первый кодирование - когда формируются коды аналогично предложенным Richie или скажем Лиховидовым. Второй метод - вводить граничные критерии, опять же - в случае граничных критериев теряется один важный фактор - время. Кол-во фреймов на протяжении которых формируется фигура, также необходимо учитывать.
Проблема не в распознавании патернов (что бы не подразумевалось под словом "патерн") . Проблема в предобработке данных для анализа. Предобработке на удивление мало внимания уделяется на этом форуме. А ведь любая информация должна быть представлена в вид, пригодный для последующего анализа.
На финрынках типичными препятствиями для адекватного анализа (не имеет значения какими методами) являются шум, гэпы, выбросы. Проведу параллель с зеркалом. Шум - аналог шершавости поверхности зеркала, отражение становится размытым и замыленым. Гепы - трещины и сдвиги частей зеркала, как будто оно разбито. Выбросы, или аномально большие бары (аномально маленьких баров не бывает) - аналог кривого зеркала. Причем некоторые части отражения не искажены, а не которые - искажены до неузнаваемости.
Эти три проблемы нужно решать по отдельности. А потом уже говорить о распознавании патернов.
Попробуйте сфотографировать дефектное зеркало (о котором я писал) и применить к фото какую нибудь систему распознавания образов. Вы сами себя возможно не узнаете в отражении, не говоря уже о "глюпой железяке".
PS Каждый из дефектов зеркала несут в себе информацию, но не о оригинальном свете, который был отражен зеркалом, а о причинах возникновения дефектов (праздничные дни и другие факторы).
Есть и ещё явления, которые говорят в пользу моих доводов. Человеческий мозг обладает "встроенными" фильтрами информации, поступающей от органов чувств. Так люди легко способны разговаривать с друг другом в очень зашумленном месте, даже если рядом будут разговаривать ещё сотни людей. Это же свойство имеет зрение. Мозг способен концентрироваться на каком нибудь одном элементе изображения среди шумящих элементов - капча тому пример.
Не потому ли ручная торговля с трудом поддается формализации? Не потому ли трейдеры "ручники" много внимания уделяют какому нибудь одному торговому инструменту, оттачивая свои мозговые фильтры?
Мне кажется, понятие паттерн здесь лучше применять обобщенно, как распознаваемый участок ценового графика. Не обязательно это должна быть какая-то графическая фигура. Главное, что бы он устойчиво распознавался, по возможности без пропусков и сбоев. Соответственно да, метод распознавания может быть почти любым. Кодированием годится. Методов кодирования может быть много. Графически годится. Критериально, это я так понимаю по индикаторам - тоже годится. Поиском шаблона - нет. Неустойчиво работает, большую часть пропускает. Правда и поиск по шаблонам может быть адаптивным, но я такого не встречал. Нейросетью годится, но вопрос их обучения, это сложная вещь, все обучают только на торговлю. Вроде бы не было тут обсуждения применения нейросетей исключительно для распознавания участков. Какие ещё методы можно вспомнить?
Есть и ещё явления, которые говорят в пользу моих доводов. Человеческий мозг обладает "встроенными" фильтрами информации, поступающей от органов чувств. Так люди легко способны разговаривать с друг другом в очень зашумленном месте, даже если рядом будут разговаривать ещё сотни людей. Это же свойство имеет зрение. Мозг способен концентрироваться на каком нибудь одном элементе изображения среди шумящих элементов - капча тому пример.
Не потому ли ручная торговля с трудом поддается формализации? Не потому ли трейдеры "ручники" много внимания уделяют какому нибудь одному торговому инструменту, оттачивая свои мозговые фильтры?
Вот тут не соглашусь :) согласно работам нобелевских лауреатов в области медицины Torsten Nils Wiesel и David H. Hubel, которые проводили исследования зрительной коры головного мозга кошки в ходе которых обнаружили, что существуют так называемые простые клетки, которые особо сильно реагируют на прямые линии под разными углами и сложные клетки, которые реагирую на движение линий в одном направлении, т.е. мозг проводит сепарацию признаков. На этой основе разработан целый класс НС называемых сверточными сетями - Convolutional Net, в основе которых лежит механизм свертки. Так вот, самое интересное, что данный класс НС показывает одни из самых наилучших показателей при распознавании изображений с искажениями (это на счет кривого зеркала и искажения) это показано очень хорошо в работах доктора Яна ЛеКуна. Вот только, применить сверточные сети к ВР форекса не получится :) сети хорошо реализуют задачу распознавания искаженных данных, но плохо задачу в которой надо производить восстановление образа по какой-то его части.
Есть и ещё явления, которые говорят в пользу моих доводов. Человеческий мозг обладает "встроенными" фильтрами информации, поступающей от органов чувств. Так люди легко способны разговаривать с друг другом в очень зашумленном месте, даже если рядом будут разговаривать ещё сотни людей. Это же свойство имеет зрение. Мозг способен концентрироваться на каком нибудь одном элементе изображения среди шумящих элементов - капча тому пример.