Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 336
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Genel olarak, internette ve C++'da çok fazla nöron olduğunu söylüyorlar. Ama bakmadım.
http://www.opennn.net/
https://www.neuraldesigner.com/
Sinir ağlarını incelemeye başlıyorum.
Doğrudan MT5'te uygulanabilecek seçeneklere bakıyorum.
ALGLIB (https://www.mql5.com/ru/articles/2279) kullanan ilginç bir seçenek, ancak ağın açıklamasından, geri bildirimsiz bir seri ağ olduğu anlaşılıyor. Dezavantajı ise eğitiminin yalnızca bir işlemci iş parçacığı (sinir ağı olan bir uzman tarafından işlenir) tarafından gerçekleştirilebilmesidir.
https://www.mql5.com/en/articles/497 makalesinden sinir ağına 2 gizli ardışık katman eklemek ve daha sonra kapsamlı arama veya genetik olarak eğitmek çok zor olmayacak gibi görünüyor. testçi. Ancak aynı zamanda, çok daha fazla bilgi işlem iş parçacığı kullanabilirsiniz (işlemcinizin çekirdeği, ağda ve bulutta). Doğru şekilde anladım?
Böyle bir ağın eğitimine doğru cevaplara (satın alma ve satış yerleri) manuel talimatlar nasıl eklenir?
Belki bir yerde çok katmanlı seri ağ için bir kitaplık vardır?
Yine de, forex / borsada işlem yapmak amacıyla iç katmanları kullanmanın faydasını tam olarak anlamıyorum. Bunları eklemek mantıklı mı? Niye ya?
MLP piyasaları tahmin etmek için iyi değil, yukarıdaki videolara bakın, RNN'ye ihtiyacınız var, o zaman hafızalı bir ağa ihtiyacınız var
https://nplus1.ru/material/2016/11/04/recurrent-networks
Yine de, anladığım kadarıyla, bir demoda bile tatmin edici ticaret sonuçları yok!
Bu bir optimizasyon meselesi, şimdilik tüm sürümleri test etmenin bir anlamı yok, her şeyi tam olarak uyguladığımda test edeceğim
Bir sinir ağını (NN) iki MA'yı geçmek için eğitme deneyi başarısız oldu. Eğitim sadece yukarı yönlü kavşağı tanımak için yapılmıştır.
Deney için, NS - 3,3,3,1 seçildi ve yapay olarak oluşturulmuş kalıpların öğrenilmesi ve tanınması için test edildi. Ancak, MA'yı tanımayı öğrendikten sonra, tek bir kavşak tanınmadı. Bunun nedeni, NN'nin daha fazla kontrastlı görüntülere ihtiyaç duymasıdır, girişler arasındaki 0,01-0,1'lik her türlü farklılık onu hiç rahatsız etmez.
Belirli bir NN yapısı için, en az 0,2-0,3'lük bir sinyal farkıyla oldukça güvenilir tanıma elde edilebilir.
MLP size her zaman böyle bir karışıklık verecek, onlarla zaten denedim, orada hala katmanları alabilirsiniz - ya yeniden eğitilecek, sonra yetersiz eğitilecek, sonra yeterli katman yok, o zaman çok fazla katman var onlardan
Yine de, anladığım kadarıyla, bir demoda bile tatmin edici ticaret sonuçları yok!
Hiç kimse bir strateji geliştirmek için aylarca harcamaz ve sonra gidip bir demo hesabında bunu göstermez. Bu tür şeyler gerçekten takas edilir ve işlemlerin geçmişi herkesten gizlenir. Hatta burada forumda, insanların birer birer iki komisyoncu üzerinde nasıl ticaret yaptıklarını, birer birer birer birer kurup diğerinde zararları tazmin ettiklerini okudum, böylece komisyoncu bile stratejiye göre hangi işlemlerin yapıldığını ve hangilerinin yapıldığını bilmiyor. sol.
Sonuçlar var. Bazen bulunan iyi tahmin edici kombinasyonları ve model, birkaç ay boyunca, daha sık - daha az kar getirir. Ama yerini başkaları alıyor.
Şahsen benim fikrim - nöronlar, ormanlar, gerilemeler - tüm bunlar Forex için çok zayıf. Bunun nedeni, fiyat hareketinin sürekli değişmesidir, bugün karlı olan kurallar bir hafta önce hiç karlı olmayabilir. Ve standart yaklaşım - birkaç ay boyunca göstergeleri ve fiyatı almak ve nöronu eğitmek - iki ay boyunca fiyat davranışı için aynı kuralları bulmanın gerekli olduğu anlamına gelir. Ancak böyle bir kural yoktur ve orada ne bulacağını kimse bilemez, ancak vakaların% 99'unda yanlış olacaktır. Bazen şanslı olabilirsiniz ve model bu %1'lik değere düşecektir, ancak bu, kâseden çok uzaktır ve bu tür Uzman Danışmanlar genellikle ilk stop loss'a kadar ticaret yapar ve sonra atılabilirler.
Şimdi, benzer kalıplardan sonra fiyatın nasıl davrandığına bakan ve bu tür istatistiklerin ticaretini yapan kalıp tanıma modelleri üzerinde çalışıyorum.
R'de ihtiyacım olan her şeyi yapacak bir paket görmedim, diğerlerinden bir araya getirilmiş bir modelim ve bisikletlerim var. Modelin en yakın açıklamasını başka bir konuda görmüştüm, kasenizi oluşturmaya bundan başlamanızı tavsiye ederim (aşağıdaki alıntı). Bu süreçte yeni problemler ortaya çıkacak, onlar üzerinde düşünmeniz ve denemeniz gerekecek.
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi hakkında forum
Modelin en önemli İSTATİSTİK özelliklerinin analizi ve bunun için bir ticaret yöntemi seçimi.
Vladimir , 2017.04.06 06:20
En yakın komşum göstergesi için kod tabanında arama yapın. Yöntem oldukça basit. Mevcut kalıbın uzunluğunu ayarlarsınız, geçmişte benzer kalıplar bulursunuz (örneğin, kalıplar arasındaki mesafe olarak korelasyonu kullanırsınız), bireysel tahminlerini ağırlıklandırarak geçmiş kalıplardan gelecekteki fiyat davranışını tahmin edersiniz. Bu temelde aynı kümeleme veya RBF veya SVM veya GRNN'dir. Her şey, mevcut modelden benzer geçmiş modellere olan mesafeyi nasıl ölçtüğümüze bağlıdır. GRNN ve Bayes'i okuyun. Orada, tahminler teorisi istatistiksel dağılımlar cinsinden açıklanmıştır. GRNN ve yukarıda bahsedilen tahmin yöntemleri hakkında çok şey yazıldı, ancak hepsi tek bir basit formüle dayanıyor:
tahmin y = TOPLA y[k]*exp(-d[k]/2s^2) / TOPLAM exp(-d[k]/2s^2)
y[k] geçmiş k-inci model olduğunda, d[k] k-inci modelden mevcut olana olan mesafedir. Mesafelerin bir Gauss dağılımı varsa, o zaman d[k] = (x - x[k])^2 olur. Rastgele (süper Gauss) bir dağılım için, d[k] = |x - x[k]|^p, burada en yakın komşulara daha fazla ağırlık vermek isteyip istemediğinize bağlı olarak p'yi seçersiniz (büyük p) veya tüm komşular, sosyalizmdekiyle hemen hemen aynı ağırlıkta (küçük p). p=0 ile tam bir sosyalizme sahibiz.
En yakın komşulara ve GRNN'lere aşina olduğunuzda, bir sonraki bariz soru şudur. Ve zaman ekseni boyunca bozulmaları hesaba katarsanız, mevcut model ile geçmiş modeller arasındaki mesafeyi nasıl ölçersiniz (yani, geçmiş modeller şimdiki gibi görünebilir, ancak zaman içinde uzar veya sıkıştırılır). Burası köpeğin gömüldüğü yer.
ve genetik programlamayı ML tekniği olarak deneyen var mı?
Kaos Avcısı gibi mi?
MLP piyasaları tahmin etmek için iyi değil, yukarıdaki videolara bakın, RNN'ye ihtiyacınız var, o zaman hafızalı bir ağa ihtiyacınız var
https://nplus1.ru/material/2016/11/04/recurrent-networks
Yanılmıyorsam, RNN'nin MT5'te uygulanması son derece zor olacaktır ve iyi sonuçlar için, büyük işçilik maliyetleri ile satın alınmış veya kendi geliştirmeniz gerekir.
Ve MLP'de, fiyat bilgisi, mevcut çubuktaki göstergeler dışında, önceki 10-30 çubuk için her şeyi aynı iletirseniz, bu bir tür hafıza olacaktır. Nöronların bir kısmı mevcut durumu ve yakın geçmişteki durumun gelişiminin bir kısmını işleyecektir.
Elle ticaret yaparken, yalnızca göstergelerin mevcut durumuna değil, son birkaç çubuğa bakarız.
Hesaplama hacminin artacağı açıktır ve bu nedenle hesaplamaları bir çekirdekten tüm işlemci çekirdeklerine, ağlara veya bulutlara aktarma olasılığıyla ilgilendim. Bu nasıl yapılır? En azından MLP için
ve genetik programlamayı ML tekniği olarak deneyen var mı?
Kaos Avcısı gibi mi?
Hesaplama hacminin artacağı açıktır ve bu nedenle hesaplamaları bir çekirdekten tüm işlemci çekirdeklerine, ağlara veya bulutlara aktarma olasılığıyla ilgilendim. Bu nasıl yapılır? En azından MLP için
OpenCL'de, çok tembel değilse))