MTS'de yapay zeka kullanımı - sayfa 23

 
Rosh :
Kodun kendisinde farklı MagicNumber'lar için bir komut dosyası yazmanız veya farklı ok renkleri ayarlamanız gerekir.

"Kodun kendisinde, farklı MagicNumbers için farklı ok renkleri ayarlayın" harika bir fikir - teşekkürler!

Ve senaryo hakkında:
Okların rengini değiştirmeyi mi kastediyorsunuz yoksa komut dosyası "ekstra" siparişleri kaldırabilecek mi?
 
Aleksey24 :

Ve senaryo hakkında:
Okların rengini değiştirmeyi mi kastediyorsunuz yoksa komut dosyası "ekstra" siparişleri kaldırabilecek mi?

Bu senin kalbinin istediği gibi. :) Okları işlemenin bir örneği burada verilmiştir http://www.alpari-idc.ru/ru/articles_mql4/25.html
Açıklamayı kontrol etmeniz gerekecek - test cihazı MagicNumber'ı içine yazar.
 
Rosh :
Alexey24 :

Ve senaryo hakkında:
Okların rengini değiştirmeyi mi kastediyorsunuz yoksa komut dosyası "ekstra" siparişleri kaldırabilecek mi?

Kalbinin istediği gibi. :) Okları işlemenin bir örneği burada verilmiştir http://www.alpari-idc.ru/ru/articles_mql4/25.html
Açıklamayı kontrol etmeniz gerekecek - test cihazı MagicNumber'ı içine yazar.

TAMAM.
Genel olarak, "spektral çeşitlendirme" o kadar basit bir şey değildir.
Başlamak için en az 2 parametre (iki gösterge) aldım.
Her biri 2 iyi yerel aşırı değer ile.
Parametre değerleri dizileri kullanıyorum.
Toplam 4 MagicNumber (start() döngüsünde 4 kez)
Parti büyüklüğü 4'e bölünür - çünkü. 4 uzman aynı anda çalışıyormuş gibi (4 kat daha fazla anlaşma).
Sonuçları inceleyip paylaşacağım.
 
Reshetov :
tamsayı :

Bazı özelliklere sahip bir dijital filtre kullanarak AC yumuşatmaya eşdeğerdir. Yumuşatma katsayıları dengeli değildir, bu da satın al düğmesindeki tuğlaya eşdeğerdir. Bir tuğla (+ örneğin bir stokastik) kendi başına çok, çok iyi çalışır, sadece ne zaman satın alınacağını ve ne zaman satılacağını bilmek için. Ayrıca 21 bar için AC'nin 2 kez yukarı ve aşağı gidebileceğini ve 4 optimize edilmiş parametrenin varlığını göz önünde bulundurarak ......))))

Ama benim için sinir ağlarının nasıl çalıştığına ve neden istediğim kadar verimli olmadıklarına ışık tutuyor.

Bir zamanlar, yaratıcı dönemin başında bir hobi vardı - geçen haftanın sonuçlarına göre m1 üzerinde çalışmak üzere Uzman Danışmanlar yazmak (66000'in aksine 7200 bar) - haftada yüzde 300'e kadar bir oran gösteriliyordu. deneyen.....

Optimizasyondan sonra kâseyi elde etmek için fiyatı bir Fourier serisine ayırmanın kaç harmonik gerektiğini merak ediyorum?

Sinir ağları, yalnızca tanımlanan nesnelerin doğrusal ayrılabilirliği koşulları altında etkilidir, yani. Bir nesne sınıfı, doğrusal bir denklemle tanımlanan bir düzlem kullanılarak özellik uzayında diğerinden ayrılabildiğinde.

AC osilatörüne gelince, EA yalnızca son değerine bakmaz (teknik analizde en sık kullanılan son değerlere dayalı kararlar), aynı zamanda geçmişi de inceler, yani. Geçmişte göstergenin 3 değeri daha neydi. Bir karar vermek için osilatörün davranışıyla ilgileniyor. Bu davranış aynı zamanda sinir ağının girişine de ulaşır. Ve çıktıda bir alım veya satım elde ederiz.

Diğer bir yenilik, bir nöronun standart eğitimi değil, genetik bir algoritma kullanarak geçmiş veriler üzerindeki ağırlıkların seçimidir. Her iki seçeneği de denedim, genetik biraz daha kötü ve zamanla daha yavaş sonuç veriyor. Ancak MT4'te yerleşik bir nöron algoritması ve eğitimi yoktur. Ve genetik optimizasyon var. Evet ve bu alandaki birçok araştırmacı, durum dramatik bir şekilde değişirse dinamik öğrenmenin çok yeterli olmadığı gerçeğiyle karşı karşıya kaldı. Örneğin, piyasaya boğalar hakimse, sistem yükseliş eğilimi için yeniden eğitilecek ve düşüş eğilimini unutacaktır. Ve tam tersi. Samuel AL 1959 "Dama oyununu kullanarak makine öğrenimi üzerine bazı çalışmalar" IBM J. Research and Devepopmend 3: 210 - 229 ilk olarak bu rezaleti tanımladı ve tanımladı. Programının profesyonel bir rakibi varsa, yavaş yavaş profesyonel düzeyde bir oyuna geçtiğini fark etti. Ve eğer rakip acemiyse, program önceki seviyeyi "unuttu" ve ilkel bir oyuna geçmeye başladı. Bu nedenle, bir nöronu kendi hataları ve kayıpları konusunda dinamik olarak eğitmek muhtemelen mantıklı değildir. Piyasaya uygun bir ticaret stratejisi geliştirmek için bunu tarih boyunca yürütmek daha kolaydır.

Ve kâselere gelince, büyük bir akla gerek yok. Yalnızca bir dizi koşulu yerine getirmek gerekir:

1. Sistem, pozisyonları ya hiç stop loss olmadan ya da çok uzak bir mesafede stop loss ile açmalıdır, böylece operasyon olasılıkları 0'a yakın olur.
2. Mantıksal AND (&&) ile ayrılmış tetikleme koşullarına sahip çeşitli göstergelere dayalı güçlü bir filtre takın. Ve aynı göstergelerin birçok giriş parametresini MTS'nin harici ayarlarına çekin, böylece birkaç yıllık geçmiş veriler için testlerde sadece birkaç pozisyon açılır.
3. Tüm bu para yönetimine ve zorbalığa maruz kalan bir kısımla riske ekleyin


Sinir ağları konusunda uzman değilim, ancak hatırladığım kadarıyla, doğrusal ayrılabilirlik hakkında söylenenler, algılayıcılardaki en basit ilk ağlara atıfta bulunuyor. Bu özelliğe sahip olmadıkları kanıtlanmıştır, ilke olarak sinir ağları için olduğu gibi, doğrusal olmayan ayrılabilirlik gibi sorunları çözmek için yaratılmıştır. Lütfen beni düzeltin, pek bir şey hatırlamıyorum.
 
NS'yi ticarette kullanma konusunda ilginç bağlantıları olan var mı? Millet Meclisi teorisine göre, kütüphane zaten büyük.
NN'yi tahmin, ekstrapolasyon veya enterpolasyon için değil, yalnızca kalıp aramak için kullanmayı planlıyorum.
Özellikle, örneğin, öğrenme teknolojisi ilgi çekicidir.
Örneğin, bir öğretmenle - geçmişteki her çubuk için bir eğitim dizisi sinyal seti ve NN'nin beklenen çıktısını verdiğimizi varsayalım: -1/0/1 (sat/0/satın al).
Ve ne, her çubuk için önce sinyalleri manuel olarak ayarlamanız gerekir? Nasıl kaçınılır?
Ve bu durumda denetimsiz öğrenme nasıl uygulanır? Tarih boyunca işlemlerin sonucunu verin ve maksimuma ulaşın. ulaşmış?
Bunun için hangi metodoloji kullanılıyor?
 
Dali :
NS'yi ticarette kullanma konusunda ilginç bağlantıları olan var mı? Millet Meclisi teorisine göre, kütüphane zaten büyük.
NN'yi tahmin, ekstrapolasyon veya enterpolasyon için değil, yalnızca kalıp aramak için kullanmayı planlıyorum.
Özellikle, örneğin, öğrenme teknolojisi ilgi çekicidir.
Örneğin, bir öğretmenle - geçmişteki her çubuk için bir eğitim dizisi sinyal seti ve NN'nin beklenen çıktısını verdiğimizi varsayalım: -1/0/1 (sat/0/satın al).
Ve ne, her çubuk için önce sinyalleri manuel olarak ayarlamanız gerekir? Nasıl kaçınılır?
Ve bu durumda denetimsiz öğrenme nasıl uygulanır? Tarih boyunca işlemlerin sonucunu verin ve maksimuma ulaşın. ulaşmış?
Bunun için hangi metodoloji kullanılıyor?

Örüntü tanıma için kohonen haritasını kullanmayı deneyin. Ancak önce verileri normalleştirmeniz veya sadece kodlamanız gerekir.
 
Dali :
...
Örneğin, bir öğretmenle - geçmişteki her çubuk için bir eğitim dizisi sinyal seti ve NN'nin beklenen çıktısını verdiğimizi varsayalım: -1/0/1 (sat/0/satın al).
Ve ne, her çubuk için önce sinyalleri manuel olarak ayarlamanız gerekir? Nasıl kaçınılır?
...
Ben de bu sorunu uzun süre düşündüm - sonuç olarak, benim için en kolay yol bir sonraki çubuğun kapanması için sinyaller ayarlamaktı: daha yüksek - satın al, daha düşük - sat, çok yüksek kalite değil, "yerel" düşük ve yükseklerin sayısı yalnızca kullanılan zaman çerçevesi tarafından belirlenir. H4 kullandım, sonuç normal, ancak EA kenelerle çalışmasa da, "çubuk açıklığının açık kontrolü ile".
 

Evet , Kohonen kartları iyidir, IMHO'ya göre burada en önemli şey, kalıpları ağ girişlerine beslemeden önce doğru şekilde kodlamaktır.

 
Soru ortaya çıktı. Herhangi birinin bir kriteri var mı - kohonen ağının eğitilip eğitilmediği nasıl belirlenir.
 
Vinin :
Soru ortaya çıktı. Herhangi birinin bir kriteri var mı - kohonen ağının eğitilip eğitilmediği nasıl belirlenir.

Böyle olabilir, eğer N iterasyonlar sırasında örnekler artık sınıflara bölünmüyorsa ve kalıpların göçü durmuşsa, eğitimin tamamlandığını kabul ederiz.