NS+指标。实验。

新评论
 
试图通过标准指标的值预测下一个日线的高点和低点，使用经常性的NS。
网络结构：全链路，递归，3层。神经元的数量由GA选择。轨迹50个周期。

输入（归一化值）。
            ,iClose(Symbol(),Period(),i+1) - iMA(NULL,0,20,0,MODE_SMA,PRICE_MEDIAN,i+1)
            ,iClose(Symbol(),Period(),i+1) - iMA(NULL,0,10,0,MODE_SMA,PRICE_MEDIAN,i+1)
            ,iClose(Symbol(),Period(),i+1) - iMA(NULL,0,5,0,MODE_SMA,PRICE_MEDIAN,i+1)            
            ,iRSI(NULL,0,14,PRICE_MEDIAN,i+1)
            ,iATR(NULL,0,12,i+1)
            ,iWPR(NULL,0,14,i+1)
            ,iMACD(NULL,0,12,26,9,PRICE_MEDIAN,MODE_MAIN,i+1)
            ,iMACD(NULL,0,12,26,9,PRICE_MEDIAN,MODE_SIGNAL,i+1)
            ,iMACD(NULL,0,12,26,9,PRICE_MEDIAN,MODE_SIGNAL,i+1) - iMACD(NULL,0,12,26,9,PRICE_CLOSE,MODE_MAIN,i+1)
            ,iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_MAIN,i+1)
            ,iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_SIGNAL,i+1)
            ,iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_MAIN,i+1) - iStochastic(NULL,0,5,3,3,MODE_SMA,0,MODE_SIGNAL,i+1)
            ,iADX(NULL,0,14,PRICE_MEDIAN,MODE_MAIN,i+1)
            ,iADX(NULL,0,14,PRICE_MEDIAN,MODE_PLUSDI,i+1)
            ,iADX(NULL,0,14,PRICE_MEDIAN,MODE_MINUSDI,i+1)
            ,iStdDev(NULL,0,10,0,MODE_EMA,PRICE_MEDIAN,i+1)
	    //www.atrlab.com
在输出端，数组。形成如下。
如果每日最高点与前一收盘价相差>15点，那么第一个数组元素=1，其余为0。
如果每天的最大值与前一天的收盘价相差>30点，那么第二个元素就等于1，其他元素等于0。
等。

输出实例。

s1 s2 s3 s4 s5 s6 s7 r1 r2 r3 r4 r5 r6 r7
0 1 0 0 0 0 0 0 0 1 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0 0 1 1 0
1 0 0 0 0 0 0 0 0 0 0 1 1 0
0 0 0 0 1 0 0 1 0 0 0 0 0 0
0 1 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 1 0 1 0 0 0 0 0 0

结果。测试样本。



线附近的数值是负责支持/阻力水平的神经元的活动。
 
所有指标都是价格衍生品。只养活价格不是更容易吗？为NS准备数据的规则之一是降低维度。因此，通过将所有数据减少到价格来减少它。否则你就是在提供冗余的、相互关联的数据。
 
我做了。只是投了一个价格变化程序。结果并没有改变我对市场的看法。
 
njel:
我做了。只是投了一个价格变化程序。结果并没有改变我对市场的看法。


为了计算百分比，你需要一个参考值（据此计算百分比）。如果你不介意的话，能否详细说明一下+你对市场的看法？

 
我不会写得太多，只需阅读这篇文章：神经网络：克服错误的工作
 
输入的数据是由以下公式给出的 
         double c1 = MathLog (  iHigh(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
         double c2 = MathLog (  iLow(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
和网的时间滞后，轨迹为15.但预测的质量并不令人满意。

2Alex-Bugalter

我已经读了这篇文章。例如，我有一个神经网络，但它是模块化的，你能建议一下吗？
 
njel:
输入是
         double c1 = MathLog (  iHigh(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
         double c2 = MathLog (  iLow(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
而网络的时间滞后性为15.但预测的质量并不令人满意。

这两个数字的比率的自然对数？这是价格变化的百分比吗？
 
Alex-Bugalter писал (а):
我不会写得太多，只需阅读这篇文章：神经网络： 正在进行的工作
我读了这篇文章，它弊大于利。它写得很糟糕，对概率和利润这样的词进行了操纵。很多巧妙的词语让它听起来很牢固。
 
Rosh:
Alex-Bugalter写道（a）。
我不会写得太多，只需阅读这篇文章：神经网络：正在 进行的工作
阅读这篇文章，它弊大于利。它写得很糟糕，对概率和利润等词语进行了操纵。很多巧妙的词语让它听起来很牢固。

赞成。这不是一篇文章，它只是一个可以散步的东西。
 
Prival:
njel。
请提供意见 
         double c1 = MathLog (  iHigh(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
         double c2 = MathLog (  iLow(Symbol(),Period(),i) / iClose(Symbol(),Period(),i+1)) * 100.0;
和网的时间滞后，轨迹为15.但预测的质量并不令人满意。

这两个数字的比率的自然对数？这是价格变化的百分比吗？
我曾经把100%的价格作为一个百分比。 但最近我看到了这样的价格变动的测量。而此刻我正在考虑如何喂养下一个NS模型。
 
亲爱的 Rosh和SK，如果你这么清楚什么是好的，什么是坏的，以及在哪里走比较好。
也许你可以向不了解情况的人指出，你认为这篇文章的危害是什么，到底哪些地方是不正确的？
这么多人被误导了，那就去指出正确的方法吧。
还是你只是出去走走？
任何人都可以不分青红皂白地进行诽谤。
而在这篇文章中："神经网络和时间序列分析"， 也是垃圾写的吗？

P.s.：还有，对我个人来说，如果不是太麻烦的话，你说的 "写得很糟糕 "到底是什么意思？
123456789101112
新评论