Red Neuronal De Divisas

la predicción de la divisa Este ejemplo es muy similar a la anterior. La única diferencia es que muestra los datos para los pares de divisas (forex) de divisas. Cómo trabajar con el applet Si usted no ha visto el primer ejemplo. por favor explore en primer lugar - descripción básica está disponible allí. En este applet, se dispone de los datos siguientes. Todos ellos son valores cercanos final del día durante todo el año 2007, es decir, 313 valores. Al igual que en el applet anterior, cada una de estas series de tiempo tienen los siguientes valores: cero para el intervalo por debajo de 0, cerca de valor en el intervalo de 0-número de valores, y de nuevo a cero después del último valor conocido. EURUSD - divisa EUR USD par de divisas USDJPY datos - EUR USD divisas uso de pares de divisas USDCHF - EUR USD par de divisas forex EURJPY datos - los datos de la divisa EUR USD par de divisas Una vez más, tenga en cuenta que se proporciona este ejemplo sólo como ilustración. Operando con el uso de esta sencilla configuración por lo general no está muy lejos de usar la predicción por último valor disponible. También observamos que para el comercio que necesitamos para desarrollar las normas de entrada y de salida, y que son más importantes que la predicción exacta. Por favor, espere hasta que se cargue el applet. Applet y descripción (c) Marek Obitko de 2008, la red neuronal en el applet usa las clases de Java y BPNeuron BPNet de NeuralWebspace, (c) Tom Vehovsk de 1998, que fueron modificados por los efectos de la presente applet. Welcome a la fuente más precisa para las predicciones mercado de divisas predicen las tendencias de la divisa sin esfuerzo con la máxima precisión en el mercado. Forex-Forecasting utiliza la inteligencia artificial basada en tecnología de redes neuronales, métodos estadísticos avanzados, y el análisis de la onda no periódica. Esta innovadora tecnología ya está disponible para usted, el comerciante, que incluyen: diario e intradiarios predicciones del mercado de divisas con el apoyo a la decisión interfaces web sencillas y fáciles de usar Proven métodos matemáticos basados ​​en avanzada tecnología de redes neuronales módulos descargables para software de terceros (por ejemplo, MetaStock, Metatrader y otros) Pruébalo ahora oferta de tiempo libre (limitada). Obtener la oportunidad de incrementar su prueba en tiempo profit. Real - EUR / USD 1 hora gráficos PredictionNeuroShell Trader y NeuroShell día comerciante puede contener varias páginas de gráficos, cada uno de los cuales hace referencia a una seguridad diferente. tabla de páginas le permiten ver e intercambie sus sistemas de negociación de valores a través de muchos al mismo tiempo. Indicadores, estrategias comerciales y predicciones de redes neuronales añadido a la tabla son individualmente backtested, optimizado y se aplican a través de todos los valores al mismo tiempo. Si añadir y eliminar páginas de gráficos sobre la marcha, NeuroShell Trader backtest y optimizar automáticamente los valores añadidos. aplicar rápidamente las predicciones y los sistemas de comercio de toda su cartera entera de acciones, divisas de la divisa, etc. El más potente, pero fácil de usar software de comercio disponibles para el comercio de divisas, acciones, índices, futuros y más copias Derechos de Autor 2016 Deje que sus sistemas de aprender la sabiduría de la edad y la experiencia de la sala Systems Group, Inc. Algunos de los mundos EMPRESAS finanzas más respetadas confiar en nuestra tecnología no sólo es una de las más poderosas herramientas de comercio que he encontrado (y he probado la mayoría de ellos), es también el más fácil utilizar. En 15 años de experiencia comercial y cliente de varias herramientas en los últimos años, el apoyo NeuroShell comerciante excede mis expectativas cada vez. La capacidad de construir sistemas de comercio es tan simple. Las estrategias que requieren una programación implicados en otro software se pueden construir rápidamente de una manera 112. He probado un montón de otros paquetes, pero hay pocas herramientas que le dan la flexibilidad para diseñar, optimizar y poner en práctica como NeuroShell comerciante. Finalmente capaz de ejecutar los tipos de pruebas que he querido durante años, pero que simplemente tomó demasiado tiempo para ser viable. El software cuenta con más capacidades que probablemente voy a utilizar, pero es fácil de usar incluso para este granjero del medio oeste, que no haya estudiado matemáticas durante 35 años. Ward, Systems Group, Inc. quotLet sus sistemas de aprender la sabiduría de la edad y el comercio experiencequot Construir sistemas del mercado de valores, futuros, índices y de comercio de divisas SIN codingFinally una verdadera red neuronal de EA gratis - Algo Nuevo Miembro Comercial Usuario desde sep 2008 Mensajes 911 Hola a todos, su pasado un tiempo. Por lo general no tomo esas largas pausas de participar en este foro, pero más de un año he estado trabajando en un proyecto muy intensivo y después de un año de pruebas hacia adelante Im aquí para compartirlo con todos ustedes. amigos de mensajería instantánea con muchos operadores profesionales y un grupo de nosotros se reunieron, combinan nuestra experiencia y crearon un sistema automatizado de redes neuronales para Metatrader que realmente funciona. Puesto que eran conscientes de que la mayoría de las AE son absolutamente inútil o peor, estafas, pensamos casarnos ser algo único que proporciona al comerciante minorista promedio de personas que realmente se puede confiar. Este grupo se llama Metaneural. Hemos utilizado las redes neuronales y las aplicó a las operaciones de cambio con éxito en el pasado y decidió traducir ese método en un sistema de Metatrader. Es ampliamente conocido que las empresas comerciales larget y fondos de cobertura utilizan sofisticada inteligencia artificial y los sistemas de red nueral sacar provecho de los mercados financieros con una precisión asombrosa. Pensamos, ¿por qué no puede ese poder también estar disponible para nosotros - los pequeños inversores de dinero Así que tomé un descanso de todas mis otras actividades y trabajé duro con Metaneural para desarrollar este sistema, que yo creo que es la única red neuronal EA VERDADERO. De hecho, incluso no tiene que ser un EA, el código puede ser escrito en C para trabajar exactamente de la misma manera en tradestation, eSignal, NeuroShell, o cualquier plataforma que permite la importación de DLL y la recolección de datos, debido a la creación de redes neuronales que ocurre en NeuroSolutions. He hecho los indicadores y los sistemas de comercio para la comunidad forexfactory durante años, así que quería dar a ustedes la única versión libre de la Metaneural EA en Internet. Quiero recibir sus comentarios e impresiones. Si este hilo va bien y tampoco se desvíe Ill extender el juicio. He tenido la diversión descifrar el mercado de divisas con las grandes mentes en este foro durante años y tengo el placer de dar la espalda. Las redes neuronales en las EA es el futuro, espero que ustedes pueden darse cuenta de esto y desarrollar sus propios sistemas. El primer paso en la creación de un cerebro de la red neural artificial es reunir los datos alrededor de la cual se forma la estructura del cerebro. Puesto que estamos tratando de crear un cerebro que se sabe cómo el comercio de los mercados a los que hay que reunir los datos del mercado. Sin embargo, no podemos simplemente recoger una masa de datos y lo descarga en nuestro motor neuronal para crear la estructura de nuestro cerebro. Debemos recopilar los datos en el formato que deseamos el cerebro para procesar esos datos y, finalmente, el mismo formato que queremos que generen una salida. En otras palabras, no sólo estaban diciendo que nuestro cerebro que pensar, dándole datos en bruto, pero hay que decirle cómo pensar, mediante la formulación de que los datos en bruto en una configuración intelligable. En este caso, nuestra configuración es inteligible patrones. Nos hemos reunido los datos en segmentos, cada segmento se compone de un número de bares establecidos por el comerciante en nuestra colección indicador propietario que viene con todos nuestros paquetes. Esa agrupación de barras se recoge en relación con la siguiente barra que viene después de la agrupación - vamos a llamar a esta la barra de futuro. Cuando estaban recogiendo datos de mercado la barra de futuro es conocido, porque es todos los datos históricos, es la siguiente barra después de la agrupación. La idea es que el cerebro de redes neuronales encontrará patrones complejos en la agrupación bar y utilizar la información recopilada, incluyendo la barra siguiente después de la agrupación, para determinar qué patrones complejos preceder el resultado de la siguiente barra. Durante la jornada real que resultado será la barra de futuro que en efecto hace que sea posible conocer con un alto grado de precisión la dirección del mercado antes de que suceda. Los datos recogidos se extrae en una hoja de cálculo que muestra los datos de precios tan abierto, alto, bajo, cerca (OHLC). El OHLC de cada barra se recoge por separado y se coloca en su propia columna. En el ejemplo anterior cada fila representa 3 bares en total. Por lo tanto, las columnas representan cientos o miles de bares que se remontan recogidos en adición a history. In OHLC también puede recoger los valores de casi cualquier indicador que seleccione, que esencialmente dar ese indicador de la capacidad de pensar en base a las condiciones cambiantes del mercado y predecir el valor siguiente. Red Neuronal Construcción y Formación Ahora que tenemos nuestros datos recogidos, se extrajo en un archivo de hoja de cálculo en una configuración inteligible, podemos cargarlo en nuestro motor de red neuronal que va a crear la estructura del cerebro artificial, entrenarlo, y poner a prueba su precisión antes ahorro de la estructura. Una vez que los datos recogidos se importa en el programa de desarrollo de la red se le da la opción de seleccionar qué bits de datos que desea utilizar para construir su cerebro. Esta es una característica importante porque permite al usuario crear muchas estrategias diferentes en función de lo que se considera necesario pieza de datos. Lo que se hace esencialmente en este paso es determinar lo que el motor va a utilizar para crear los complejos patrones mencionados anteriormente, que en última instancia decida la capacidad de proyección de la EA red neuronal. Por ejemplo, digamos que quería decir la red neuronal sólo para buscar patrones en los precios de apertura de bares en relación con los valores de los indicadores de su indicador favorito. A continuación, seleccione el indicador en el colector y elegir sólo las entradas abiertas y de datos en el software del edificio se ha representado anteriormente. También puede seleccionar todas las entradas, a excepción de la columna output1, lo que significa que su valor de salida - seleccionar todas las entradas va a crear el patrón de aprendizaje más complejo posible y con ello permitir que su cerebro para responder a muchos escenarios diferentes. Una vez que se seleccionan las entradas y salidas deseadas del software creará la estructura de su cerebro red neuronal y podrá comenzar a entrenarlo. Una parte de los datos recopilados se reservó y se utiliza para entrenar y probar la exactitud de su cerebro artificial, verá la salida deseada comienzan a ajustarse a los datos de prueba, ya que aprende. Una vez completado este proceso usted será capaz de exportar el cerebro artificial estructurado en forma de un archivo DLL que será utilizado por el MetaNeural EA. Una vez que el cerebro está construido, entrenado, probado y exportado como un archivo DLL puede comenzar a operar con una red neuronal del cerebro automatizado que ver patrones complejos que son imposibles para un ser humano para lograr. Obtener el Metaneural GRATIS ahora EA mediante la financiación de una cuenta en FinFX con cualquier cantidad y el uso de nuestro servicio de copiadora comercial para reflejar nuestras operaciones ganadoras profesionales en su cuenta. Después de 50 lotes completos se negocian recibirá el Metaneural EA con la funcionalidad completa para las cuentas gratuitas deben ser financiados con el enlace proporcionado en la sección de precios del sitio Metaneural. Coloque estos archivos en las siguientes carpetas en Metatrader: Asesor de Expertos - Metatrader 4experts Indicador del colector (DatacollectorV2a) - Indicador de Red Neural Metatrader 4expertsindicators (Metaneural Indicador NN) - Metatrader 4expertsindicators archivos MQLLock y MT4NSAdapter DLL - Metatrader 4expertslibraries Usted tendrá que instalar NeuroSolutions 6 y visual Studio 6 para que funcione, instrucciones sobre estas instalaciones se puede encontrar en el Manual muy detallado adjuntos a este mensaje. Debe leer el manual Sí, se puede aplicar a múltiples monedas al mismo tiempo, ya que puede estar capacitado en cada moneda y una estructura de red neuronal puede ser creado para cada moneda. Yo diría que la única dependencia corredor sería la integridad de su indicador de precios, más estable y consistente su alimento mejor los datos de entrenamiento será y, posteriormente, los oficios. no fueron necesariamente así arrancar el cuero cabelludo velocidad de ejecución no es muy importante. Gracias por su interés. Felicidades por el desarrollo de un sistema que da vueltas sanas. Siempre mejor que la EA es de extrañar que por lo general terminan soplando la cuenta. Soy miembro comercial mí compartir mi sistema de Fibonacci cambio de imagen (ForexFibs) aquí para que pueda entender por qué usted está ofreciendo un EA gratuito. Mi pregunta se puede esta EA puede aplicar a varias monedas, ya que se basa en reales Redes Neuronales Es dependiente de los agentes y de ejecución speedSnowCron SnowCron redes neuronales para comercio de divisas En este artículo: un ejemplo del uso de nuestra Redes Neuronales software para crear una completa sistema de comercio de la red neuronal. En este ejemplo se utiliza la corteza incorporado en lenguaje de script. así que por favor leer la guía de lenguaje de script en primer lugar. El uso de redes neuronales para crear FOREX Trading Estrategia En este tutorial en línea gratis se encuentra el ciclo completo de la utilización de redes neuronales de la corteza (Redes Neuronales software) para las operaciones de cambio (o la bolsa de comercio. La idea es la misma). Usted aprenderá cómo elegir las entradas para las redes neuronales artificiales. y cómo decidir qué usar como la salida. Encontrará un ejemplo de un producto listo para usar script que permite llevar a cabo la optimización de redes neuronales, tanto de la estructura de la Red Neuronal (número de neuronas) y el sistema de comercio de divisas (detener la caída, etc.) Por último (la parte que no está presente en la mayoría de los tutoriales), que aprenderán qué hacer a continuación. Después de todo, la corteza Redes Neuronales El software no puede hacer el comercio en tiempo real, es necesario utilizar algo así como la estación de Comercio, MetaQuotes o MetaTrader. Como puerto del sistema de comercio de divisas desde la corteza hasta su plataforma de operaciones favorito ¿Tiene que hacer frente a las DLL, controles ActiveX y programación de bajo nivel La respuesta es NO. Córtex Redes Neuronales software viene con la facilidad de uso característica que le permite fácilmente el puerto (entrenados) de red neuronal resultante al lenguage de su plataforma de negociación. No hay archivos DLL, DDE, ActiveX o cualquier otro tipo de soluciones de bajo nivel - todo es así de simple. Nota importante: este no es un tutorial de cómo el comercio. En su lugar, se le indica cómo utilizar las redes neuronales de la corteza del software. pero usted todavía tiene que inventar su propio sistema de comercio. El que usamos aquí es apenas un punto de partida, y no debería ser utilizada como una estrategia de comercio de divisas como es. La idea de este texto es el de enseñar a crear sistemas de comercio basados ​​en NN y portarlos a la plataforma de negociación de su elección. El ejemplo es, sin embargo, ovesimplified, y sólo puede ser utilizado como el de la ilustración de los principios de negociación. Asimismo, el sistema de comercio MACD, que se pueden encontrar en muchos tutoriales, no está funcionando bien más (ya que los mercados han cambiado), pero aún así es un buen ejemplo del uso de indicadores para el comercio mecánica. En dos palabras: hacer su propio análisis. Otra nota importante: el tutorial utiliza ejemplos, muchos de ellos. Para hacer la vida más fácil, me gustan todos, no sólo los fragmentos incluido. Sin embargo, el texto hace mucho más tiempo. Además, voy desde el primer sistema, torpe, las operaciones de cambio. al más avanzado, cada vez que explicar lo que había sido mejorada y por qué. Sea paciente, o ir directamente a la sección que necesita. nota final importante: el código no es algo tallado en piedra, que podría cambiar desde que este texto fue escrito. Las versiones finales de los archivos de comandos se incluyen en el archivo de la corteza. Trampas de divisas señales de compra / venta: ¿Qué problema con ejemplos simples en los usuarios de redes neuronales de la corteza software de la Guía se utilizó un ejemplo sencillo de una red neuronal aftifficial. predecir el precio de GENZ de valores. Para averiguar cuál es el problema con este enfoque, vamos a hacer el mismo ejemplo simple, utilizando MSFT. TXT, en lugar de la GENZ. TXT (use 800 registros en el conjunto de aprendizaje, como MSFT. TXT es un poco más corto, entonces GENZ. TXT). Sólo wouldnt funciona Por qué El motivo se hará evidente, si te preguntas: ¿Cuál es la razón neuronal previsión red de valores futuros se puede hacer en el primer lugar La respuesta es: se trata de aprender a hacer lo que se llama redes neuronales de reconocimiento de patrones. para reconocer patrones, y si hay una lógica oculta en estos patrones, será reconocido a continuación, incluso un nuevo patrón (con la misma lógica). Eso es un truco - con la misma lógica. No hay ni siquiera uno, sino tres problemas aquí. En primer lugar, si nos fijamos en el precio de las acciones de Microsofts, se dará cuenta, que iba en la parte de aprendizaje de nuestros datos, y hacia los lados - en la parte de pruebas. Por lo que es posible, que la lógica había cambiado. En segundo lugar, y más importante aún - ¿Qué es el modelo que ves, si le enseñamos a la red neuronal en el rango de 10 - 100 y, a continuación, presentamos con algo en el rango de 1 a 3 - que son diferentes patrones de 10, 20, 30 y 1, 2, 3 tienen un aspecto similar a la humana, porque - pORQUE - tenemos esta capacidad de dividir por diez, cuando se presenta con los números que terminan en cero. Es lo que se denomina un pre-procesamiento de los datos, y por defecto, el NN no puede hacerlo. Se puede enseñar, por supuesto. ¿Qué es exactamente tenemos que enseñarlo Esta es la tercera, y la más importante. No necesitamos la predicción de precios No nos importa Lo que necesitamos es señales de venta de divisas de compra. Ahora, espera un minuto Necesitamos a) tener nuestra entrada (tanto el aprendizaje y las pruebas) en el mismo rango, y necesitamos b) ser capaz de tomar decisiones comerciales basadas en ella ¿no es cierto lo que llamamos un indicador Bingo Por lo tanto, eso es lo que vamos a hacer - vamos a construir un indicador, para alimentar a la NN como una entrada, y vamos a tratar de obtener una predicción del valor del indicador, no el precio de las acciones sin valor En nuestro primer ejemplo, vamos a introduzca una pila citas del disco, abra el archivo de red neuronal e iniciar el aprendizaje - todo ello en un modo automatizado. Crear un nuevo archivo de secuencia de comandos (o abra el que viene con el archivo de la corteza Redes Neuronales Software) y llamarlo stocksnn. tsc. En primer lugar, hay que descargar los valores de los precios de los autos MSFT. TXT. Vamos a utilizar el indicador de CLV (véase más adelante), pero para calcularlo, necesitamos valores ajustados para dividir-alta y baja, no sólo para cerca. Aquí es cómo conseguir ellos. stocksnn. tsc, parte 1 La primera línea asigna la ruta de acceso a la variable strStockPath, por supuesto, tendrá que editarlo, si el archivo de datos se encuentra en el directorio diferente. En la segunda línea se especifica, que este camino no es relativa (la relativa a la ubicación del archivo de Cortex. exe). El TABLELOADER recibe el camino, la cadena vacía para la línea de salida, 1 - para omitir la primera línea (nombres de columna), que forma parte de la línea de archivos de pie de página (la última línea de MSFT. TXT no contiene datos), se encomendó para cargar el número de columna 0 (y llamarlo arrDate), 2 (arrHigh), 3 (arrLow), 4 (ARRC) y 6 (arrClose). Para una descripción completa de TABLELOADER, consulte la guía de referencia ARGOT. Entonces calculamos división, dividiendo la Ajustado Cerrar Cerrar, y utilizar este valor para ajustar Bajo y Alto. El archivo contiene datos MSFT. TXT más reciente primero, mientras que los queremos ÚLTIMO. A continuación, tenemos que crear un indicador. Permite decir, que va a ser un indicador de la ubicación Cerca del valor, aunque en la vida real que probablemente utilice más de un indicador como la entrada de NN. El Primer Indicador de lugar de valor se calcula como CLV ((Cerrar - Menor) - (Mayor - Cerrar)) / (Mayor - Menor), donde Close, bajo y alto son para el intervalo, no necesariamente para una sola barra. Tenga en cuenta, que la queremos en el 0 - 1 rango, para que sea más fácil para normalizar a nuestra gama de NN (que es, de nuevo, 0-1). stocksnn. tsc, parte 3 A continuación, tenemos que crear un archivo de retraso. Permite el uso desfases igual a 1, 2. 9 (Para más detalles sobre las funciones de archivo, consulte la guía de referencia ARGOT). Tenga en cuenta, que el diálogo Cortexs NN puede producir retardos simples de forma automática (se puede utilizar un botón Generar lag). Sin embargo, más adelante en este texto, vamos a trabajar con retardos complejos (es decir, no son 1, 2, 3. Pero 1, 3, 64. lo que sea), por lo que necesitamos para crear el código que puede manejar esta tarea en de una manera más flexible. stocksnn. tsc, parte 4 Tener el archivo de retraso, estamos listos para crear nuestra primera red neuronal. Esta función toma una gran cantidad de parámetros, así que cuidado. Sin embargo, el código es muy simple. Por cierto, la mayor parte de este código se puede quitar, si cree que puede manejar números, en lugar de nombres meaningfull en su código, sin embargo, que sería una práctica de codificación muy mala. stocksnn. tsc, parte 5 Ahora, después de que tengamos una red neuronal y el archivo quedado con los datos, tenemos que enseñar a la red. El archivo de retardo (msftind. lgg) tiene 1074 registros, por lo que es razonable utilizar 800 como un conjunto de aprendizaje, y el restante 274 como un conjunto de pruebas. Puede, por supuesto, abrir un archivo de red y haga clic en el botón Ejecutar de la ficha de aprendizaje. Pero como se trata de una introducción a la programación de la corteza Redes Neuronales software avanzado, permite utilizar el argot orden interna lenguaje de scripts en su lugar. El siguiente código abre el diálogo modal con la configuración ann NN. Tenga en cuenta, que si usted quiere tener un privilegio de hacer clic en el botón Ejecutar, es necesario cambiar la stocksnn. tsc, parte 6 El bStartLearning puede ser 0, en cuyo caso el diálogo esperará a su entrada, o 1, entonces el aprendizaje comenzará aytomatically. El bResumeScript, si es igual a 1, se reanudará la secuencia de comandos, si cierra el cuadro de diálogo haciendo clic en el botón OK. El bFunción se utiliza para restablecer la red antes de que comience el aprendizaje. Ejecutar el script, y esperar a que el contador de época a superar los 1000, a continuación, haga clic en Detener. Ir a la pestaña Aplicar y haga clic en Aplicar. Esto ejecutará el conjunto completo de datos (tanto en el aprendizaje y las pruebas) a través de la NN, y crear el archivo. apl, que contiene a la vez original de entrada-salida, y la predicción generada-NN, de esta manera puede trazar fácilmente y compate uno contra el otro . Ir a la ficha Salida, seleccione el archivo msftind. apl, haga clic en Examinar archivos, seleccione los campos, a continuación, seleccionar el No en el cuadro de lista de la izquierda, y (manteniendo pulsada la tecla CTRL mientras selecciona con el ratón) Clv y NN: Clv en el cuadro de lista de la derecha. Haga clic en gráfico para ver lo bien que nuestra predicción es. Bien. Es más o menos bueno, por lo que podemos decir con sólo mirarlo. Aún así, nada extraordinario. Esto fue sólo un ejemplo de lo que puede hacer con secuencias de comandos argot, y cómo automatizar tareas rutinarias Cortexs. Sin embargo, hasta ahora, no hemos hecho nada que no podía hacer con la mano. Bien. casi nada, ya que si se desea crear un archivo de retardo de encargo, con, por ejemplo, CLV-100, CLV-50, CLV-25. columnas, entonces usted tendrá que utilizar el argot (o Excel.), porque no se puede hacer en en la corteza y sin secuencias de comandos. Estrategia de Forex Trading: lo que para optimizar Aquí es nuestro siguiente problema. ¿Necesitamos una predicción de buen aspecto, o necesitamos la podemos utilizar para el comercio con fines de lucro La pregunta parece extraño, pero sólo pensar en ello por un momento. Digamos que tenemos una muy buena predicción de 1 hora. 95 precisa. Aún así, ¿hasta dónde puede ir el precio en una hora no demasiado lejos, me temo. Compararlo con la situación, cuando se tiene un lugar impreciso de predicción de 10 horas. ¿Será mejor Para responder a esta pregunta, tenemos que operar en realidad, una simple comparación de los errores medios producidos por los dos NN no ayudará. La segunda parte (del mismo problema) se encuentra en la forma en que definimos una buena predicción. Digamos que tenemos una red, que produce la predicción, que es 75 precisa. Compararlo con el NN, que está produciendo 100 predicción exacta. El último es mejor. Ahora, divida la salida (predicción) de los 100 NN precisa por 10. Tendremos una red muy inexacto, ya que su señal es ni de lejos la señal se utilizó como una salida deseada. Y misma manera, sin embargo, que puede ser utilizado que utiliza 100 precisa NN, todo lo que tenemos que hacer es multiplicar a 10 Véase, se crea el NN, sintonizando el error cuadrático medio, y no la correlación, por lo que, al menos en teoría, una mejor NN puede mostrar resultados pobres, cuando se utiliza para el comercio real la acción / de la divisa. Para resolver este problema, necesitamos poner a prueba nuestra NN uso del comercio, y de utilizar los resultados de esta negociación (ganancias y disposición del crédito) para decidir, si esto NN es mejor que el otro. Vamos a hacerlo. Vamos a crear un programa, que se puede utilizar para afinar NN, y esta vez, por la puesta a punto, vamos a decir los resultados comerciales. Red Neuronal de comercio: Pocas notas cortas primer lugar, en nuestro ejemplo anterior, el aprendizaje automático no dejar nunca, debido a que no hemos especificado ninguna criterios de parada. En el cuadro de diálogo, o en la función CREATENN, puede proporcionar el min. de error (cuando el NN le llega, se detiene y, si bResumeScript se establece en 1, el cuadro de diálogo se cerrará y el guión se reanudará). También yo puede proporcionar el número máximo de épocas, o ambas cosas. No estoy usando en el ejemplo a continuación, al menos no siempre, porque tengo la intención de ver el aprendizaje y hacer clic en Detener cuando pienso en el NN está listo. Si desea hacerlo de modo totalmente automático, prestar atención a estos parámetros. Segundo. Una de las maneras de hacer una red más pequeña, más rápido y preciso, es comenzar con la pequeña red, y aumentar su tamaño, neurona por neurona. Obwiously, el número de las neuronas de entrada está determinada por el número de columnas de datos de entrada (pero podemos variar ellos, también), y el número de neuronas de salida debe ser igual al número de columnas de datos de salida (por lo general, pero no necesariamente ). Esto significa que necesitamos para optimizar el número de neuronas en la capa (s) oculta. Además, como ya he mencionado, que no sé realmente qué datos usar. Se CLV-15 (15 días de retraso) aumentar la precisión de nuestra predicción ¿Necesitamos CLV-256 Será mejor utilizar los dos en el mismo NN, o va a añadir CLV-256 arruinar nuestro rendimiento Uso de ciclos anidados para probar diferentes parámetros de entrada, puede: Crear el NN, misma manera que lo hicimos para los datos de saldos (Let me repeate, para la NN, no hay ninguna diferencia entre acciones y divisas, lo que acaba de ocurrir que tengo par de archivos de datos de alta calidad para FOREX que quiero para procesar, al escribir este texto). Pruebe diferentes combinaciones de retardos. Pruebe diferentes número de neuronas en la capa oculta. . y diferentes combinaciones de diferentes indicadores. . y así. Sin embargo, si se intenta todas las combinaciones posibles de todos los parámetros posibles, nunca obtener sus resultados, no importa lo rápido que el equipo es. A continuación, vamos a utilizar par de trucos para reducir los cálculos a su mínima expresión. Por cierto, que pueda parecer, que si se parte de una neurona oculta, luego aumentar a 2, 3 y así sucesivamente, y en algún momento el error (la calidad de la predicción) o el beneficio (si se prueba la NN por comercio de usarlo) comenzará a bajar, a continuación, usted tiene su ganador. Por desgracia, no puedo demostrar, que después del primer pico de rendimiento no puede haber una segunda. Esto significa, que el error puede ir como 100, 30, 20, 40, 50 (que era sólo en su mínimo, a la derecha) y luego 30, 20, 10, 15. (la segunda mínimo). Sólo tenemos que probar todos los números razonables. Tercero. La optimización es una espada de doble filo. Si el exceso de optimizar su código, puede no trabajar fuera de los datos que utilizó para ajustarlo. Yo haré todo lo posible para evitar este escollo. Si usted quiere hacer optimizaciones adicionales a su código o NN, yo le aconsejo que haga una investigación en Internet, para aprender más acerca de los problemas ocultos de este enfoque. Además, voy a prestar atención a la suavidad de la curva de beneficios. El beneficio que se parece a 0, -500, 1000, -100, 10000 puede ser grande, pero el beneficio 0, 100, 200, 300, 400. es mejor, ya que es menos riesgoso. Podemos hablar de ello más adelante. Por último, para este ejemplo vamos a utilizar divisas, en lugar de precios de las acciones. Desde el punto de vista de la NN no hay diferencia, y desde mi punto - Forex es mucho más divertido para el comercio. Si prefiere las existencias, el código puede ser modificado fácilmente. Una estrategia de comercio de divisas para jugar con En primer lugar, vamos a crear un prototipo de nuestro código, que puede ser fácilmente optimizado en el futuro. Va a ser un sistema de comercio, que utiliza una red neuronal para el comercio y produce un gráfico (beneficio frente al número de comercio). También calculará reducción, como medida de la solidez de nuestro sistema de comercio. forexnn01.tsc, parte 1 La diferencia principal aquí es que utilizamos funciones, en lugar de colocar todo el código en el bloque principal del programa. De esta manera es mucho más fácil de manejar. En segundo lugar, tenemos una función TestNet. Estoy utilizando un algoritmo muy simple de la negociación. El indicador CLV se limita a 0 - 1 en el intervalo (nuestra versión de CLV es), por lo que cuando el indicador cruza el dBuyLevel (ver el código de seguridad), que estoy comprando, cuando se cruzaba por la dSellLevel, estoy vendiendo. Obviamente, no es la mejor estrategia de negociación, pero lo hará para nuestro propósito (sólo por ahora). Si desea mejorarla, aquí hay algunos consejos. En primer lugar, es posible que desee tener un sistema, que no siempre está en el mercado. En segundo lugar, es posible que desee utilizar más de un indicador como entradas, y tal vez, más de un NN, por lo que la decisión de comercio se realiza con base en unos indicadores previstos. Vamos a añadir algunas mejoras en el algoritmo de negociación posterior. Utilizamos algunos supuestos estándar del mercado de divisas: la propagación es de 5 puntos, leverade es 100, min. lote es de 100 (mini-FOREX). Vamos a echar un vistazo a nuestro sistema de comercio. Una vez más, es un uno simplificada. Una nota importante: la TestNn () se llama pasado, y tiene acceso a todas las variables que se crearon a ese punto. Así que si ves una variable que estoy usando, sin inicializarla, probablemente significa que se ha inicializado en NewNn (), TeachNn () o alguna otra función que se llamaba antes de la TestNn (). Para facilitar las cosas, los comentarios se colocan en el código. forexnn01.tsc, parte 2 Algunas palabras sobre la reducción. Hay pocas formas de calcular, y que están utilizando lo que considero el más honesto. La reducción es una medida de la inestabilidad de nuestro sistema. ¿Cuál es la oportunidad, que va a perder dinero Digamos que la cantidad inicial es 1000. Si el beneficio va 100, 200, 300, 400. La reducción es 0. Si se va 100, 200, 100. continuación, la reducción es de 0,1 ( 10), como acabamos de perder una cantidad, igual a 1/10 del depósito inicial (1200-1100). Lo que recomendaría encarecidamente aconsejaría contra el uso de los sistemas de comercio con grandes detracciones. Además, aquí utilizo la disposición del crédito, que se va a utilizar con el tamaño del lote variable. Sin embargo, en las muestras reales, que vienen con el libro electrónico, verá otra versión: Como se puede ver, aquí siempre usamos 1000 (la cantidad inicial) para calcular el descenso. La razón es simple: utilizamos siempre el mismo tamaño del lote (sin embargo la administración del dinero), por lo que no hay diferencia, la cantidad de dinero que ya hemos acumulado en nuestra cuenta, una ganancia promedio debe ser constante. El peor escenario posible en este caso es el siguiente: desde el principio (1000 a cuenta) estamos perdiendo dinero. Si usamos 1000 a calcular el descenso, obtendremos la peor reducción. Esto nos ayudará a no engañar a nosotros mismos. Por ejemplo, digamos, hemos cambiado por algún tiempo, y tenemos 10.000 en nuestra cuenta. Luego perder algo de dinero, y ahora tenemos 8.000. A continuación, hemos quitado, y consiguió 12.000. Buen sistema de comercio Probablemente no. Vamos a repetir la lógica de nuevo, ya que es muy importante (y lo será aún más importante, cuando comenzamos a hacer la administración del dinero). Tenemos el comercio utilizando lotes de tamaño fijo. Así que, estadísticamente, no hay garantía de que la pérdida máxima no va a ocurrir en el comienzo mismo, cuando sólo tenemos 1000. Y si sucede, que tendrá -1000 (10.000 - 8.000), por lo que el sistema de comercio es probablemente demasiado arriesgado. Cuando hablamos de la administración del dinero (probablemente, no en este texto), tendremos que utilizar enfoque diferente para el cálculo drawdown. Tenga en cuenta, que en este sistema de comercio, estoy usando el peor escenario posible: Estoy comprando el uso de alta, venta y uso bajo. Muchos probadores no siguen estas reglas, y crear sistemas de comercio, que funcionan muy bien en datos históricos. Pero en la vida real, estos sistemas de comercio tienen un rendimiento muy pobre. ¿Por qué tomar un vistazo a la barra de precios. Tiene abierto, alto, bajo y cerrar. ¿Sabe usted, cómo el precio se mueve dentro de la barra No. Entonces, digamos, su sistema de comercio genera una señal de compra, en la parte inferior de la barra de precios (si Dlow Tenga en cuenta que estoy usando dLotSize igual al 0,1 lote (100). obviamente, en el comercio real, se beneficiará en gran medida, si el tamaño del lote se calcula en función del dinero que tiene, algo así como: forexnn01.tsc, parte 3 sin embargo, estamos haciendo pruebas de aquí, ni de negociación y las pruebas, hemos. necesitamos, entre otras cosas, para ver cómo suavizar la curva de ganancia es. Esto es mucho más fácil de hacer si el tamaño del lote es la misma (en la situación ideal, para dLotSize 100 obtendremos una línea recta, con un poco de pendiente positiva, mientras que en caso del tamaño del lote ajustable obtendremos un exponente, que es mucho más difícil de analizar). más adelante en este texto, vamos a aplicar reglas de manejo de dinero en nuestro sistema de comercio, pero no todavía. Después de que haya terminado con la última parte de nuestra función de prueba, permite caminar por el resto del código. la función siguiente, se crea un indicador de CLV. lleva el intervalo como parámetro, lo que significa que podemos llamar muchas veces, durante la optimización, pasando por diferentes números. Tenga en cuenta, que estoy usando el NN que trabaja en el 0 - 1 intervalo. Los datos pueden normalizarse, por supuesto, pero optaron por dividir el indicador por 2 y añadir 0,5, por lo que está en el 0 - 1 rango. forexnn01.tsc, parte 4 Para crear el archivo de retraso, podemos utilizar la función CREATELAGFILE. Alternativamente, podemos hacerlo de forma explícita, proporcionando todo el código necesario. En este caso, tenemos un mayor control, y vamos a necesitar, si comenzamos un número variable de columnas retardados y así sucesivamente. forexnn01.tsc, parte 5 El parámetro nRemoveFirst es importante. Muchas funciones, como indicadores, medias móviles, el retraso generadores, para el caso, no funcionan bien dentro de los primeros registros del conjunto de datos. Digamos que tenemos MA (14) - ¿qué va a colocar en los registros 1 - 13 así que elegimos para quitar simplemente los primeros registros (poco fiables). Para el NewNn, así como para todas las funciones de este programa, tenemos que pasar como parámetros sólo lo que se puede cambiar durante el proceso de optimización. Por ejemplo, no hay necesidad de pasar un salto antes de parámetro, ya que es siempre la misma. forexnn01.tsc, parte 6 Función El TeachNn simplemente abre el diálogo NN. forexnn01.tsc, parte 7 Por último, necesitamos una función de gráficos. No es obligatorio, pero siempre es una buena idea para ver cuál es nuestra línea del beneficio se parece. El siguiente código utiliza el XML para producir un gráfico, por lo que es una buena idea leer el tutorial. Alternativamente, se puede dibujar el gráfico, en lugar de guardarlo en un archivo. Para hacerlo, utilice una de las muestras, que se encuentran en el directorio samples / scripts. Por último, se puede modificar el código, para producir HTML, en lugar de XML. HTML es más fácil de aprender, pero el código en sí mismo será un poco menos legible. forexnn01.tsc, parte 8 compilar y ejecutar la secuencia de comandos. Bien. Como era de esperar, el uso de 7 horas como un intervalo para el CLV producido resultados muy pobres: FOREX Trading Estrategias y Optimización La razón de los malos resultados es bastante obvia: se utilizó el intervalo, detener la caída, compra y venta de los niveles y otros parámetros, que eran puramente aleatoria - sólo nos recogió en primer lugar que encontramos en mente ¿y si probamos algunas combinaciones de señales de Forex Trading: ¿Qué hay que optimizar en primer lugar, por overoptimizing la compra y venta niveles, podemos arruinar nuestro desempeño futuro. Sin embargo, todavía puede sintonizar ellos, sobre todo, si el rendimiento está cerca de los valores cercanos de los límites de compra y venta. Por ejemplo, si tenemos -10 beneficio al comprar límite equivalente a 0,3, y 1000 el beneficio cuando es igual a 0,35, entonces es probable que haya una coincidencia afortunada, y no hay que usar 0,35 para nuestro sistema de comercio, al igual que en el futuro probablemente no sucederá de nuevo. Si, en cambio, tenemos -10 y 10 (en lugar de 1000), puede ser más seguro de usar. En general, nuestro sistema de comercio debe ser construido para peor escenario posible, como si durante el comercio real el rendimiento será mejor, a continuación, durante la prueba, vamos a sobrevivir, pero no al revés. Podemos variar el valor para el intervalo indicador, siempre y cuando tengamos suficientes operaciones, por lo que podemos estar seguros, en términos de estadísticas, en el desempeño de un sistema. Sin duda podemos variar el número de neuronas, no creo que pueda ser fácilmente overoptimized. Podemos variar el número de entradas y retrasos para las entradas. Es posible overoptimize esto, pero no es muy probable que suceda. Y, por supuesto, podemos probar diferentes indicadores. Señales de Forex precisos: ¿Cómo optimizar ya han sido mencionados como, si comenzamos a intentar todas las combinaciones posibles, que se llevará para siempre. Así que vamos a engañar. Vamos a crear conjuntos predefinidos de parámetros, que creemos que son razonables, y pasarlos al programa. Para hacer el menor número de cálculos como sea posible, nota, que CLV-1 y CLV-2 son, probablemente, importante, pero ¿qué pasa con CLV-128 y - si ya tenemos CLV-128, lo que necesitamos CLV-129 Probablemente, no. Así que vamos a tener algo como CLV-1, CLV-2, CLV-4, CLV-8. CLV-128 con sólo algunas variaciones, lo que hará que nuestros miles de tiempo de cálculo veces más corto. FOREX Trading System Professional: Puede que funcione en absoluto ¿Qué es exactamente lo que queremos predecir Hasta este punto hemos utilizado gráfico de 1 hora para el EURUSD, y que predecían los próximos bares CLV. ¿El CLV2 ser mejor ¿Qué hay de CLV3 también, especialmente teniendo en cuenta los malos resultados de nuestro primer sistema de comercio, sería bueno saber, que - al menos en el mundo ideal, se puede lograr el objetivo (de comercio rentable). Para responder a estas preguntas, vamos a crear un programa de pruebas sencillas. Suponemos, que nuestra predicción es exacta 100, y, basándose en este supuesto, vamos a utilizar CLVN, no el NN predijo una. Esa es la derecha - vamos a tomar datos desde el futuro, y para usarlos en lugar de la predicción NN. Este enfoque wouldnt funciona en la vida real, por supuesto, pero al leats, nos dará algunas ideas de lo que puede esperar. Al mirar los resultados, por favor, tenga en cuenta que no estamos utilizando cualquier administración del dinero avanzado, nuestro tamaño del lote se establece en un mínimo de 100. Si utiliza tamaños de lote variables, los resultados serán dramáticamente diferente. Pero incluso en un tamaño de lote ajustado a 0.1 podemos ver (abajo) que conseguir la información desde el futuro es un comerciantes finales acebo Graal. forexnn02.tsc, parte 1 Usted ya está familiarizado con este código, se utiliza en FOREXNN01.TSC. Se ocupa de la carga de datos. La única diferencia está en la parte que obtiene la lista de archivos en el directorio de imágenes y elimina todos los archivos con la extensión PNG. La razón de este código es simple: durante nuestras pruebas que vamos a crear muchos - quizás miles, - los archivos de imagen. Nosotros no queremos que colgaba alrededor después de que hayamos terminado. Así que al principio de la secuencia de comandos que se van a suprimir las imágenes, creadas por otros scripts. forexnn02.tsc, parte 2 A pocos comentarios. No queremos probar todos los valores posibles para, por ejemplo, el intervalo de CLV. En su lugar, podemos crear una matriz, que contiene sólo valores que queremos probar. A continuación (véase más adelante) tendrá que caminar a través de esta matriz. Detener las pérdidas son parte importante de cualquier estrategia de negociación, por lo que han decidido variar también. Es una idea peligrosa, sin embargo, ya que es fácil de overoptimize el sistema. Tengo la intención de probar diferentes valores para los niveles de comprar y vender, pero se hará en el ciclo, sin la utilización de matrices. Al contrario que en el ejemplo anterior, queremos tener un archivo XML grande, que contiene muchas imágenes. Para hacerlo, he movido el código, que se está formando el encabezado y pie de página XML fuera de la función de gráfico. Lea uno de los tutoriales XML en línea para obtener más detalles. Tenga en cuenta, que estoy usando 0 como el primer retardo, lo que significa, que en primer lugar estoy probando el indicador (CLV) que no fue desplazado del futuro. Sólo para tener una idea, lo bueno cabo sistema de comercio sería sin NN (horrible, es la palabra correcta. Se está perdiendo todo el dinero). Córtex utiliza el control de Internet Explorer para mostrar páginas XML. Cuando las páginas crecen grandes, se necesita una gran cantidad de memoria. Si el ordenador no puede manejar, considere la creación de múltiples páginas HTML o XML, en lugar. En el caso de forexnn02, no debería ser un problema, ya que la página es relativamente corto. Como alternativa (que es lo que estoy haciendo en secuencias de comandos más adelante en este texto), crear el archivo XML, pero no lo abra desde la corteza. Abrirlas utilizando Internet Explorer en lugar - a diferencia de IE de control, el Internet Explorer no tiene el problema de memoria. Ahora el código que está tratando diferentes combinaciones de parámetros. forexnn02.tsc, parte 3 En este caso, estamos utilizando ciclos anidados. En cada ciclo, estamos assidning alguna variable (por ejemplo, nInterval para el ciclo de exterior). De esta manera el ciclo asignará valores de todos los elementos de una matriz correspondiente, uno en un tiempo. Luego, dentro de ella, se utiliza el ciclo interno, y así sucesivamente, de modo que todas las combinaciones de todos los elementos de la matriz se ponen a prueba. En el ciclo más interno, yo estoy llamando a la función Test (), para el comercio de prueba, y gráfico () para agregar una nueva imagen para una lista de las imágenes guardadas en el disco. Tenga en cuenta, que este gráfico () no muestra ninguna imagen, hasta que se hayan completado todos los ciclos. Las funciones de test () y CreateClv () son casi los mismos que en el ejemplo anterior. La única diferencia real es debido al hecho de que se llama más de una vez. Para hacerlo, yo estoy llamando ARRAYREMOVE a las matrices de limpieza. Además, el aviso, que sólo estamos creando gráficos para las combinaciones de parámetros, que producen sistema de comercio con un beneficio positivo. De lo contrario, llamamos a continuar, para saltar la función Gráfico (). Por último, tenemos Take Profit ahora, para nuestro sistema de comercio puede ser un poco más flexible. forexnn02.tsc, parte 4 El Gráfico (función) se rompió en dos pedazos. El encabezado y el pie de página se deben escribir en el fichero XML sólo una vez, por lo que fueron trasladados a la parte principal del programa. Además, estoy usando el contador, para guardar archivos en los diferentes nombres. La información acerca de los parámetros se escriben en la cabecera de una imagen, por lo que podemos ver fácilmente cuál se trata. Por último, las imágenes se guardan sólo para ganar configuraciones, es decir, el saldo al final debería ser más, entonces al principio. forexnn02.tsc, parte 5 Ejecutar el programa (que tomará algún tiempo para completar). Usted va a terminar con una gran página XML con imágenes, una para cada configuración ganadora. Algunos de los resultados son grandes, sin embargo, como hemos utilizado los datos desde el futuro, este sistema no va a funcionar en la vida real. Eso es.