Preisanalyse mit Neural Networks Mitglied seit May 2007 Status: Statistocrat 110 Beiträge Über dieses Journal Dies ist meine persönliche Zeitschrift, in der meine Entwicklung eines künstlichen neuronalen Netzes dargestellt wird, um zu versuchen, einen statistischen Rand auf dem Markt auf mehreren Zeitrahmen zu gewinnen. Ich werde meine Fortschritte bekanntgeben, während ich Meilensteine erreiche, und wir werden zusammen sehen, ob es tatsächlich möglich ist, eine statistisch signifikante Kante mit einer maschinellen Lernmethode zu gewinnen. Ich werde auch diskutieren, wie ich Geld-Management in Bezug auf was auch immer statistische Kante ich mit meinem Lernenden gewinnen könnte. Ich werde postwahrscheinliche Simulationen meines Lernenden Leistung mit verschiedenen Geld-Management-Techniken. Bitte beachten Sie, dass ich derzeit ziemlich erfolgreich (auf einem kleinen, 4K Live-Konto) mit einfachen Chart-Muster und SR-Analyse. Ich bin auch ein Vollzeit-Ingenieur Student, aber, so wäre es sehr wünschenswert, haben einen automatisierten Agenten entweder Handel in meiner Abwesenheit oder alarmieren mich von hoher Wahrscheinlichkeit Setups. Wenn meine Entwicklung dieses Indikators erfolgreich ist, einen Vorteil zu erlangen, werde ich ihn vielleicht in irgendeiner Form an die Gemeinschaft weitergeben. Ich würde mich über Ihren nachdenklichen Beitrag zum Thread freuen. Die Entwicklung funktioniert am besten, wenn es sich um beobachtete, konstruktiv kritische Partner handelt - so hat die Open-Source-Softwarebewegung uns gelehrt. Also, wenn Sie etwas Wertvolles hinzuzufügen, bitte mit allen Mitteln post it. Mitglied seit November 2005 Status: EURUSD Quant FREAK 3,198 Beiträge Was sind die Eingänge Rein Preis COT Zinsen CPI Zweitens, was ist das Kriterium für enteringexiting A quotmajority winsquot auf mehrere NNs in mehreren Zeitrahmen basiert Ich bin ziemlich auf NNs ausgebildet, und wenn Sie nicht korreliert einführen (Daten ohne starke lineare Abhängigkeit zum Preis) Eingaben, die Sie Fehler zu Ihrem Lernen vorstellen werden. Ich wette, das wussten Sie schon. Also die Frage ist, was Eingänge sind stark korreliert Ich wette, dass Forex ist äußerst effizient, so quotnewquot externen Daten wie COT und CPI sind höchstwahrscheinlich vollständig realisiert durch den Preis innerhalb von wenigen Minuten der Daten eingeführt werden, also SEHR kleine Lag Und Ineffizienz. Nun, NNs sind nicht Tischgespräch. Entweder erhalten Sie, was Im sagend oder Sie nicht. Ich hoffe es hilft. Mitglied seit May 2007 Status: Statistocrat 110 Beiträge Initial Design Concepts Zuerst eine Erklärung der Theorie der neuronalen Netze. Die neuronale Netzstruktur Ill ist ähnlich wie die im Bild unten gezeigt. Jeder Kreis, den Sie im Bild sehen, heißt ein quotnodequot. Jeder dieser Knoten fungiert als eine Art mathematischer Operator. Information bewegt sich von links nach rechts im Bild, von den Eingängen zu den Ausgängen. An jedem Knoten werden die Eingänge summiert, um die Ausgabe zu erzeugen. Jeder Eingang hat einen einstellbaren Quotienten oder einen Skalierungsfaktor, mit dem er multipliziert wird, bevor er an diesem Knoten summiert wird. OK. So weve bekam Knoten, die skalierte Werte hinzufügen. Wie auf der Erde werden wir vorhersagen, künftige Preis-Aktion mit diesem Ding. Nun, es stellt sich heraus, dass, wenn Sie diese Gewichte in einer intelligenten Weise einstellen, können Sie im Wesentlichen quottrainquot dieses Netzwerk zu erkennen, Muster auf der Eingabe-Ebene und produzieren die Ausgänge, die Sie wünschen, nach diesen Mustern. So ist das Design für das Netzwerk: Zeitverzögerte Pip Bewegungen. Im Wesentlichen sind dies Werte, deren Größen der Größe jedes Balkens auf einem Diagramm eines bestimmten Zeitrahmens entsprechen. Zum Beispiel können Sie sagen, Sie haben die folgende Tabelle: Wenn Ihr neuronales Netzwerk entworfen wurden, um vier-Bar-Muster zu analysieren, hätte es 12 insgesamt Eingänge. Das heißt, für jeden Stab würde er einen Eingang für den unteren Docht, den Stabkörper und den oberen Docht haben. Beide Dochtwerte wären entweder positiv oder null, und der Balkenkörperwert wäre entweder positiv oder negativ. Also für die Kerze-Diagramm oben, sehen Sie die folgenden Eingaben (ungefähr) im Format upperbodylower: Wie Sie vielleicht bemerkt haben, sind alle diese Werte unter 1,0, weil die Eingaben für das neuronale Netzwerk muss eine Dezimalzahl zwischen 1 und -1 sein . So, jetzt haben wir Eingaben. Was wollen wir für die Ausgaben Lets wählen upside und downside Risikoindikatoren für verschiedene Zeitrahmen. Sagen. Zwei auf jeder Seite. Kurz: Ein Ausgang für die Zukunft hoch nach 1 Stunde. Ein Ausgang für die Zukunft hoch nach 4 Stunden. Ein Ausgang für die Zukunft niedrig nach 1 Stunde. Ein Ausgang für die Zukunft niedrig nach 4 Stunden. Um das Netzwerk zu trainieren, betrachten wir die Höhen und Tiefen nach dem Eingabemuster, berechnen die Ausgänge und verwenden dann ein sogenanntes Algorithm-Quotter-Propogationsverfahren, um die Netzwerkgewichte intelligent einzustellen, so dass die gewünschten Ausgänge erscheinen, wenn wir dieses Eingangsmuster präsentieren. Wir machen dies über eine große Anzahl von Input-Output-Kombinationen, und wir werden hoffentlich mit einem Netzwerk ankommen, das, wenn es mit einem neuen Set von Eingängen präsentiert wird, die zukünftigen Höhen und Tiefen mit einer gewissen Genauigkeit voraussagen kann. Sobald wir ein Netz haben, das zukünftige Höhen und Tiefen vorhersagen kann, können wir Trades mit TP und SL Niveaus setzen, die unsere Wahrscheinlichkeit des Erfolges maximieren. Wir können auch wählen, nur Trades, die ein gutes Risiko-Rendite-Verhältnis haben. Zum Beispiel können wir beschließen, nur zu kaufen, wenn das Netz ein 2: 1 hoch zu niedrigem Verhältnis prognostiziert und nur für das Inverse verkaufen. Dies kann helfen, zu begrenzen Marktrisiko, während die Maximierung der statistischen Chance des Erfolgs. Wenn Sie mehr Informationen über neuronale Netze wollen, schauen Sie sich die Wikipedia-Eintrag auf Artifical Neural Networks. Erwarten Sie einen anderen Post bald über die (benutzerdefinierte) Software und Daten Ill verwenden für Netzwerk-Setup und Training. Die quotperfect tradequot Daten, die Sie erwähnt haben, ist eigentlich das, worüber ich in meinem zweiten Post in dieser Zeitschrift gesprochen habe. Was du redest, zielt auf die Zukunft hoch und niedrig für jedes Eingangsmuster. Das Buysell-Signal ist eigentlich redundant, da man es durch den Ausdruck (highgtlow) 2-1 berechnen kann. Nach dem Training über einen großen Satz dieser Muster wird das neuronale Netz jedoch lernen, den Mittelwert dieser Werte über den Satz von ähnlichen Mustern auszugeben. Du hast Recht, es ist das Gleiche, mit dem du angefangen hast. Dieser Ausdruck warf mich für eine Minute. (Hgtl) ist Boolean, 0 oder 1, bekam es. Wie auch immer, wie Sie sagten, dass die NN gerade ausspucken die Mittel, also youve erhielt, eine Verteilung zu verwenden. Stattdessen ziehe ich es vor, dass das Netzwerk die Verteilung lernt. Die Kenntnis der Vergangenheit statistische Verteilung ermöglicht es Ihnen, Strategien auf der Grundlage der berechneten Wahrscheinlichkeit des Schlagens verschiedener Preis Punkte zu schaffen. Zum Beispiel sind wir auf die Idee, Trades mit einem 2: 1 oder 3: 1 TP zu SL-Verhältnis, aber wir können nicht sicher sein, dass sie tatsächlich erhöhen unsere Gewinne, wie ohne Vorhersagekante, eine engere Stopp ist in der Regel verwendet Eher zu treffen als die weiter profitieren. Wenn wir die statistische Verteilung der Preispunkte über die nächste Stunde (oder Tag, oder Woche, was auch immer) wussten, konnten wir stoppen, die historisch gesehen tatsächlich doppelt so häufig sind, als wir unser Gewinnniveau erreichen. Im Idealfall wären wir in der Lage, Trades zu wählen, die sehr hochwahrschein - lich und hoch belohnt sind, wo der Stopp nicht zu erwarten ist, der Gewinnprofit wird sehr wahrscheinlich getroffen und der Gewinn ist deutlich weiter als der Stopp. Warren Buffet schreibt immer seinen Erfolg zu machen risikoarme, Hoch-Belohnung Investitionen. Unser Ziel sollte das gleiche sein - das heißt, die Gewinnwahrscheinlichkeit zu maximieren, die Verlustwahrscheinlichkeit auf ein Minimum zu reduzieren - oder in Händlern: ein Markt zu haben. Du sprichst meine Sprache hier. Ich habe einen geschlossenen Thread namens quotExpectancy ist immer Nullpunkt, wo dies eines der Themen ist. Ein TPSL von 3: 1 bedeutet, dass die Gewinnrate etwa 25 in einer Strategie ohne Rand wäre. Im Allgemeinen ist die erforderliche Gewinnrate (RWR) für jede Strategie (durchschnittlicher Verlust) (durchschnittlicher Gewinn-Verlust-Verlust). Die Sache ist, Ive versucht, meinen Kopf um den Handel von einer Verteilung in der Vergangenheit wickeln und hatte Schwierigkeiten, wie es zu tun, vor allem im Falle einer separaten Verteilung für Höhen und Tiefen. Eigentlich habe ich denke, was youd wirklich ist eine Verteilung über alle Paarungen von Höhen und Tiefen, was bedeutet, über einen Bereich mit hohen auf der X-Achse und niedrig auf dem Y zum Beispiel. An jedem gegebenen Punkt theoretisch youd einen Wert haben, obwohl ich weiß, youre tatsächlich in bin bin sie. Letztlich, um ein Trading-Tool, muss es einige Prozess für immer von den Eingängen an einem Ende der quot3 großen Entscheidungenquot (buysell, stop, TP) an der anderen sein. Dies kann ein viel dornigeres Problem sein als der Aufbau und die Ausbildung des Netzes selbst. Im, der dieses oben jetzt holt, weil sein Schlüssel, zum in diesem Stadium zu wissen, was Sie die Ausgabe sehen mögen. Es ist ein Schmerz, um alles, was gebaut und dann erkennen, am Ende, dass Sie wollen, dass es etwas anderes zu tun. Hoffentlich youll vermeiden, dass Problem, und vielleicht youve schon bekam sie bedeckt. Die Sache ist, Ive versucht, meinen Kopf um den Handel von einer Verteilung in der Vergangenheit wickeln und hatte Schwierigkeiten, wie es zu tun, vor allem im Falle einer separaten Verteilung für Höhen und Tiefen. Eigentlich habe ich denke, was youd wirklich ist eine Verteilung über alle Paarungen von Höhen und Tiefen, was bedeutet, über einen Bereich mit hohen auf der X-Achse und niedrig auf dem Y zum Beispiel. An jedem gegebenen Punkt theoretisch youd einen Wert haben, obwohl ich weiß, youre tatsächlich in bin bin sie. Letztlich, um ein Trading-Tool, muss es einige Prozess für immer von den Eingängen an einem Ende der quot3 großen Entscheidungenquot (buysell, stop, TP) an der anderen sein. Dies kann ein viel dornigeres Problem sein als der Aufbau und die Ausbildung des Netzes selbst. Im, der dieses oben jetzt holt, weil sein Schlüssel, zum in diesem Stadium zu wissen, was Sie die Ausgabe sehen mögen. Es ist ein Schmerz, um alles, was gebaut und dann erkennen, am Ende, dass Sie wollen, dass es etwas anderes zu tun. Hoffentlich youll vermeiden, dass Problem, und vielleicht youve schon bekam sie bedeckt. Ich habe einen kleinen Gedanken zu diesem Problem gegeben. Ich weiß von einem deiner PMs, dass du an genetischen Algorithmen interessiert bist. Dies könnte ein Fall sein, bei dem GAs sehr nützlich sein könnten, um gute Wege zu bestimmen, die Ausgänge des neuronalen Netzwerks zu nutzen. Auf der anderen Seite gibt es eine Reihe anderer maschineller Lern - oder Klassifizierungstechniken, die auf das Problem des Handelsentscheidungsverfahrens unter Verwendung der Verteilungsdaten angewendet werden könnten. Wir können aber auch durch einfache Theorie eine Handelsstrategie schaffen. Solange wir verstehen, was die Verteilung bedeutet, können wir sie intelligent nutzen. Im Wesentlichen wird die Verteilung uns sagen, wie wahrscheinlich es ist, dass ein bestimmter Preis in einem bestimmten Zeitraum erreicht werden. Wir wissen, dass, um einen Höchstwert von 50 Pips über dem aktuellen Preis zu erreichen, der Preis auch (typischerweise) durch die 10 Pip, 20 Pip, 30 Pip und 40 Pipe Ebenen passieren muss. Wenn wir also die ungefähre Verteilung kennen, können wir die Wahrscheinlichkeiten von extremen Ebenen summieren, um die erwartete Wahrscheinlichkeit zu berechnen, dass jeder Level während eines zukünftigen Zeitrahmens getroffen wird. Wir können dann Handelskriterien anlegen, die nur Trades mit höchster Wahrscheinlichkeit auswählen. Wir könnten auch brechen die Take-Profit-und Stop-Loss-Aufträge in eine Reihe von geschichteten Aufträgen über die Verteilung nach den Wahrscheinlichkeiten der verschiedenen Ebenen. Dies ist auch ein Setup, das berechnet werden könnte, um die höchste Belohnung mit dem geringsten Risiko zu erleichtern. Sowieso ist dieses alle Vermutung, die nach dem letzten Netz neu überdacht werden muss. Ich glaube, ich werde anfangen, das Netzwerk mit der beschriebenen Struktur zu entwickeln, und wenn wir später erkennen, dass die Wahrscheinlichkeitsverteilung weniger nützlich ist als ein anderes Ziel, können wir sie ziemlich leicht ändern. Die eigentliche Schwierigkeit der Programmierung ist einfach das Einrichten und Debuggen des Frameworks für Training, Testen und Betrachten der Ausgabe. Es wird eine ganze Weile sein, bis ich etwas Nützliches entwickelt habe, aber ich werde diesen Thread aktualisieren, wenn ich Fortschritte mache. Hab ein schönes Wochenende, oder was auch immer davon übrigbleibt Sehr guter Ansatz Ich mache etwas Ähnliches. Was denkst du über die Einbeziehung sehr großen Maßstab in die Gleichung durch die Normalisierung der Bars. Was ich meine, ist sagen, 10000 Bars vor dem Preis war 3000 Pips niedriger. Das bedeutet, dass wir durchschnittlich 3 Pips pro 10 Bar bewegen. Könnte dies nützlich sein, wenn Sie die OHLC-Balken normalisieren, um das in Ihrer Verteilungsgleichung zu reflektieren Interessante Idee. Ohne die Normalisierung wäre die Verteilung auf den langfristigen Trend beschränkt. Dies wäre gut, wenn wir noch im gleichen langfristigen Trend waren, aber nicht gut, wenn sich der Trend in letzter Zeit geändert hatte. Ich nehme an, Sie könnten eine Art von Normlisierung zu tun, aber seine auch nicht klar, wie genau Sie normalisieren sollten. Es könnte besser sein, einfach einen Satz von gleitenden Mittelwerten über verschiedene Perioden an den Eingängen aufzunehmen. Dies würde dem Netzwerk helfen, die Ursache des Versatzes zu trennen und in der Lage zu sein, den korrekten Betrag der Verteilungsverzerrung für den gegenwärtigen Markt zu replizieren. Vielen Dank, Charlinks. Großer Punkt Hier ist ein Indikator, den ich machte, kann sich als nützlich erweisen. Es ist eine einfache Preisverteilung. Fiddling mit den Parametern können ganz andere Ergebnisse. Cellwidth, wie viele Bars für die Preisverteilung pro Spalte Anzahl der Zellen, wie viele Zeilen zu teilen, um die Preisverteilung in Cellcols, wie viele Spalten zu generieren. Für einige schwere Berechnungen können Sie diese Zahl reduzieren, wenn Leistung leidet, wie Sie wahrscheinlich brauchen die jüngsten Preisverteilung Cellstep desto höher die Anzahl der mehr Blöcke für jeden Schritt ist es immer noch Berechnung der Zellzahl Anzahl von Bars übersprungen. Also, wenn cellstep und cellwidth die selben sind, sehen Sie ein freies Bild. Wenn Cellwidth signifikant höher ist sehen Sie Daten quotblurredquot in. Cutoff alle Zellen werden mit einem Wert von 0 bis 1 normalisiert, wenn Sie alle von ihnen ziehen wird es sehr ressourcenintensiv sein. So dass alles kleiner als cutoff ist einfach nicht gezeichnet. (Ich habe 0.8 manchmal zu identifizieren starke Support Resistance Bereiche) countinsidebars countsupport countresistance und hier ist einige Magie. Anstatt die ganze Bar zu zählen, habe ich es in die Bar (Open - Close) unterteilt (Low - Min (Open, Close) Widerstand (Max (Open, Close) - High) So können Sie Ihre Studie nur auf Support oder Nur auf Widerstandsflächen Glückliche Neuronale Vernetzung Anhängendes Bild (zum Vergrößern anklicken) Interessante Idee: Ohne die Normalisierung wäre die Verteilung auf den langfristigen Trend verzichtet, das wäre gut, wenn wir noch langfristig stünden Tendenz, aber nicht gut, wenn der Trend hatte vor kurzem geändert. Ich nehme an, Sie könnten eine Art von Normlisierung zu tun, aber seine auch nicht klar, wie genau Sie normalisieren sollten. Es könnte besser sein, einfach einen Satz von gleitenden Durchschnitten über verschiedene Perioden auf Die Eingänge. Dies würde dazu beitragen, das Netzwerk, um die Ursache für die Schieflage zu trennen, und in der Lage sein, die richtige Menge der Verteilung schief für den aktuellen Markt zu replizieren. Danke, CharLinks. Top Punkt Sie wissen, es hat mich getroffen, alles, was Sie haben Do ist der Preis für Zinsswap-Sätze anzupassen. In der Tat machen einige Makler genau das. Sie passen Ihren eintreffenden Preis an, um den Swap zu reflektieren, also, wenn Sie GJ für 100 Tage hielten, die youd wie ein Kaufpreis von 200 Pips unter Ihrem ursprünglichen Handel dort haben. Genetische Programme (GP) eigentlich, die ein Konzept, entwickelt nach GA von einem Forscher namens Koza Ich denke. Im nur nit-Kommissionierung an einem Sonntag Abend. : Ja, ich denke, GP ist eine praktische Anwendung der GA Theorie. Das maschinelle Lernbuch Im am meisten vertraut mit (Maschinelles Lernen von Tom Mitchell) behandelt jede Art von Lernalgorithmus als Suchmethode. So ist GP die Anwendung der GA-Suchmethode auf Programmieraufgaben. Taxonomie beiseite, Anwendung eines genetischen Algorithmus Suchmethode auf das Problem der optimalen Handelsauswahl könnte definitiv einige gute Lösungen, die wir nie von uns selbst denken würde. Hier ist ein Indikator ich machte, kann sich als nützlich erweisen. Es ist eine einfache Preisverteilung. Fiddling mit den Parametern können ganz andere Ergebnisse. . So können Sie Ihre Studie nur auf Unterstützung oder nur auf Widerstand Bereichen zu konzentrieren. Sehr cool. Ich machte etwas wie dieses einmal, dass zog eine Reihe von sr Linien mit verschiedenen Farben nach den letzten Highlow-Distributionen, aber das ist viel mehr konfigurierbar. Gut gemachtFinally ein echtes Neuronales Netzwerk EA Free - Etwas Neues Kommerzielles Mitglied Registriert seit Sep 2008 911 Beiträge Hello Everyone, its been a while. Ich normalerweise dont nehmen so lange Pausen von der Teilnahme an diesem Forum aber für mehr als ein Jahr habe ich an einem sehr intensiven Projekt und nach einem Jahr der Vorwärts-Tests Im hier, um es mit allen von Ihnen zu teilen. Im Freunde mit vielen professionellen Händlern und einem Haufen von uns zusammen, kombiniert unsere Kompetenz und erstellt ein neuronales Netzwerk automatisiertes System für Metatrader, die tatsächlich funktioniert. Da waren bewusst, dass die meisten EAs absolut wertlos oder schlechter sind, Betrug, dachten wir wed liefern etwas einzigartiges für den durchschnittlichen Einzelhändler von Menschen, die tatsächlich vertraut werden können. Diese Gruppe heißt Metaneural. Weve nutzte neuronale Netze und wandte sie an den Handel von Forex erfolgreich in der Vergangenheit an und beschloss, diese Methode in ein Metatrader-System zu übersetzen. Es ist allgemein bekannt, dass die Großhandelsunternehmen und Hedgefonds anspruchsvolle künstliche Intelligenz und nutzale Netzwerksysteme nutzen, um von den Finanzmärkten mit erstaunlicher Genauigkeit zu profitieren. Wir dachten, warum kippe diese Macht auch für uns zur Verfügung - die kleinen Geld-Investoren Also habe ich eine Pause von all meinen anderen Aktivitäten und arbeitete hart mit Metaneural, um dieses System zu entwickeln, die ich glaube, das einzige REAL neuronale Netzwerk EA zu sein. In der Tat, es muss nicht einmal ein EA sein, kann der Code in C geschrieben werden, um genau die gleiche Weise in tradestation, esignal, Neuroshell oder jede Plattform, die DLL-Import und Datenerfassung ermöglicht arbeiten, weil die neuronale Netzwerk-Erstellung geschieht Neurolösungen. Ive bildete Indikatoren und Handelssysteme für die forexfactory Gemeinschaft seit Jahren, also wollte ich Ihnen Kerle die einzige freie Version des Metaneural EA im Internet geben. Ich möchte Feedback und Eindrücke bekommen. Wenn dieser Thread geht gut und doesnt get sidetracked Ill verlängern die Studie. Ive hatte Spaß, den Forexmarkt mit den großen Köpfen auf diesem Forum seit Jahren zu entziffern, und es ist mein Vergnügen, zurück zu geben. Neuronale Netze in EAs ist die Zukunft, ich hoffe, ihr könnt das realisieren und eure eigenen Systeme entwickeln. Der erste Schritt bei der Schaffung eines künstlichen neuronalen Netzwerk Gehirns ist es, die Daten zu sammeln, um die die Struktur des Gehirns wird gebildet werden. Da wir versuchen, ein Gehirn zu schaffen, das wissen, wie man die Märkte tauscht, müssen wir Marktdaten sammeln. Allerdings können wir nicht einfach sammeln eine Masse von Daten und Dump es in unsere neuronale Maschine, um die Struktur unseres Gehirns zu schaffen. Wir müssen die Daten in dem Format, das wir wollen das Gehirn zu verarbeiten, dass die Daten und schließlich das gleiche Format, das wir wollen, dass es Ausgabe in produzieren. Mit anderen Worten, waren nicht nur sagen, unser Gehirn WAS zu denken, indem Sie ihm Rohdaten, Aber wir müssen es sagen, wie man denken, indem man diese Rohdaten in eine intelligible Konfiguration formuliert. In diesem Fall ist unsere verständliche Konfiguration Muster. Wir sammeln Daten in Segmenten, jedes Segment besteht aus einer Reihe von Bars, die durch den Händler in unserem proprietären Sammelindikator, die mit allen unseren Paketen kommt. Diese Gruppierung von Bars wird in Bezug auf die nächste Bar, die nach der Gruppierung kommt gesammelt - wir nennen dies die Zukunft bar. Wann waren die Erhebung Marktdaten die Zukunft Bar bekannt ist, weil es alle historischen Daten ist, ist es die nächste Bar nach der Gruppierung. Die Idee ist, dass das Gehirn des neuronalen Netzes komplexe Muster in der Balkengruppierung findet und die gesammelten Informationen, einschließlich der nächsten Balken nach der Gruppierung, verwendet, um festzustellen, welche komplexen Muster dem Ergebnis des nächsten Takts vorangehen. Während des tatsächlichen Handels, das Ergebnis wird die Zukunft Bar, die in der Tat macht es möglich, mit einem hohen Maß an Genauigkeit der Richtung des Marktes, bevor es passiert wissen. Die gesammelten Daten werden in eine Kalkulationstabelle extrahiert, die Preisdaten als offen, hoch, niedrig, geschlossen (OHLC) anzeigt. Die OHLC von jedem Balken wird gesondert gesammelt und in einer eigenen Säule plaziert. Im obigen Beispiel repräsentiert jede Zeile insgesamt 3 Balken. Daher stellen die Spalten Hunderte oder Tausende von Bars gesammelt zurück in die Geschichte. Zusätzlich zu OHLC können Sie auch sammeln die Werte aus fast jedem Indikator Sie auswählen, die im Wesentlichen geben, dass der Indikator die Fähigkeit zu denken, basierend auf sich verändernden Marktbedingungen und vorherzusagen Den nächsten Wert. Neuronales Netzwerk-Building und Training Nachdem wir unsere gesammelten Daten, die in eine Spreadsheet-Datei in einer intelligiblen Konfiguration extrahiert werden, können wir es in unsere neuronale Netzwerk-Engine, die die Struktur des künstlichen Gehirns zu schaffen, zu erstellen und zu testen, seine Genauigkeit vor Speichern der Struktur. Sobald die gesammelten Daten in das Netzwerk-Building-Programm importiert werden Sie die Wahl, um zu wählen, welche Bits von Daten, die Sie verwenden möchten, um Ihr Gehirn zu bauen. Dies ist ein wichtiges Merkmal, da es dem Benutzer ermöglicht, viele verschiedene Strategien zu erstellen, basierend darauf, welche Daten als notwendig erachtet werden. Was in diesem Schritt im Wesentlichen getan wurde, ist die Bestimmung, was der Motor zur Erzeugung der oben erwähnten komplexen Muster verwenden wird, was letztendlich die Projektionsfähigkeit des neuronalen Netzwerks EA bestimmt. Zum Beispiel sagen, Sie wollten das neuronale Netzwerk zu sagen, nur für Muster in den offenen Preisen von Bars in Bezug auf die Indikatorwerte aus Ihrem Favoriten-Indikator zu suchen. Sie wählen dann Ihr Kennzeichen im Kollektor und wählen nur die offenen und Dateneingaben in der oben dargestellten Gebäudesoftware. Sie können auch alle Eingänge auswählen, mit Ausnahme der Spalte output1, die Ihren Ausgabewert anzeigt. Wenn Sie alle Eingaben auswählen, wird das komplexeste Lernmuster ermöglicht, so dass Ihr Gehirn auf viele verschiedene Szenarien reagieren kann. Sobald die gewünschten Eingänge und Ausgänge ausgewählt sind, erzeugt die Software die Struktur Ihres neuronalen Netzwerkhirns und Sie können damit beginnen, es zu trainieren. Ein Teil der gesammelten Daten wird beiseite gestellt und verwendet, um die Genauigkeit Ihres künstlichen Gehirns zu trainieren und zu testen. Sie werden sehen, dass die gewünschte Ausgabe anfängt, sich den Testdaten anzupassen, wie sie es erlernt. Sobald dieser Prozess abgeschlossen ist, können Sie das strukturierte künstliche Gehirn in Form einer DLL exportieren, die von der MetaNeural EA verwendet wird. Sobald das Gehirn gebaut, trainiert, getestet und als DLL exportiert, können Sie beginnen, mit einem automatisierten neuronalen Netzwerk Gehirn, das komplexe Muster, die unmöglich für einen Menschen zu erreichen sind, zu sehen. Holen Sie sich die Metaneural EA FREI jetzt durch die Finanzierung eines Kontos bei FinFX mit jedem Betrag und mit unserem Handel Kopierer Service zu spiegeln unsere professionelle gewinnende Trades in Ihrem Konto. Nachdem 50 volle Lots gehandelt werden, erhalten Sie die Metaneural EA mit voller Funktionalität für FREI Konten müssen mit dem Link finanziert werden, der im Preisbereich der Metaneural Website bereitgestellt wird. Metatrader 4expertsindicators - Metatrader 4expertsindicators - Metatrader 4expertsindicators - Metatrader 4expertsindicators MQLLock und MT4NSAdapter DLL-Dateien - Metatrader 4expertslibraries Sie müssen Neurosolutions 6 und installieren Visual Studio 6 für sie funktionieren, Anweisungen zu diesen Installationen finden Sie in der sehr detaillierte Anleitung zu diesem Beitrag beigefügt. DAS HANDBUCH MÜSSEN Ja, es kann gleichzeitig auf mehrere Währungen angewendet werden, da es für jede Währung individuell trainiert werden kann und für jede Währung eine neuronale Netzwerkstruktur erstellt werden kann. Würde ich sagen, die einzige Broker Abhängigkeit wäre die Integrität ihrer Preiszufuhr, desto stabiler und konsequenter ihre Futtermittel, desto besser werden die Trainingsdaten werden und anschließend die Trades. Waren nicht scalping unbedingt so Ausführung Geschwindigkeit ist nicht sehr wichtig. Danke für Ihr Interesse. Herzlichen Glückwunsch zur Entwicklung eines Systems, das gesunde Erträge gibt. Immer besser als Wunder EAs, die in der Regel am Ende weht das Konto. Ich bin ein kommerzielles Mitglied mich teilen meine Fibonacci Makeover-System (ForexFibs) hier, so kann ich verstehen, warum Sie eine kostenlose EA anbieten. Meine Frage ist, kann dieses EA auf mehrere Währungen angewendet werden, da es auf Real Neural Networks basiert Ist es abhängig von Broker und Ausführungsgeschwindigkeit
No comments:
Post a Comment