Forex Ea Red Neuronal

MetaTrader 4 - Ejemplos de uso de redes neuronales en el MetaTrader Introducción Muchos de ustedes probablemente han considerado la posibilidad de utilizar las redes neuronales en su EA. Este tema es muy caliente, especialmente después de 2007 Automated Trading Campeonato y el ganador espectacular por Mejor con su sistema basado en redes neuronales. Muchos foros de internet se inundaron con temas relacionados con las redes neuronales y las operaciones de cambio. Desafortunadamente escribir mql4 aplicación nativa de NN no es fácil. Se requiere un poco de conocimientos de programación y el resultado no sería muy eficiente especialmente si youd como para poner a prueba su resultado final en el probador de gran cantidad de datos. En este artículo la enfermedad le mostrará cómo se puede utilizar la libre disposición (LGPL), reconocido Fast Artificial Neural Network Library (FANN) en su código mql4 además de evitar ciertos obstáculos y limitaciones. Además supongo que lector está familiarizado con redes neuronales artificiales (ANN) y la terminología relacionada con este tema tan mal concentrado en los aspectos prácticos de la utilización particular, la aplicación de Ann en el lenguaje MQL4. FANN características para entender completamente las posibilidades de aplicación FANN una necesidad de familiarizarse con su documentación y las funciones más utilizadas. El uso típico de FANN es crear una red de alimentación directa simple, entrenarlo con algunos datos y de ejecución. La red creada y entrenada podría entonces ser guardado en un archivo y restaurada posteriormente para su uso posterior. Para crear un uno ann tener que utilizar fanncreatestandard función (). Deja para ver su sintaxis: ¿Dónde numlayers representa el número total de capas que incluyen la entrada y la capa de salida. El lNnum y siguientes argumentos representa el número de neuronas en cada capa empezando con la capa de entrada y terminando con la capa de salida. Para crear una red con una capa oculta con 5 neuronas, 10 entradas y 1 salida habría que llamarlo de la siguiente manera: Una vez creada la ann la siguiente operación sería entrenar con algunos datos de entrada y de salida. El método más simple es la formación de formación incremental, que se puede lograr mediante la siguiente función: Esta función toma el puntero a struct Fann volvió previamente por fanncreatestandard () y tanto los datos de salida del vector de datos de entrada y el vector. Los vectores de entrada y de salida son de matriz de tipo fanntype. Ese tipo se encuentra en la cuestión de hecho un tipo de doble o de flotación, dependiendo de la forma en que el FANN se compila. En esta implementación los vectores de entrada y de salida van a ser matrices de doble. Una vez que el RNA es entrenado la siguiente característica deseada sería correr esa red. La función de la aplicación que se define de la siguiente manera: Esta función toma el puntero a struct que representa Fann la red creada anteriormente y un vector de entrada del tipo definido (matriz doble). El valor devuelto es una matriz vector de salida. Este hecho es importante ya que para una red utput nos siempre obtenemos un conjunto de elementos con el valor de salida en lugar del valor de la producción en sí. Desgraciadamente, la mayoría de las funciones FANN utilizar un puntero a una estructura que representa la Fann ann que no puede ser manejado directamente por mql4 que no soporta estructuras como tipos de datos. Para evitar esa limitación que tenemos para envolver que de alguna manera y escondemos de mql4. El método más fácil es crear una matriz de punteros Fann struct que sostienen los valores adecuados y se refieren a ellos con un índice representada por una variable int. De esta manera podemos sustituir el tipo no compatible con el apoyo de la variable de uno y crear una biblioteca envoltorio que puede ser fácilmente integrado con código MQL4. Envolver la FANN alrededor En cuanto a mi mejor conocimiento mql4 no es compatible con las funciones de la lista de argumentos variables por lo que tenemos que lidiar con eso también. Por otro lado, si la función C (de longitud variable de argumentos) se llama con demasiados argumentos nada malo sucede por lo que podemos asumir un número máximo fijo de argumentos en la función mql4 pasado a la biblioteca C. La función de contenedor resultante se vería como sigue: Hemos cambiado el líder Fann con F2m (que significa FANN A MQL), utilizamos número estático de argumentos (4 capas) y el valor de volver es ahora un índice de matriz interna de anns la celebración de la estructura Fann los datos requeridos por FANN para operar. De esta manera se puede llamar fácilmente dicha función desde dentro del código MQL. Lo mismo ocurre con: Por último, pero no menos importante es el hecho de que usted debe destruir su vez creado ann por la llamada a: Para liberar ann maneja usted debe destruir las redes en orden inverso al que fueron creados creados. Como alternativa puede usar: Sin embargo estoy bastante seguro de que algunos de ustedes podrían preferir salvar su red entrenada para su uso posterior con: Por supuesto, la red guardada más adelante se puede cargar (o más bien recreada) con: Una vez que conocemos las funciones básicas que podríamos tratar de el uso que en nuestra EA, pero primero tenemos que instalar el paquete Fann2MQL. Instalación Fann2MQL Para facilitar el uso de este paquete Tengo crear el instalador MSI que contiene todo el código fuente, más bibliotecas precompilados y archivo de cabecera Fann2MQL. mqh que declara todas las funciones Fann2MQL. El procedimiento de instalación es bastante sencillo. En primer lugar se le informa que Fann2MQL se encuentra bajo licencia GPL: Instalación de Fann2MQL, paso 1 a continuación, elegir la carpeta para instalar el paquete. Se puede utilizar el valor por defecto del programa FilesFann2MQL o instalar directamente en el directorio de Meta Traderexperts. La tarde colocará todos los archivos directamente en sus lugares de otro modo youll tiene que copiarlos manualmente. La instalación de Fann2MQL, paso 2 El instalador coloca los archivos en las carpetas siguientes: Si ha decidido instalar en la carpeta Fann2MQL dedicado, por favor, copie el contenido de su incluir subcarpetas y bibliotecas en su directorio correspondiente Meta Trader. El instalador instala también la biblioteca FANN en la carpeta de librerías del sistema (Windowssystem32 en la mayoría de los casos). La carpeta src contiene todo el código fuente de Fann2MQL. Usted puede leer el código fuente que es una documentación definitiva si necesita más información acerca de los componentes internos. También puede mejorar el código y añadir características adicionales si lo desea. Le animo a que me envíe sus parches si se implementa algo interesante. El uso de redes neuronales en su EA Una vez instalado el Fann2MQL puede empezar a escribir su propia EA o indicador. Theres un montón de posible uso de NN. Usted las puede utilizar para predecir futuros movimientos de precios, pero la calidad de tales predicciones y posibilidad de tomar ventaja real de la misma es dudosa. Usted puede tratar de escribir su propia estrategia utilizando técnicas de aprendizaje por refuerzo, por ejemplo un Q-Learning o algo similar. Usted puede tratar de usar NN como un filtro de señal para su EA heurística o combinar todas estas técnicas más lo que usted realmente desea. Usted está limitado solamente por su imaginación. Aquí voy a mostrar un ejemplo del uso NN como un filtro simple para señales generadas por el MACD. Por favor, no lo consideran tan valiosos EA sino como un ejemplo de aplicación de Fann2MQL. Durante la explicación de la forma en que el ejemplo de EA: NeuroMACD. mq4 funciona enfermedad te muestran cómo el Fann2MQL se puede utilizar con eficacia en MQL. La primera cosa para cada EA es la declaración de variables globales, define e incluyen sección. Aquí es el inicio de NeuroMACD que contiene esas cosas: El comando incluir dice para cargar el archivo de cabecera Fann2MQL. mqh que contiene la declaración de todas las funciones Fann2MQL. Después de que todas las funciones del paquete Fann2MQL están disponibles para uso en el guión. La constante ANNPATH define la ruta para almacenar y cargar archivos con las redes FANN entrenados. Es necesario crear esa carpeta es decir, C: ANN. La constante NOMBRE contiene el nombre de esta EA, que se utiliza después para la carga de archivos de red y de ahorro. Los parámetros de entrada son bastante evidente y los que enviaban se explicarán más adelante, así como las variables globales. El punto de entrada de cada EA es su función init (): En primer lugar se comprueba si se aplica la EA para corregir periodo marco de tiempo. AnnInputs variable contiene el número de entradas de red neural. Además de utilizar 3 series de diferentes argumentos que queremos que sea divisible por 3. AnnPath se calcula para reflejar el nombre de EA y MagicNumber. que se calcula a partir de la SlowMA. argumentos de entrada y FastMA SignalMA que luego se utilizan para la señalización del indicador MACD. Una vez que se conoce el AnnPath la EA intenta cargar redes neuronales utilizando la función annload () que Ill describen a continuación. La mitad de las redes cargadas es para el filtrado posición larga y la otra mitad es para pantalones cortos. variable de AnnsLoaded se utiliza para indicar el hecho de que todas las redes se ha inicializado correctamente. Como podrá darse cuenta este ejemplo EA está tratando de cargar múltiples redes. Dudo que es realmente necesario en esta solicitud sin embargo, yo quería mostrar todo el potencial de Fann2MQL, que está manejando varias redes al mismo tiempo y ellos pueden procesar en paralelo aprovechamiento de múltiples núcleos o CPUs. Para que sea posible Fann2MQL está tomando ventaja de la tecnología Intel Threading Building Blocks. El f2Mparallelinit función () se utiliza para inicializar la interfaz. Esta es la forma en que utiliza para inicializar las redes: Como se puede ver si, la red se crea el f2Mcreatefromfile () falla, que se indica por el valor de retorno negativo con la función f2Mcreatestandard () con argumentos que indican que la red creada debe tener 4 capas (incluyendo la entrada y salida), las entradas AnnInput, las neuronas AnnInput en primera capa oculta, AnnInput / 21 neuronas en segunda capa oculta y 1 neurona en la capa de salida. f2Msetactfunctionhidden () se utiliza para ajustar la función de activación de las capas ocultas de SIGMOIDSYMMETRICSTEPWISE (consulte la documentación de FANN fannactivationfuncenum) y lo mismo pasa con la capa de salida. Luego está la llamada a f2mrandomizeweights () que se utiliza para inicializar pesos de las conexiones neuronales dentro de la red. Aquí he utilizado el rango de 0,4 lt-0.4gt pero se puede usar cualquier otra función de su aplicación. En este punto, es probable que haya notado la función de depuración () he usado un par de veces. Es uno de los métodos más simples para alterar el nivel de detalle de la EA. Junto con ella y el parámetro de entrada DebugLevel se puede sintonizar la forma en que su código está produciendo la salida de depuración. Si el primer argumento de la función de depuración (), el nivel de depuración es más alta que la función DebugLevel no produce ninguna salida. Si es menor de igualdad de la cadena de texto se imprime. Si el nivel de depuración es 0, la cadena ERROR: se anexa al comenzar. De esta manera se puede dividir depuración producida por su código a múltiples niveles. Los más importantes son probablemente los errores para que se asignan al nivel 0. Se pueden imprimir a menos que reduzca su DebugLevel por debajo de 0 (que no se recomienda). En el nivel 1 será impreso una cierta información importante, como la confirmación del éxito de carga o la creación de redes. En el nivel 2 o superior en la importancia de la información impresa está disminuyendo gradualmente. Antes de la explicación detallada de la función start (), que es bastante largo, necesito que le muestre un poco más funciones que sirven para preparar la entrada de red y ejecutar las redes reales: La función annprepareinput () se utiliza para preparar el nombre de la entrada de las redes (de ahí el nombre). El propósito de la misma es bastante sencillo, sin embargo, este es el punto debo recordarles que los datos de entrada tiene que ser normalizada correctamente. No hay normalización sofisticados en este caso, simplemente utilizan los valores de señal MACD principal y que nunca se excede el rango deseado en los datos contabilizados. En el ejemplo real, probablemente debería prestar más atención a este problema. Como probablemente puede sospechar que la elección de los argumentos de entrada adecuados para la entrada de la red, codificarla, en descomposición y la normalización es uno de los factores más importantes en el procesamiento de red neural. Como ya he mencionado antes de la Fann2MQL tiene la capacidad de extender la funcionalidad normal de MetaTrader, es decir el procesamiento multiproceso paralelo de las redes neuronales. Los controles paralelos argumento global de este comportamiento. Los runanns () se ejecuta todas las redes inicializados y obtiene los resultados de ellas y tiendas en conjunto AnnOutput. annsrunparallel función es responsable de manejar el trabajo de la manera multiproceso. Se llama a la f2mrunparallel () que toma como primer argumento el número de redes a proceso, el segundo argumento es una matriz que contiene identificadores para todas las redes que desea ejecutar proporcionar el vector de entrada como un tercer argumento. Todas las redes tiene que ser ejecutado en los mismos datos de entrada. La obtención de la salida de la red se realiza mediante múltiples llamadas a f2mgetoutput (). Ahora vamos a ver la función start (): Ill describirla brevemente, ya que está bastante bien comentado. El tradeallowed () comprueba si se permite el comercio. Básicamente se comprueba la variable AnnsLoaded lo que indica que todos los RNAs son inicializar correctamente, a continuación, comprueba si el periodo de trama de tenencia mínimo de tiempo adecuado y al final permite al comercio sólo en la primera señal de un nuevo bar. Siguiente dos funciones que se utilizan para preparar de entrada de red y ejecutar el procesamiento de la red se describe solo algunas líneas arriba. Ahora debemos calcular y poner en variables para el procesamiento posterior de los valores de MACD de la señal y la línea principal de la última barra de acumulación y el anterior. La barra actual se omite, ya que no se acumule sin embargo, y probablemente será redrawed. El SellSignal y BuySignal se calculan de acuerdo a la señal del MACD y el cruce de la línea principal. Ambas señales se utilizan para el procesamiento posición larga y corta, que son simétricos tan enfermo describir sólo el caso de largos. La variable LongTicket contiene el número de entradas de la posición abierta actualmente. Si es igual a -1 ninguna posición es abierta por lo que si el BuySignal se establece que podría indicar una buena oportunidad para abrir posiciones largas. Si el NeuroFilter variable no está definida la posición larga se abre y que es el caso sin el filtrado de red neural de señales - se envía la orden de compra. En este punto la variable LongInput está destinado a recordar la InputVector preparado por annprepareinput () para su uso posterior. Si la variable LongTicekt contiene el número del billete válido EA comprueba si todavía está abierto o se cerró por el StopLoss o TakeProfit. Si la orden no se cierra no pasa nada, sin embargo, si la orden se cierra el vector trainoutput, que sólo tiene un otput, se calcula para mantener el valor de -1 si la orden se cerró con pérdidas o 1 si la orden se cerró con ganancias . se pasa entonces a ese valor a anntrain () y todas las redes encargadas de tramitar la posición larga se entrenan con él. Como el vector de entrada se utiliza el LongInput variable, que está sosteniendo la InputVector en el momento de la apertura de la posición. De esta manera se enseña la red, que es la señal que traen beneficios y cuál no lo es. Una vez que tenga una red de conmutación de la formación NeuroFilter true convierte el filtrado de red. El annwiselong () está utilizando la red neuronal sabia calculado como una media de los valores devueltos por todas las redes destinadas a manejar la posición larga. El parámetro de Delta se usa como un valor umbral que indica que la señal filtrada es válido o no. Como muchos otros valores que se obtuvo a través del proceso de optimización. Ahora, una vez que sabemos cómo funciona la enfermedad te muestran cómo se puede utilizar. El par EURUSD prueba es de curso. He utilizado los datos de Alpari. convertidas en su marco de tiempo M5. He utilizado el período comprendido entre 2007.12.31 a 2009.01.01 para el entrenamiento / optimización y 2009.01.01-2009.03.22 para propósitos de prueba. En la primera carrera he tratado de obtener los valores más rentables para StopLoss, TakeProfit, SlowMA, FastMA y el argumento SignalMA, que luego codificada en el archivo NeuroMACD. mq4. El NeuroFIlter estaba apagado, así como SaveAnn. la AnnsNumber se establece en 0 para evitar el procesamiento neuronal. He utilizado el algoritmo genético para la optimización de procesos. Una vez que se obtuvieron los valores del informe resultante se veía como sigue: Informe sobre los datos de entrenamiento después de la optimización de parámetros básicos. Como se puede ver que he ejecutar esta EA en el mini cuenta con el tamaño de lote de 0,01 y el saldo inicial de 200. Sin embargo se puede sintonizar estos parámetros de acuerdo a la configuración de cuenta o preferencias. En este punto tenemos suficientes operaciones rentables y perdiendo por lo que podría convertirse en el SaveAnn y establecer el AnnsNumber a 30. Una vez hecho hasta corro el probador de una vez. El resultado fue exactamente el mismo con la excepción del hecho de que el proceso fue mucho más lento (como resultado del procesamiento neural) y la carpeta C: ANN se rellena con las redes entrenadas como se muestra en la siguiente imagen. Asegúrese de que la carpeta C: ANN existía antes de esta carrera la carpeta C: ANN. Una vez que hemos formado redes de su tiempo para probar cómo se comporta. En primer lugar, así probarlo en los datos de entrenamiento. Cambiar el NeuroFilter a la verdadera y falsa a SaveAnn e iniciar el probador. El resultado que he obtenido se muestra a continuación. Tenga en cuenta que puede variar ligeramente para que el caso ya que hay cierta aleatoriedad dentro de las redes de neuronas en pesos de conexión proporcionada en el proceso de inicialización de la red (en este ejemplo utilicé llamada explícita a f2Mrandomizeweights () dentro annload ()). El resultado obtenido en los datos de entrenamiento con el filtrado de la señal neuronal activada. El resultado neto es poco mayor (20,03 frente a 16,92), sin embargo, el factor de ganancia es mucho mayor (1,25 frente a 1,1). El número de operaciones es mucho menor (83 vs 1188) y el número promedio de pérdidas consecutivas se reduce de 7 a 2. Sin embargo, sólo muestra que el filtrado de la señal neuronal está trabajando pero no dice nada acerca de cómo se opera en los datos que no se utilizaron para durante el entrenamiento. El resultado He obtener del período de prueba (2009.01.01 - 2009.30.28) se muestra a continuación: Resultado obtenido a partir de datos de prueba con el filtrado neuronal activada. El número de operaciones realizadas es bastante baja y es difícil decir la calidad de esta estrategia, sin embargo, no se va a mostrar cómo escribir la mejor EA rentable, pero para explicar cómo se puede utilizar redes neuronales en el código MQL4. El efecto real de la utilización de redes neuronales en este caso puede ser visto sólo cuando se comparan los resultados de la EA en los datos de prueba con NeuroFilter enciende y se apaga. A continuación se muestra el resultado obtenido a partir de los datos periodo de prueba sin filtrado de la señal neuronal: Los resultados de los datos de prueba sin filtrar neuronal. La diferencia es bastante obvio. Como se puede ver el filtrado de la señal neuronal convirtió la EA perder en un rentable uno Conclusión Espero que haya aprendido de este artículo cómo utilizar las redes neuronales en MetaTrader. Con la ayuda del paquete simple, libre y de código abierto Fann2MQL puede añadir fácilmente la capa de red neuronal en prácticamente cualquier experto asesor o comenzar a escribir su propia uno que está totalmente o parcialmente basado en redes neuronales. La capacidad multihilo única puede acelerar su proceso muchas veces, dependiendo del número de sus núcleos de CPU, especialmente al optimizar ciertos parámetros. En un caso se acorta la optimización de mi tratamiento de EA basado aprendizaje por refuerzo de aproximadamente 4 días a sólo 28 horas en un 4 núcleos de CPU Intel. Durante la redacción de este artículo he decidido poner Fann2MQL en su propio sitio web: fann2mql. wordpress /. Usted puede encontrar allí la última versión del Fann2MQL y posiblemente todas las versiones futuras, así como la documentación de todas las funciones. Me comprometo a mantener este software bajo licencia GPL para todas las versiones de modo que si usted me envía algún comentario, peticiones de características o parches que les resulte interesante estar seguro de encontrarlo próximas versiones. Tenga en cuenta que este artículo sólo muestra el uso básico de Fann2MQL. Como este paquete no es mucho más que FANN se puede utilizar todas las herramientas diseñadas para la gestión de redes FANN, como: Y no hay mucho más sobre FANN en la página principal Artificial Neural Network Library rápida: leenissen. dk/fann/ Post Data Después de escribir este artículo he encontrado un error insignificante en NeuroMACD. mq4. La función OrderClose () para la posición corta se alimentó con el número del billete posición larga. El resultado fue una estrategia sesgada que era más probable que mantenga pantalones cortos y largos cercanos: En la versión correcta de la secuencia de comandos que he corregido este error y eliminado la estrategia OrderClose () en absoluto. Esto no cambia el panorama general de la influencia de la filtración neuronal en la EA sin embargo, la forma de la curva balance fue bastante diferente. Puede encontrar las dos versiones de esta EA adjunto a la presente article. Disclaimer y Riesgo de advertencia. Por favor lee. Advertencia de riesgo. La negociación de divisas con apalancamiento conlleva un alto nivel de riesgo y podría no ser adecuado para todos los inversores. El alto grado de apalancamiento puede trabajar en contra de usted, así como para usted. Antes de decidir invertir en divisas debe considerar cuidadosamente sus objetivos de inversión, nivel de experiencia y apetito de riesgo. Existe la posibilidad de que deba afrontar la pérdida de parte o la totalidad de su inversión inicial y por lo tanto no debe invertir dinero que no pueda permitirse perder. Usted debe ser consciente de todos los riesgos asociados con el comercio de divisas y buscar el asesoramiento de un asesor financiero independiente si tiene alguna duda. Responsabilidades Toda la información publicada en este sitio web es de nuestra opinión y la opinión de nuestros visitantes, y puede no reflejar la verdad. Por favor, use su sentido común y buscar el asesoramiento de un consultor calificado, antes de creer y aceptar cualquier información publicada en este sitio web. También nos reservamos el derecho a eliminar, editar, mover o cerrar cualquier mensaje por cualquier motivo. Anuncios de advertencia Advertisement enlaces se muestran en todo el sitio. Algunas páginas del sitio pueden contener enlaces de afiliados para los productos. Estos anuncios y / o enlaces no reflejan la opinión, el endoso o la concurrencia de este sitio web o parte relacionada. Los AAP opiniones no están influenciados por la publicidad. Algunos anuncios pueden contener afirmaciones e información potencialmente engañosas y / o desequilibradas que pueden fallar a revelar los riesgos y otras consideraciones importantes que intervienen en el comercio especulativo. Los spammers Aviso, si usted spam los foros de AAP o comentarios, nos reservamos el derecho de editar su mensaje en modo alguno nos plazca para burlarse de ti. Por nosotros spam, está de acuerdo con ninguna de las modificaciones que hacemos y para que no tomen medidas legales o de otro tipo contra la FPA o sus asociados para cualquier cosa que hagamos o con su correo no deseado. Privacidad Términos Publicidad Contacto Acerca de ForexPeaceArmy tiene relaciones de publicidad y de afiliación con algunas de las empresas que se mencionan en este sitio y puede ser compensado si los lectores siguen los enlaces y registrarse. Estamos comprometidos con el manejo razonable de los comentarios y publicaciones independientemente de tales relaciones. Derechos de autor www. ForexPeaceArmy copiar. Todos los derechos Reserved.8482Forex Ejército Paz, ForexPeaceArmy, FPA, y el logotipo de FPA Escudo son marcas registradas de Ejército para la paz de la divisa. Todos los derechos reservados bajo la ley estadounidense e internacional. Forex Ejército para la paz se basa en la publicidad de la bandera para mantenerlo libre para todos. Puede ayudar también - por favor considere deshabilitar AdBlocker durante la navegación por nuestro sitio. Gracias a nuestra comunidad de comerciantes :-) Pinnacle - una red neuronal de EA Esta es una de tres capas de alimentación hacia adelante EA NN. Adjuntarlo a cualquier gráfico, recomiendo el de 15 minutos de su par de divisas favorito. Funciona en todas las garrapatas de los datos. Funciona en un marco temporal de los datos, el gráfico que asociarlo. Si lo usa en más de una tabla en un momento por favor cambie la MagicNumber a algo único. Sólo hay una cosa que recomiendo cambiar - umbrales para la apertura de un nuevo orden: 0,680, 0,780, 1,000 (Athough antes de empezar a ajustar, por favor, pruebe el ajuste social de 0.680 por primera vez.) El ajuste estándar es de 0.680, yo no recomendaría ir cualquier inferior a la de la apertura de un nuevo orden. Los números más altos son para los comercios más fuertes pero se negociarán con menos frecuencia. Usted puede ver el NN en el trabajo de calcular los umbrales para usted porque he incluido un pequeño resumen en el panel de información. He añadido una imagen de cómo he diseñado el NN. Yo no uso un programa de ordenador o un asistente o algo por el estilo. He utilizado una hoja de papel de la impresora y un lápiz. Se cerró en un 29 pips de beneficio después de propagación, mientras que yo estaba tratando de hacer que la pantalla para ustedes, je. De todos modos, tener funNeural Redes Personalmente, creo que el fin para nosotros para crear un verdadero robusto sistema de comercio tenemos que pensar fuera de la caja. También siento que tenemos que desarrollar nuevas herramientas en lugar de tratar de optimizar los métodos antiguos. Es sorprendente ver a todos aquí trabajan tan duro en los sistemas de construcción y para el beneficio de todos. Supongo que por eso me detuve al acecho y me gustaría contribuir. Un par de cosas que he estado interesado en y he estado trabajando. Análisis espectral. Tengo un poco de software para crear filtros digitales de la acción del precio en bruto. Redes Neuronales: fresco, pero aún perturba mi mente. El sentimiento del mercado: el placer en archivos PDF adjunto es cualquier persona interesada en la lluvia de ideas creo que voy a empezar con un filtro digital de retraso en el 30 minutos en euros. Neural Network Indicadores de Desarrollo Im tratando de hacer algunos indicadores de redes neuronales para metatrader4, y quisiera algunos sugestions, sobre todo con respecto a las entradas y salidas de la red, y tal vez la estructura o el tipo de red que se considera el mejor para esta aplicación. Por lo que en conocer las mejores salidas para las series de previsión financiera, son el precio forcasting gama, tapas o fondos de previsión, y que tipe de las cosas. Pronosticar directamente el precio (apertura, cierre) imposible encontrar buenos resultados debido a numerosas razones, como por ejemplo un pequeño cambio en el tiempo entre el tiempo de apertura y el tiempo de cierre podría cambiar sus valores con consideración. Si alguien tiene una sugerencia enferma encantados de escucharla y probarlo. Por cierto, soy ningún programador experto en redes neuronales, sólo tengo una buena idea general sobre el tema de P. Gracias de antemano, Im tratando de hacer algunos indicadores de redes neuronales para metatrader4, y me gustaría algunas sugestions, sobre todo con respecto a las entradas y salidas de la red, y tal vez la estructura o el tipo de red que se considera el mejor para esta aplicación. Por lo que en conocer las mejores salidas para las series de previsión financiera, son el precio forcasting gama, tapas o fondos de previsión, y que tipe de las cosas. Pronosticar directamente el precio (apertura, cierre) imposible encontrar buenos resultados debido a numerosas razones, como por ejemplo un pequeño cambio en el tiempo entre el tiempo de apertura y el tiempo de cierre podría cambiar sus valores con consideración. Si alguien tiene una sugerencia enferma encantados de escucharla y probarlo. Por cierto, soy ningún programador experto en redes neuronales, sólo tengo una buena idea general sobre el tema de P. Gracias de antemano, es NN hace mis tesis par de años. pero ahora casi olvidado Esta idea puede refrescar mi mente otra vez. Creo NN basado en el reconocimiento de patrones mediante propagación hacia atrás es bueno para la minería de datos de divisas. Im prefieren el uso de datos de alta bajas para alimentar a los NN con el fin de predecir el siguiente rango de datos todos los días .. También creo que el uso de alta y baja es mucho mejor que usar abierto o cerrado, que es la verdad yo no me gusta mucho los valores de apertura y cierre de Analisis intradía, ya que parecen valores en lugar inestable si realiza un desplazamiento en cuando usted pone su punto de partida. La mediana de los precios también se ve bien, pero prefiero alta / baja como la pérdida de información en menos. Enfermo, probablemente, una media móvil de la alta y uno de los bajos. He encontrado la JMA para ser un muy buen filtro en comparación con las AM regulares tan mal qué mis primeras pruebas con un corto período de JMA y sin cambios de fase para evitar la distorsión. Hasta ahora las entradas im teniendo en cuenta para predecir futuras gamas son: - JMA JMA de alta de baja. - Fecha (día del mes, el ex lunes Thuesday..). La otra idea que tengo en mente es usar NN para pronosticar acontecimientos informativos dirección. Tengo una base de datos bastante grande de los fundamentos de la divisa desde hace algunos años, por lo que me permite usar los insumos. En cuanto a qué tipo de red neuronal de usar, todavía estoy haciendo algunas investigaciones, los NN retropropagación son el estándar común para los NN, pero hay otros que parecen tener muy buenos resultados, al igual que el tiempo lag redes recurrentes (pero son difíciles de entrenar y entender). Otra idea que tenía, era utilizar un NN Fukushima, los que están hechos principalmente para el procesamiento de imágenes, pero con algunas modificaciones creo que podrían ser utilizados para el reconocimiento de patrones en series de tiempo. Es el hilo donde la gente está desarrollando redes neuronales indicador para MT4. En idioma ruso, lo siento. - Empezaron con algunos e-libros y artículos - a continuación, algunos archivos de la biblioteca para Delphi 4 (NeuralBase, Asistente de red neuronal, Genebase, SOMBase, WavUtils) - entonces codificados muchas versiones del indicador NeuroProba. mql4 (autor es Rosh) - entonces probado y encontrado muchos fallos y errores en el cálculo. Este hilo no está cerrada todavía y parece que siguen el desarrollo (es necesario registrarse en su foro para ver los archivos adjuntos). Además me encontré con este enlace sobre Redes Neuronales (en Inglés). Es el hilo donde la gente está desarrollando redes neuronales indicador para MT4. En idioma ruso, lo siento. - Empezaron con algunos e-libros y artículos - a continuación, algunos archivos de la biblioteca para Delphi 4 (NeuralBase, Asistente de red neuronal, Genebase, SOMBase, WavUtils) - entonces codificados muchas versiones del indicador NeuroProba. mql4 (autor es Rosh) - entonces probado y encontrado muchos fallos y errores en el cálculo. Este hilo no está cerrada todavía y parece que siguen el desarrollo (es necesario registrarse en su foro para ver los archivos adjuntos). Además me encontré con este enlace sobre Redes Neuronales (en Inglés). Impresionante nuevos digital Ill mira el material en unos pocos minutos. Tiene que romper con la tampoco russian..which tan grande, pero creo que, junto con los malos AltaVista ser capaz de hacer un intento decente. Actualmente Im codificación en la corteza en otras redes neuronales (NN de ahora en adelante) y mejorar la planificación de convertir en MQ4. Creo que hay que mantener este hilo sin duda ir porque (y esto es una opinión) NN son el futuro de anaylsis Tecnical. NN, para los que enviaban lo suficientemente geek para know..are básicamente algoritmos que imitan el cerebro (no nessisarily la brain..cuz humano que sería Mente bustingly complicado) en el que se aprende a medida que avanza. Estoy escribiendo las AE para dar consejos sobre si debe o no tomar una señal en particular sobre la base de patrones pequeños que han llegado antes, cuando se le dio una señal similer. Eso es lo que la mayoría de los NN hacen, que la búsqueda de datos para los pequeños patrones que no tendría sentido para nosotros, o incluso otros algorthms y ver lo que hacen esos patrones con el tiempo. El primer EA contará con cerebro de tendencia. Les pido que todo el mundo sea paciente, sin embargo, la codificación CORTEX lleva tiempo. más bien, se necesita tiempo para formar a los NN y perfeccionarlas. Si alguien aquí es familier con CORTEX o conversión de código, cualquier ayuda se agradece. Yo entiendo por qué foro ruso iría comercial. NN son el estilo actual con los comerciantes grandes cantidades de dinero. Asi que. ¿qué es lo que ustedes dicen que yo digo tomar 2 medias móviles, unas líneas sup-res y 1 o dos filtros y el comercio si no puede ganar dinero de sistema simple como esto que te esperas de alguna NN a hacer rico de mis 3 años expirience de divisas i sabía cómo iba a construir el sistema perfecto, pero será mucho codificación de longitud. en leats 3 marcos de tiempo para mirar, que cubre todas las situaciones posibles, gama, tendencia. y luego aplying pocos sistemas en conjunto para obtener resultados perfectos mi consejo para ti es si usted sabe cómo el comercio de primera operación, ganar dinero y un día cuando se tiene enaugh se puede tratar de hacer NN bromeando pero la línea botom usted no necesita un poco de NN para hacer el comercio de dinero que pasé segundo año de hacer mi comercio Programms y pruebas de los sistemas de dosens y un día me doy cuenta que no estoy a operar cualquiera de ellos y mucho era buena y rentable. tuve primero en reprogramm mi cerebro para evitar el miedo, la codicia. y disciplinar a mí mismo (y perdido casi 70 de mi cuenta durante ese tiempo) en primer lugar encontrar buen sistema (hay varios buenos aquí) ganar dinero, aprender y de tratar de enseñar esta NN operar con este sistema o simplemente hacer EA para operaciones de forma automática para usted y cuando haces enaugh dinero puede comprar NN comercial digo la toma 2 medias móviles, unas líneas sup-res y 1 o dos filtros y el comercio si no puede ganar dinero de sistema simple como esto que te esperas de alguna NN te enriquezca de mis 3 años expirience divisas i sabía cómo iba a construir el sistema perfecto, pero será mucho codificación de longitud. en leats 3 marcos de tiempo para mirar, que cubre todas las situaciones posibles, gama, tendencia. y luego aplying pocos sistemas en conjunto para obtener resultados perfectos mi consejo para ti es si usted sabe cómo el comercio de primera operación, ganar dinero y un día cuando se tiene enaugh se puede tratar de hacer NN bromeando pero la línea botom usted no necesita un poco de NN para hacer el comercio de dinero que pasé segundo año de hacer mi comercio Programms y pruebas de los sistemas de dosens y un día me doy cuenta que no estoy a operar cualquiera de ellos y mucho era buena y rentable. tuve primero en reprogramm mi cerebro para evitar el miedo, la codicia. y disciplinar a mí mismo (y perdido casi 70 de mi cuenta durante ese tiempo) en primer lugar encontrar buen sistema (hay varios buenos aquí) ganar dinero, aprender y de tratar de enseñar esta NN operar con este sistema o simplemente hacer EA para operaciones de forma automática para usted y cuando haces enaugh dinero puede comprar NN comercial sé lo que quieres decir me paso meses repasando los datos históricos para todo tipo de indicadores y sistemas. y la conclusión es que cualquier número de ellos podría hacer pips en el mismo oficio. Todo que estoy diciendo aquí es que sería bueno tener un sistema INDIPENDANT, que funciona de una manera diferente para confirmar o negar lo que su indicador o sistema le está diciendo. Yo comercio con la tendencia del cerebro, MTFMACD, MoneyMap (versión MQ4) y lo hago bastante bien. Pero aún sería bueno tener ese sistema secundario se ejecuta en segundo plano para decir basado en 15 años de datos históricos, esta señal cuando ocurriendo con este par de divisas, en este marco de tiempo, con este volumen, ha demostrado ser poco fiables, lo consejos no puede este comercio Sí, algunos podrían llamarlo un exceso. pero yo lo llamo tener un profesional de divisas wathcing por encima del hombro. Durante el tiempo que los seres humanos son criaturas de hábito y siguen creando ciclos (de cualquier tamaño) Yo diría que esto es lo que sería una buena formación de divisas NN. Se ve interesante.