6 034 redes neurais forex

Análise de preços com Neural Networks Juntou-se a maio de 2007 Status: Statistocrat 110 Posts Sobre este Jornal Este será o meu diário pessoal detalhando meu desenvolvimento de uma rede neural artificial para tentar obter uma vantagem estatística no mercado em vários prazos. Eu publicarei o meu progresso à medida que atingirem os marcos, e veremos juntos se é de fato possível obter uma vantagem estatisticamente significativa com um método de aprendizagem de máquina. Também discutirei como abordo a gestão do dinheiro em relação à qualquer vantagem estatística que eu possa ganhar com o meu aluno. Eu publicarei simulações probabilísticas do desempenho de meus alunos usando várias técnicas de gerenciamento de dinheiro. Por favor, note que atualmente negocio com bastante sucesso (em uma pequena conta ao vivo 4K) usando padrões de gráficos simples e análise SR. Eu também sou um estudante de engenharia em tempo integral, no entanto, seria altamente preferível que um agente automatizado troque minha ausência ou me alerte de configurações de alta probabilidade. Se o meu desenvolvimento deste indicadorEA for bem sucedido em obter uma vantagem, talvez eu o liberte para a comunidade de alguma forma. Eu apreciaria sua entrada pensativa para o tópico. O desenvolvimento funciona melhor quando há observações, parceiros criticamente críticos - ou o movimento do software de fonte aberta nos ensinou. Então, se você tiver algo valioso para adicionar, por favor, publicar isso. Registrado em novembro de 2005 Status: EURUSD Quant FREAK 3,198 Posts O que são as insumos Puro preço COT Taxas de juros CPI Em segundo lugar, qual é o critério para inserir um quotmajority winsquot com base em múltiplos NNs em vários prazos Eu estou bem educado em NNs e se você apresentar não correlacionado (Dados sem dependência linear forte para preço), você apresentará um erro em sua aprendizagem. Aposto que você já sabia disso. Então, a questão é, quais entradas estão fortemente correlacionadas. Eu aposto que o forex é extremamente eficiente, então os dados externos quotnewquot, como COT e CPI, provavelmente são plenamente realizados pelo preço dentro de alguns minutos dos dados que estão sendo introduzidos, então muito pequeno atraso E ineficiência. Bem, NNs não são conversas na mesa de jantar. Ou você entende o que estou dizendo ou você não. Espero que ajude. Registrado em maio de 2007 Status: Statistocrat 110 Posts Conceitos iniciais do projeto Antes de mais, uma explicação da teoria das redes neurais. A estrutura da rede neural que eu estou usando é semelhante à mostrada na figura abaixo. Cada círculo que você vê na imagem é chamado de quotnodequot. Cada um desses nós atua como uma espécie de operador matemático. A informação se move da esquerda para a direita na imagem, das entradas para as saídas. Em cada nó, as entradas são somadas para criar a saída. Cada entrada tem um quotweightquot ajustável, ou fator de escala, pelo qual é multiplicado antes de todos serem somados nesse nó. Está bem. Então conseguimos nós que adicionam valores dimensionados. Como podemos prever a ação futura nos preços com essa coisa. Bem, verifica-se que, se você ajustar esses pesos de forma inteligente, você pode essencialmente fornecer essa rede para reconhecer padrões na camada de entrada e produzir as saídas que você deseja de acordo com esses padrões. Então, o design para a rede: movimentos de pips com atraso de tempo. Essencialmente, estes são valores cujas magnitudes correspondem ao tamanho de cada barra em um gráfico de um determinado período de tempo. Por exemplo, dizemos que você tem o seguinte gráfico: Se sua rede neural foi projetada para analisar padrões de quatro barras, ele teria 12 entradas totais. Ou seja, para cada barra, teria uma entrada para o mecha inferior, o corpo da barra e o pavio superior. Ambos os valores de mecha seriam positivos ou negativos, e o valor do corpo da barra seria positivo ou negativo. Então, para o gráfico de velas acima, você verá as seguintes entradas (aproximadamente) no formato upperbodylower: Como você pode ter notado, todos esses valores estão abaixo de 1.0, porque as entradas para a rede neural devem ser decimais entre 1 e -1 . Então, agora temos insumos. O que queremos para as saídas Vamos escolher indicadores de risco para cima e para baixo para diferentes prazos. Dizer. Dois de cada lado. Em resumo: uma saída para o futuro alta após 1 hora. Uma saída para o futuro alto após 4 horas. Uma saída para o futuro baixa após 1 hora. Uma saída para o futuro baixa após 4 horas. Para treinar a rede, olhamos os altos e baixos após o padrão de entrada, calculamos as saídas e usamos o que é chamado de algoritmo de propulsão de quotback para ajustar inteligentemente os pesos de rede para que as saídas desejadas apareçam quando apresentamos esse padrão de entrada. Em seguida, fazemos isso por uma grande quantidade de combinações de entradas e entradas, e esperamos chegar com uma rede que, quando apresentada com um novo conjunto de entradas, pode prever os altos e baixos do futuro com algum grau de precisão. Uma vez que temos uma rede que pode prever altos e baixos futuros, podemos colocar trocas com níveis de TP e SL que maximizem nossa probabilidade de sucesso. Também podemos escolher apenas fazer negócios que tenham uma boa relação risco-recompensa. Por exemplo, podemos optar por comprar apenas quando a rede prevê uma relação alta / baixa de 2: 1 e apenas vende pelo inverso. Isso pode ajudar a limitar a exposição do mercado ao risco, ao mesmo tempo em que maximiza a chance estatística de sucesso. Se você deseja obter mais informações sobre redes neurais, confira a entrada na Wikipédia sobre Redes Neurais Artificiais. Espere mais uma publicação sobre o software (personalizado) e os dados que eu estou usando para configuração e treinamento de rede. O quotperfect tradequot data que você mencionou é realmente o que eu falei na minha segunda postagem neste jornal. O que você está falando é segmentar o futuro alto e baixo para cada padrão de entrada. O sinal buysell é realmente redundante, dado que você pode calcular pela expressão (highgtlow) 2-1. Após o treinamento sobre um grande conjunto desses padrões, no entanto, a rede neural aprenderá a produzir a média desses valores no conjunto de padrões similares. Você está certo, é o mesmo que você começou. Essa expressão me jogou por um minuto. (Hgtl) é booleano, 0 ou 1, conseguiu. De qualquer forma, como você disse, o NN apenas esmaga os meios para que você tenha que usar uma distribuição. Em vez disso, prefiro que a rede aprenda a distribuição. Conhecer a distribuição estatística anterior permite que você crie estratégias com base na probabilidade calculada de atingir diferentes pontos de preço. Por exemplo, estamos acostumados com a idéia de fazer negócios com um índice de TP para SL de 2: 1 ou 3: 1, mas não podemos ter certeza de que eles realmente aumentarão nossos ganhos, pois sem uma vantagem preditiva, uma parada mais próxima é geralmente Mais provável que seja atingido do que o que tem mais lucro. Se soubéssemos a distribuição estatística dos pontos de preço na próxima hora (ou dia, ou semana), poderíamos definir paradas que, historicamente, são duas vezes menos propensas a serem atingidas do que o nosso nível de lucro. Idealmente, poderíamos escolher trades que são de alta probabilidade e alta recompensa, onde a parada não é provável que seja atingida, é provável que o lucro obtido seja atingido e o lucro obtido seja significativamente maior do que a parada. Warren Buffet sempre atribui seu sucesso a fazer investimentos de baixo risco e alta recompensa. Nosso objetivo deve ser o mesmo - isto é, maximizar a probabilidade de ganhar ao mesmo tempo em que minimiza a probabilidade de perder - ou em termos de comerciantes: ter uma vantagem no mercado. Você está falando meu idioma aqui. Eu tenho um tópico fechado chamado quotExpectancy é sempre zeroquot onde este é um dos tópicos. Um TPSL de 3: 1 significa que a taxa de ganha seria cerca de 25 em uma estratégia sem uma vantagem. Em geral, a taxa de ganhos necessária (RWR) para qualquer estratégia é (perda média) (perda média de ganho médio). O que é, eu tentei envolver minha cabeça em torno do comércio de uma distribuição no passado e tive problemas para imaginar como fazê-lo, especialmente no caso de uma distribuição separada para altos e baixos. Na verdade, acho que o que você realmente tem é uma distribuição em todos os pares de altos e baixos, o que significa uma área com alto no eixo X e baixa no Y, por exemplo. Em qualquer ponto teoricamente, você tem um valor, embora eu saiba que você realmente vai encaixá-los. Em última análise, para fazer uma ferramenta de negociação, deve haver algum processo para obter as entradas de uma extremidade para as quot3 grandes decisões (buysell, stop, TP) na outra. Isso pode revelar-se um problema muito mais espinhoso do que a construção e treinamento da própria rede. Estou trazendo isso agora porque é a chave para saber, nesta fase, o que você deseja que a saída pareça. É uma dor obter algo construído e depois perceber no final que você quer que ele faça algo diferente. Espero que você evite esse problema, e talvez você já tenha coberto. O que é, eu tentei envolver minha cabeça em torno do comércio de uma distribuição no passado e tive problemas para imaginar como fazê-lo, especialmente no caso de uma distribuição separada para altos e baixos. Na verdade, acho que o que você realmente tem é uma distribuição em todos os pares de altos e baixos, o que significa uma área com alto no eixo X e baixa no Y, por exemplo. Em qualquer ponto teoricamente, você tem um valor, embora eu saiba que você realmente vai encaixá-los. Em última análise, para fazer uma ferramenta de negociação, deve haver algum processo para obter as entradas de uma extremidade para as quot3 grandes decisões (buysell, stop, TP) na outra. Isso pode revelar-se um problema muito mais espinhoso do que a construção e treinamento da própria rede. Estou trazendo isso agora porque é a chave para saber, nesta fase, o que você deseja que a saída pareça. É uma dor obter algo construído e depois perceber no final que você quer que ele faça algo diferente. Espero que você evite esse problema, e talvez você já tenha coberto. Na verdade, pensei um pouco nesse problema. Eu sei de um de seus PMs que você está interessado em algoritmos genéticos. Este pode ser um caso em que os GAs podem ser bastante úteis na determinação de boas maneiras de fazer uso das saídas da rede neural. Por outro lado, há uma série de outras técnicas de aprendizagem ou classificação de máquinas que poderiam ser aplicadas ao problema da tomada de decisões comerciais usando os dados de distribuição. Podemos também ser capazes de criar uma estratégia comercial através de uma teoria simples, no entanto. Enquanto entendermos o que significa a distribuição, podemos fazer uso inteligente dela. Essencialmente, a distribuição nos indicará quão provável é que seja alcançado um determinado preço em um determinado período de tempo. Sabemos que, para alcançar um máximo de 50 pips acima do preço atual, o preço também (normalmente) deve passar pelos níveis de 10 pip, 20 pip, 30 pip e 40 pip. Assim, sabendo a distribuição aproximada, podemos somar as probabilidades de níveis mais extremos para calcular a probabilidade esperada de atingir qualquer nível durante um futuro período de tempo. Podemos então criar critérios de comércio que selecionem apenas os negócios de maior probabilidade. Poderíamos também dividir o lucro e parar as ordens de perda em uma série de pedidos estratificados em toda a distribuição de acordo com as probabilidades de diferentes níveis. Esta é também uma configuração que pode ser calculada para facilitar a maior recompensa com o menor risco. De qualquer forma, tudo isso é uma conjectura que terá de ser reconsiderada quando a rede final for concluída. Eu acho que vou começar a desenvolver a rede com a estrutura descrita, e se percebemos mais tarde que a distribuição de probabilidade é menos útil do que outro alvo, podemos alterá-los com bastante facilidade. A verdadeira dificuldade de programação é simplesmente a configuração e a depuração da estrutura para treinamento, teste e visualização da saída. Vai demorar um pouco até ter algo útil desenvolvido, mas vou manter este tópico atualizado à medida que progridem. Tenha um bom final de semana, ou deixa o resto. Muito boa abordagem, estou fazendo algo parecido. O que você acha de incorporar uma tendência de grande escala na equação, normalizando as barras. O que quero dizer é dizer 10000 bar atrás o preço foi de 3000 pips mais baixo. Isso significa que, em média, estamos subindo 3 pips por 10 barras. Isso poderia ser útil se você normalizar as barras OHLC para refletir isso na sua equação de distribuição Idéia interessante. Sem normalização, a distribuição seria desviada para qualquer que seja a tendência a longo prazo. Isso seria bom se ainda estivéssemos na mesma tendência de longo prazo, mas não era bom se a tendência tivesse mudado recentemente. Suponho que você poderia fazer algum tipo de normalização, mas também não está claro exatamente como você deve se normalizar adequadamente. Pode ser melhor incluir simplesmente um conjunto de médias móveis em diferentes períodos nas entradas. Isso ajudaria a rede a separar a causa da inclinação e poderia replicar a quantidade correta de distorção da distribuição para o mercado atual. Obrigado, charlinks. Grande ponto Aqui está um indicador que fiz que pode revelar-se útil. É uma simples distribuição de preços. Fiddling com os parâmetros pode criar resultados bastante diferentes. Largura de célula de quantas barras usar para a distribuição de preços por células de colunas, quantas linhas dividir a distribuição de preços em celcols quanto colunas serão geradas. Para alguns cálculos pesados, você pode reduzir esse número se o desempenho sofrer, pois provavelmente você precisará da distribuição recente do preço de células, quanto maior o número, mais blocos são ignorados para cada passo, ele ainda está calculando o número de barras de quantidade de barras. Então se celltep e cellwidth forem iguais, você verá uma imagem clara. Se a largura da célula for significativamente maior, você verá os dados quotblurredquot in. Qutoff todas as células são normalizadas com um valor de 0 a 1 se você desenhar todas elas será muito intensivo em recursos. Então tudo menor do que o ponto de corte não é desenhado. (Eu coloco 0,8 às vezes para identificar áreas fortes de resistência de suporte) countinsidebars countupport countresistance e aqui é alguma magia. Em vez de contar toda a barra, eu a dividi no suporte de barra interna (Open-Close) (Resistência Low-Min (Open, Close) (Max (Open, Close) - High) Dessa forma, você pode focar seu estudo apenas em suporte ou Somente em áreas de resistência. Redes Neurais Felizes. Imagem anexa (clique para ampliar) Ideia interessante. Sem a normalização, a distribuição seria desviada para qualquer que seja a tendência a longo prazo. Isso seria bom se ainda estivéssemos no mesmo prazo Mas não é bom se a tendência tivesse mudado recentemente. Suponho que você poderia fazer algum tipo de normalização, mas também não está claro exatamente como você deve normalizar adequadamente. Talvez seja melhor incluir simplesmente um conjunto de médias móveis em diferentes períodos em Os insumos. Isso ajudaria a rede a separar a causa da inclinação e poderia replicar a quantidade correta de distorção de distribuição para o mercado atual. Obrigado, charlinks. Excelente ponto. Você sabe. Apenas me atingiu. Tudo o que você precisa É ajustar o preço em Taxas de swap. Na verdade, alguns corretores fazem exatamente isso. Eles ajustam seu preço de entrada para refletir o swap, então, se você mantivesse o GJ por 100 dias, você teria um preço de compra de 200 pips abaixo do seu comércio original lá. Os programas genéticos (GP) na verdade, que foi um conceito desenvolvido após GA por um pesquisador chamado Koza, eu acho. Estou apenas escolhendo nit na noite de domingo. : Sim, acho que GP é uma aplicação prática da teoria GA. O livro de aprendizado da máquina, mais familiarizado com (Aprendizagem de máquina por Tom Mitchell) trata todo tipo de algoritmo de aprendizagem como método de busca. Então GP é a aplicação do método de pesquisa GA para tarefas de programação. A taxonomia de lado, a aplicação de um método de busca de algoritmo genético para o problema da melhor seleção comercial pode definitivamente produzir algumas boas soluções que nunca pensamos em nós mesmos. Aqui está um indicador que fiz que pode ser útil. É uma simples distribuição de preços. Fiddling com os parâmetros pode criar resultados bastante diferentes. . Dessa forma, você pode concentrar seu estudo apenas em suporte ou apenas em áreas de resistência. Muito legal. Eu fiz algo assim uma vez que desenhou várias linhas de sr usando cores diferentes de acordo com as distribuições do passado baixas, mas isso é muito mais configurável. Bem feito, finalmente, uma rede real de neurônios EA Free - Something New Commercial Member Juntou-se para setembro de 2008 911 Posts Olá, todos, faz um tempo. Normalmente, não tomo pausas tão longas de participar neste fórum, mas há mais de um ano eu trabalhei em um projeto muito intensivo e depois de um ano de teste para frente estou aqui para compartilhá-lo com todos vocês. Meus amigos com muitos comerciantes profissionais e um grupo de nós juntos, combinamos nossa experiência e criamos um sistema automatizado de redes neurais para o Metatrader que realmente funciona. Uma vez que estavam conscientes de que a maioria dos EAs são absolutamente inúteis ou pior, fraudes, pensamos que estarão fornecendo algo único ao comerciante de varejo médio de pessoas que realmente podem ser confiáveis. Este grupo é chamado de Metaneural. Nós usamos redes neurais e as aplicamos no Forex com sucesso no passado e decidimos traduzir esse método para um sistema Metatrader. É amplamente conhecido que as grandes empresas comerciais e fundos de hedge usam inteligência artificial sofisticada e sistemas de rede nueral para lucrar com os mercados financeiros com uma precisão surpreendente. Nós pensamos, por que esse poder também está disponível para nós - os investidores de pequeno dinheiro Então, tirei uma pausa de todas as minhas outras atividades e trabalhei duro com a Metaneural para desenvolver este sistema, o que eu acredito ser a única rede neural REAL EA. Na verdade, ele nem precisa ser EA, o código pode ser escrito em C para funcionar exatamente da mesma maneira em tradestação, esignal, neuroshell ou qualquer plataforma que permita a importação de DLL e a coleta de dados, porque a criação da rede neural ocorre em Neurosolutions. Eu fiz indicadores e sistemas de negociação para a comunidade forexfactory por anos, então eu queria dar a vocês a única versão gratuita da Metaneural EA na internet. Quero receber seus comentários e impressões. Se esse tópico for bem e não se desviou, estarei o teste. Eu tive diversão decifrando o mercado forex com as grandes mentes neste fórum há anos e tenho o prazer de devolver. As redes neurais em EAs são o futuro, espero que vocês possam perceber isso e desenvolver seus próprios sistemas. O primeiro passo na criação de um cérebro de rede neural artificial é reunir os dados em torno dos quais a estrutura do cérebro será formada. Uma vez que estamos tentando criar um cérebro que saberá trocar os mercados, devemos reunir os dados do mercado. No entanto, não podemos simplesmente coletar uma massa de dados e despejá-la em nosso mecanismo neural para criar a estrutura do nosso cérebro. Devemos reunir os dados no formato que queremos que o cérebro processe esses dados e, eventualmente, o mesmo formato em que queremos que ele crie saída. Em outras palavras, não apenas dizia ao nosso cérebro o que pensar, dando-lhe dados brutos, Mas devemos dizer-lhe COMO pensar, formulando esses dados brutos em uma configuração inteligível. Nesse caso, nossa configuração inteligível é um padrão. Nós reunimos dados em segmentos, cada segmento consiste em uma série de barras definidas pelo comerciante em nosso indicador de coleção proprietário que vem com todos os nossos pacotes. Esse agrupamento de barras é coletado em relação ao próximo bar que vem após o agrupamento - vamos chamar isso de barra futura. Quando estavam coletando dados de mercado, a barra futura é conhecida, porque é tudo histórico, é o próximo bar após o agrupamento. A idéia é que o cérebro da rede neural encontre padrões complexos no agrupamento de barras e use as informações coletadas, incluindo a próxima barra após o agrupamento, para determinar quais padrões complexos precedem o resultado da próxima barra. Durante a negociação real, esse resultado será a barra futura que, de fato, permite saber com um alto grau de precisão a direção do mercado antes que isso aconteça. Os dados coletados são extraídos em uma planilha que exibe dados de preço como aberto, alto, baixo, fechado (OHLC). O OHLC de cada barra é coletado separadamente e colocado em sua própria coluna. No exemplo acima, cada linha representa 3 barras no total. Portanto, as colunas representam centenas ou milhares de barras coletadas voltando à história. Além de OHLC, você também pode coletar os valores de quase qualquer indicador que você selecionar, o que essencialmente dará a esse indicador a capacidade de pensar com base na mudança das condições do mercado e prever O próximo valor. Construção e Treinamento de Rede Neural Agora que temos nossos dados coletados, extraídos em um arquivo de planilha em uma configuração inteligível, podemos carregá-lo em nosso mecanismo de rede neural que criará a estrutura do cérebro artificial, treiná-lo e testar sua precisão antes Salvando a estrutura. Uma vez que os dados coletados são importados para o programa de construção de rede, você escolhe escolher quais bits de dados você deseja usar para criar seu cérebro. Esta é uma característica importante porque permite ao usuário criar muitas estratégias diferentes com base em qualquer peça de dados que seja considerada necessária. O que essencialmente faz neste passo é determinar o que o motor usará para criar os padrões complexos mencionados anteriormente, o que acabará por decidir a capacidade de projeção da EA da rede neural. Por exemplo, diga que você quis dizer à rede neural que procure apenas padrões nos preços abertos das barras em relação aos valores dos indicadores do seu indicador favorito. Você selecionaria o seu indicador no coletor e escolheria apenas as entradas de dados abertas e de dados no software de construção descrito acima. Você também pode selecionar todas as entradas, exceto a coluna output1, que significa seu valor de saída - selecionar todas as entradas criará o padrão de aprendizado mais complexo possível e, assim, permitir que seu cérebro responda a muitos cenários diferentes. Uma vez que as entradas e saídas desejadas são selecionadas, o software criará a estrutura do seu cérebro da rede neural e você pode começar a treiná-la. Uma parte dos dados coletados é reservada e usada para treinar e testar a precisão do seu cérebro artificial, você verá que a saída desejada começa a estar de acordo com os dados de teste conforme descobriu. Uma vez que este processo esteja completo, você poderá exportar o cérebro artificial estruturado na forma de uma DLL que será usada pela MetaNeural EA. Uma vez que o cérebro é construído, treinado, testado e exportado como uma DLL, você pode começar a negociar com um cérebro de rede neural automatizado que verá padrões complexos que são impossíveis para um ser humano alcançar. Obtenha o Metaneural EA GRATUITO agora, financiando uma conta na FinFX com qualquer quantidade e usando nosso serviço de copiadora comercial para refletir nossas tradições vencedoras profissionais em sua conta. Depois de 50 lotes completos são negociados, você receberá o EA Metaneural com funcionalidade completa para LIVRE As contas devem ser financiadas com o link fornecido na seção de preços do site Metaneural. Coloque esses arquivos nas seguintes pastas no Metatrader: Expert Advisor - Metatrader 4experts Indicador do coletor (DatacollectorV2a) - Metatrader 4expertsindicators Indicador de rede neuronal (Metaneural NN Indicator) - Metatrader 4expertsindicators MQLLock e MT4NSAdapter DLL files - Metatrader 4expertslibraries Você precisará instalar o Neurosolutions 6 e Visual Studio 6 para o trabalho, as instruções sobre essas instalações podem ser encontradas no manual detalhado anexado a esta publicação. Você deve ler o manual Sim, ele pode ser aplicado a várias moedas simultaneamente porque pode ser treinado em cada moeda individualmente e uma estrutura de rede neural pode ser criada para cada moeda. Eu diria que a única dependência do corretor seria a integridade de seus preços, quanto mais estáveis ​​e consistentes alimentassem, melhores serão os dados de treinamento e, posteriormente, os negócios. Não foram escalar necessariamente, de modo que a velocidade de execução não é muito importante. Obrigado pelo seu interesse. Parabéns pelo desenvolvimento de um sistema que ofereça retornos saudáveis. Sempre melhor do que imaginar EAs que geralmente acabam explodindo a conta. Eu sou um membro comercial, compartilhando meu sistema Fibonacci Makeover (ForexFibs) aqui para que eu possa entender por que você está oferecendo uma EA gratuita. A minha pergunta é que esta EA pode ser aplicada em várias moedas, pois esta é baseada em Redes Neurais Real. É dependente da velocidade de corretagem e execução