Nn Forex

Imagen: Descripción: Encuentra freelancers 8211 post proyecto similar a / same as Astro Nn Indicator. En el medio del hilo codificaban los archivos de la biblioteca para 3 tipos de NN (los archivos de la biblioteca están listos para usar para los indicadores y EAs), algunos indicadores de NN de la muestra (por ejemplo, si usted es Freelancer, Mql4 8230 El NNEA Trend Predictor PRO utiliza una técnica de inteligencia artificial de última generación denominada redes quotneurales para predecir el comportamiento del Indicador Global 8230 MT4 (NN Tendencia Predictor PRO) 8211 Forex Shop. Indicador MT4 (NN Trend Predictor PRO ) 8211 Forex-Shop 8211 Descargar ahora 8211 Sistemas de Forex, libros, indicadores, EA, Scripts 8230 Descargar: NN. mq4 Forex Indicadores MT4 gt Indicadores de línea gt Sub Window Indicadores Artículos relacionados Deja un comentario Cancelar respuesta Debes estar conectado para escribir un mensaje Forex Categorías Indicadores de Forex MT4 Cargas Recientes Diarias Las señales de FX libres basadas en NOTICIAS IndicadoresMT4 Market Outlook Widget de Resumen Técnico Powered by Investing Forex BrokerAugust 8, 2017 150 01:54 am El data warehousing amperio de minería de datos han cambiado el proceso de toma de decisiones en los tiempos modernos Entorno de negocios, que básicamente equipar a las empresas de negocios para llegar a sus clientes con el producto adecuado y derecho ofrecen en el momento adecuado. Este proyecto se centra principalmente en el análisis del comportamiento de los clientes en la rotación, la detección de fraudes y la gestión de la relación con los clientes (CRM) en un sistema bancario. El proyecto se implementará con un 8230 7 de agosto de 2017 150 01:49 am Re: Código MATLAB para el reconocimiento de voz. Hola. Estás en el lugar correcto. Tengo el código para el reconocimiento del altavoz usando Mfcc. Pero usé redes neuronales. Tengo un código matlab para el reconocimiento de voz usando coeficientes LPC y redes neuronales. I39m usando MATLAB para reconocer cinco comandos de sonido. GO, DERECHA, IZQUIERDA. Explicado y reconocimiento de voz utilizando diferentes arquitecturas de RNA fueron implementados en Matlab. Matlab logo MATLAB es un lenguaje de alto nivel para el cálculo técnico y un entorno interactivo para el desarrollo de algoritmos, visualización de datos, análisis de datos y cálculo numérico. Mediante el uso de MATLAB, puede resolver los problemas de los técnicos más rápidamente que con los tradicionales de los lenguajes de programación como C, C y FORTRAN. Los proyectos basados ​​en MATLAB y MATLAB son una de las áreas clave de trabajo en las tecnologías de conjunto. Las redes neuronales se usan para modelar relaciones complejas entre entradas y. Matemáticamente, la función de red de una neurona se define como una composición de. Teoría de la red neuronal ha servido tanto para identificar mejor cómo funcionan las neuronas en el cerebro y para proporcionar la base para los esfuerzos para crear artificial. Las redes neuronales artificiales son básicamente conjuntos de funciones matemáticas modeladas en un programa informático. Se diseñan a 8230 4 de agosto de 2017 150 01:41 am ¿Usted pls envía las redes neurales ppt al vinu6575gmail. Pls nos ayuda. Por: meenakshisreeraj (hace 23 mes (es)). Por favor envíeme ppt de la red neuronal. 3 de agosto de 2017 150 01:39 am Estimada Sra. YUANLIAN CUI, En nombre del comité organizador de la XIII Conferencia Internacional de WSEAS sobre Ciencias Computacionales Aplicadas (ACS13) que se celebrará en Morioka, Japón, del 23 al 25 de abril de 2017, Quisiera agradecerle por enviar su trabajo. La siguiente contribución: Título: Tratar la Oportunidad del Sistema de Redes Neuronales en el Diagnóstico de Enfermedades Cardiovasculares a través de la Extracción de Reglas ID: 69902-121 fue recibido con éxito y se enviará a 8230 2 de agosto de 2017 150 01:35 am Neural Networks Consulting es un negocio globalmente reconocido Estrategia, formación de liderazgo y fuerza de ventas empresa de formación de desarrollo especializado en Lean producción y eficiencia empresarial: Una red neuronal artificial. Para obtener un buen resultado, no sólo debe ser magra, sino que debe ser otra cosa. Este informe es una introducción a las Redes Neuronales Artificiales. Las redes neuronales se utilizan para modelar las relaciones complejas entre los insumos y las redes neuronales. Aproximación de funciones, o análisis de regresión, incluyendo series temporales. Sin embargo, el valor de las redes neuronales para modelar la hipótesis compleja, no lineal es deseable para muchos problemas del mundo real, incluida la regresión, así pueden ser. Mejor NN EA podemos hacer la E A siempre que la gente está dispuesta a publicar ciertos códigos para mis codificadores. No es un problema. No envíe 50 para el desarrollo de este EA. Just añadir a las siguientes reglas y voy a contratar a un codificador profesional para la EA. 1) Si el precio es el precio es más alto que los últimos días cerca de una compra ATR. Pero si el precio es inferior a los últimos días cerca de atr por pero si es inferior a los últimos días cerca de ATR vender 2) Si el precio es el precio es más alto que las últimas cuatro horas cerca de una compra ATR. Pero si el precio es inferior a las últimas cuatro horas cerca de atr por pero si es inferior a las últimas 4 horas cerca de ATR vender 3) No abrir las operaciones entre las siguientes horas si la acción del precio es la siguiente entre el tiempo de noticias es decir 9 am a 10 am CET y 13 horas y 14 horas CET 4) Si hay dentro de la barra en x y y tiempo después de una de ATR mover comprar o vender tendencia contra si el período de x horas no ha visto una menor baja o Un alto más alto 5) Si después de un movimiento el precio no pasa la anterior baja o anterior alta compra o venta. Pero si va más allá de la anterior baja o alta por atr vender o comprar Por favor agregar a esta codificación y cotizar y cambiar el número a 6,7,8,9,10 etc No entiendo lo que quiere tratar de lograr: Replicar Betters EA - para hacer su propia NN EA - para hacer algo completamente diferente Por el momento supongo que es el último porque desde el tercer post no hay ningún enlace a NN más. Lo que sabemos de Betters EA es que los insumos se basan en Promedios móviles y que utiliza una red neuronal probabilística. Y eso es. Creo que no tiene sentido intentar replicar la EA porque de todos modos será imposible ya que necesita ser entrenado de la misma manera. Si desea hacer su propia o un Forex TSD NN EA. Que es mucho más interesante porque lo único que existe actualmente es sólo un Perceptron que se tomó de los metaquotes sitio y creo que nadie lo ha traer más lejos en lo que yo sé. Utilizar un Probabilistic NN sería muy interesante. Pero entonces usted no puede poner reglas como si. Entonces usted necesita definir sus entradas (promedios móviles o algo más como OHLC.) Salidas (por ejemplo probabilidad para un Buy / Sell) los datos que solicita para el proceso de aprendizaje, los datos para el proceso de prueba y tener un software PNN que Usted puede entrenar y desde el cual puede importar los resultados de entrenamiento en un EA. Supongo que al principio la primera cuestión a abordar es encontrar o programar un software PNN. Si desea hacer su propia o un Forex TSD NN EA. Que es mucho más interesante porque lo único que existe actualmente es sólo un Perceptron que se tomó de los metaquotes sitio y creo que nadie lo ha traer más lejos en lo que yo sé. Utilizar un Probabilistic NN sería muy interesante. Pero entonces usted no puede poner reglas como si. Entonces usted necesita definir sus entradas (promedios móviles o algo más como OHLC.) Salidas (por ejemplo probabilidad para un Buy / Sell) los datos que solicita para el proceso de aprendizaje, los datos para el proceso de prueba y tener un software PNN que Usted puede entrenar y desde el cual puede importar los resultados de entrenamiento en un EA. Supongo que al principio la primera cuestión a abordar es encontrar o programar un software PNN. ¿Pueden estas reglas no funcionar en una EA y combinarlas con indicadores? Idealmente usted pide que su ea busque quizá 50 condiciones diferentes para ser válido para una entrada y que la gerencia comercial tome el cuidado de las salidas 1. Indicadores y desarrollo de sistemas: 1.1. Auto-entrenamiento MA cruz. Hilo de desarrollo para la nueva generación de indicadores 1.2. Algoritmo de Levenberg-Marquardt. Hilo de desarrollo. 1.3. Algoritmo genético . Hilo de desarrollo de sección de élite. 2.1. CyberiaTrader. Hilo público grande y hilo de sección de élite. - el hilo de la sección de élite está aquí. 2.4. ForexNNExpert EA e indicador. Hilo original El cid: ¿Pueden estas reglas no funcionar en una EA y combinarlas con indicadores? Idealmente usted pide a su ea para buscar tal vez 50 condiciones diferentes para ser válido para una entrada y dejar que la gestión comercial cuidar de las salidas Puede combinar en un EA tanto un NN y los indicadores clásicos, pero ¿cuál es el punto, siempre y cuando usted no tiene La parte NN. En mi opinión la parte NN necesita ser probada y evaluada por separado no mezclada con un puñado de indicadores. Jlpi: Usted puede combinar en un EA tanto un NN y los indicadores clásicos, pero lo que es el punto, siempre y cuando usted no tiene la parte NN. En mi opinión la parte NN necesita ser probada y evaluada por separado no mezclada con un puñado de indicadores. Entonces, ¿puedes hacer una EA para probar las reglas NN o necesitas hacer un programa especial y quién va a contribuir a las reglas / códigos del programa Anyd que va a hacer la programación para un compartir libre NN EA el cid: So ¿Puedes hacer un EA para probar las reglas de NN o necesitas hacer un programa especial y quién va a contribuir a las reglas / códigos del programa Anyd que va a hacer la programación para un compartir gratis NN EA Puedes poner el Resultado del proceso de aprendizaje del NN en un EA o en un dll que será llamado por el EA, dependiendo de la complejidad del NN. Pero usted necesita un programa especial para el proceso de aprendizaje. Dependiendo del tipo de NN (hay muchos tipos diferentes) puede encontrar software gratuito o costoso en la red. Así que antes de pedir una EA, es necesario definir qué tipo de NN desea, a continuación, encontrar un software en la red que se ajuste a sus necesidades, incluyendo por ejemplo la opción de llamar a un DLL para el uso de la NN. Jlpi: Puedes poner el resultado del proceso de aprendizaje del NN en un EA o en un dll que será llamado por el EA, dependiendo de la complejidad del NN. Pero usted necesita un programa especial para el proceso de aprendizaje. Dependiendo del tipo de NN (hay muchos tipos diferentes) puede encontrar software gratuito o costoso en la red. Así que antes de pedir una EA, es necesario definir qué tipo de NN desea, a continuación, encontrar un software en la red que se ajuste a sus necesidades, incluyendo por ejemplo la opción de llamar a un DLL para el uso de la NN. Eso es correcto me gustan las cosas NN. NN con backpropagation para reconocimiento de patrones es el mejor para probar. ) Wow .. nunca ver antes de un EA como Betters EA. Increíble fiabilidad y poderosa EA. Sameone gustaría tratar de copiar este rendimiento con redes neuronales P. s. Admin, por qué mi hilo sobre el sistema de scalping fue eliminado. ThanksNN Group (NN) NN Group NV es la compañía neerlandesa de seguros y gestión de inversiones. Opera siete segmentos. El segmento neerlandés Life ofrece productos de seguros de vida colectivos e individuales y pensiones. Países Bajos No-vida proporciona seguro de motor, transporte, incendio, responsabilidad y viaje, así como productos de protección de ingresos. El seguro de Europa comprende seguros de vida ofrecidos en 11 países europeos, pensiones, seguros no vida en Bélgica y España, y seguro de salud en Grecia. El Japan Life ofrece seguro de vida corporativo (COLI). La Gestión de Inversiones ofrece productos de inversión y servicios de asesoramiento. El segmento Otros comprende el negocio de Nationale-Nederlanden Bank y el reasegurador interno de la Compañía, ING Re, así como la tenencia y otros resultados. El Bloque cerrado de Japón VA comprende el seguro de vida individual de anualidad variable (SPVA) de bloque cerrado. En julio de 2017, ING Groep NV redujo su participación en la Compañía a 68,1. Comienza a negociar con los principales corredores de la industria Chipre Comisión de Valores e Intercambio (Chipre), Comisión de Valores e Inversiones de Australia (Australia) Comisión de Valores de Chipre y Chipre (Chipre) Añade tu opinión: Bullish 50 Bearish 50 Te animamos a utilizar comentarios para participar con los usuarios, Compartir su perspectiva y hacer preguntas de los autores y entre sí. Sin embargo, con el fin de mantener el alto nivel de discurso wersquove todos vienen a valor y esperar, por favor, tenga en cuenta los siguientes criterios: Enriquecer la conversación Manténgase enfocado y en la pista. Únicamente publicar material que sea relevante para el tema que se está discutiendo. Se respetuoso. Incluso opiniones negativas pueden ser enmarcadas positivamente y diplomáticamente. Utilice el estilo de escritura estándar. Incluya signos de puntuación y mayúsculas y minúsculas. NOTA. Se eliminarán los mensajes de spam y / o promocionales y los enlaces dentro de un comentario. Evite las blasfemias, calumnias o ataques personales dirigidos a un autor u otro usuario. Donrsquot Monopolizar la conversación. Apreciamos la pasión y la convicción, pero también creemos firmemente en dar a todos la oportunidad de airear sus pensamientos. Por lo tanto, además de la interacción civil, esperamos que los comentaristas ofrezcan sus opiniones de forma sucinta y pensativa, pero no tan repetidamente que otros se molestan u ofenden. Si recibimos quejas sobre personas que se hacen cargo de un hilo o foro, nos reservamos el derecho de prohibirlos desde el sitio, sin recurso. Solo se permitirán comentarios en inglés. Los autores de spam o abuso serán eliminados del sitio y se les prohíbe su futura inscripción a discreción de Investingrsquos. He leído las pautas de los comentarios de las inversiones y estoy de acuerdo con los términos descritos. SnowCron SnowCron Neural Networks para el comercio de divisas En este artículo: un ejemplo de uso de nuestro software de redes neuronales para crear un sistema de comercio de red neuronal completa. Este ejemplo utiliza el lenguaje de scripting incorporado de Cortex. Por favor, lea primero la guía del lenguaje de scripting. Usando las redes neuronales para crear estrategia de comercio FOREX En este tutorial en línea gratuito encontrará el ciclo completo de uso de redes neuronales (Cortex Neural Networks Software) para el comercio de divisas (o el mercado de valores, la idea es la misma). Usted aprenderá a elegir los insumos para las redes neuronales artificiales. Y cómo decidir qué utilizar como salida. Encontrará un ejemplo de un script listo para usar que permite realizar la optimización de redes neuronales de la estructura de la red neuronal (número de neuronas) y el sistema de comercio de divisas (stop loss, etc.) Finalmente (la parte que no está presente en La mayoría de los tutoriales), usted aprenderá qué hacer a continuación. Después de todo, Cortex Neural Networks Software no puede hacer el comercio en tiempo real, es necesario utilizar algo como Trade Station, MetaQuotes o MetaTrader. Cómo portar el sistema de comercio FOREX de Cortex a su plataforma de comercio favorita ¿Tiene que lidiar con DLL, controles ActiveX y programación de bajo nivel La respuesta es NO. El software Cortex Neural Networks viene con la función fácil de usar que le permite portar fácilmente la red neuronal resultante (entrenada) al lenguaje de scripting de su plataforma de trading. No DLL, DDE, ActiveX o cualquier otra solución de bajo nivel - todo es simple y sencillo. Nota importante: esto NO es una forma de comercio tutorial. En su lugar, le dice cómo usar el software Cortex Neural Networks. Pero todavía tiene que inventar su propio sistema de comercio. El que usamos aquí es apenas un punto de partida, y shouldnt ser utilizado como una estrategia de comercio de divisas como es. La idea de este texto es enseñarle a crear sistemas de negociación basados ​​en NN y llevarlos a la plataforma de negociación de su elección. Sin embargo, el ejemplo es simplificado y sólo puede utilizarse como ilustración de los principios comerciales. De la misma manera, el sistema de comercio MACD, que se puede encontrar en muchos tutoriales, ya no funciona bien (como los mercados han cambiado), pero sigue siendo un buen ejemplo de uso de indicadores para el comercio mecánico. En dos palabras: haz tu propio análisis. Otra nota importante: el tutorial utiliza ejemplos, muchos de ellos. Para hacer su vida más fácil, he incluido todos, no sólo fragmentos. Sin embargo hace el texto mucho más largo. Además, voy desde el primer, torpe, sistema de comercio de divisas. A los más avanzados, cada vez que explica lo que había sido mejorado y por qué. Sea paciente, o salte directamente a la sección que necesita. Nota importante final: el código no es algo tallado en piedra, podría cambiar mientras este texto fue escrito. Las versiones finales de los archivos de script se incluyen en el archivo Cortex. Las trampas de las señales FOREX BUY / SELL: ¿Qué hay de malo en ejemplos simples? En la guía de usuario de Cortex Neural Networks Software usamos un ejemplo simple de una Red Neural aftitiva. Prediciendo el precio de las acciones de GENZ. Para averiguar qué es lo que está mal con este enfoque, vamos a hacer el mismo ejemplo simple, utilizando MSFT. TXT, en lugar de GENZ. TXT (utilizar 800 registros en el conjunto de aprendizaje, como MSFT. TXT es un poco más corto, a continuación, GENZ. TXT). Simplemente no funcionaría ¿Por qué la razón se hará evidente, si usted se pregunta: ¿Cuál es la razón por la que la predicción de la red neuronal de valores futuros se puede hacer en el primer lugar La respuesta es: es aprender a hacer lo que se llama redes neuronales reconocimiento de patrones. Para reconocer patrones, y si hay una lógica oculta en estos patrones, entonces incluso un nuevo patrón (con la misma lógica) será reconocido. Eso es un truco - con la misma lógica. No hay ni siquiera uno, sino tres problemas aquí. En primer lugar, si observa el precio de las acciones de Microsofts, se dará cuenta de que se estaba reduciendo en la parte de aprendizaje de nuestros datos, y de lado - en la parte de prueba. Así es posible, que la lógica había cambiado. En segundo lugar, e incluso más importante - ¿QUÉ ES EL PATRÓN Usted ve, si enseñamos la red neuronal en el rango 10 - 100, y luego lo presentamos con algo en el rango 1 a 3 - son patrones diferentes 10, 20, 30 y 1, 2, 3 se parecen a los humanos porque - PORQUE - tenemos esta capacidad de dividir por diez, cuando se presentan con números que terminan con cero. Es lo que se llama preprocesamiento de los datos, y por defecto, el NN no puede hacerlo. ¿Podemos enseñarlo por supuesto. ¿Qué es exactamente lo que necesitamos enseñar? Este es el tercero, y el más importante. No necesitamos la predicción de precios No importa Lo que necesitamos es FOREX comprar vender señales. Ahora, espere un minuto Necesitamos a) tener nuestra entrada (tanto de aprendizaje y de pruebas) en el mismo rango, y necesitamos b) poder tomar decisiones comerciales basadas en ella No es lo que llamamos un indicador Bingo Así, 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 cargar el stock Citas del disco, abrir el archivo Neural Network e iniciar el aprendizaje - todo en un modo automatizado. Cree un nuevo archivo de script (o abra el archivo que venía con el archivo de software de redes neuronales de Cortex) y llámelo stocksnn. tsc. En primer lugar, necesitamos descargar los valores de precio del archivo MSFT. TXT. Vamos a usar el indicador CLV (ver más abajo), pero para calcularlo, necesitamos valores divididos para Alto y Bajo, no sólo para cerrar. Aquí está cómo conseguirlos. Stocksnn. tsc, part 1 La primera línea asigna la ruta a la variable strStockPath, por supuesto, tendrá que editarla, si su archivo de datos se encuentra en el directorio diferente. En la segunda línea especificamos que esta ruta de acceso no es relativa (relativa a la ubicación del archivo Cortex. exe). El TABLELOADER recibe la ruta, la cadena vacía para la línea de inicio, 1 - para omitir la primera línea (nombres de columna), parte de la línea de pie de los archivos (la última línea en MSFT. TXT no contiene datos), también se instruye Para cargar la columna número 0 (y llamarla arrDate), 2 (arrHigh), 3 (arrLow), 4 (arrC) y 6 (arrClose). Para obtener una descripción completa de TABLELOADER, consulte la guía de referencia de SLANG. A continuación, calculamos la división, dividiendo el cierre ajustado por cerrar, y utilizar este valor para ajustar baja y alta. El archivo MSFT. TXT contiene los datos más recientes FIRST, mientras que los queremos LAST. A continuación, necesitamos crear un indicador. Digamos, va a ser un indicador de valor de ubicación cercana, aunque en la vida real probablemente usaría más de un indicador como la entrada NN. El indicador Close Location Value se calcula como CLV (Close - Low) - (High - Close)) / (High - Low), donde Close, Low y High son para el intervalo, no necesariamente para una sola barra. Tenga en cuenta que lo queremos en el rango 0 - 1, para que sea más fácil normalizar a nuestro rango de NNs (que es, de nuevo, 0-1). Stocksnn. tsc, parte 3 A continuación, necesitamos crear un archivo lag. Utilice retrasos iguales a 1, 2. 9 (Para obtener más información sobre las funciones de archivo, consulte la guía de referencia de SLANG). Tenga en cuenta que el diálogo Cortexs NN puede producir retrasos simples automáticamente (puede utilizar un botón Generar retraso). Pero más adelante en este texto, vamos a trabajar con retrasos complejos (lo que significa que no son 1, 2, 3. pero 1, 3, 64. lo que sea), por lo que tenemos que crear el código que puede manejar esta tarea en Una forma más flexible. Stocksnn. tsc, part 4 Teniendo el archivo lag, estamos listos para crear nuestra primera red neuronal. Esta función requiere muchos parámetros, así que ten cuidado. Sin embargo, el código es realmente simple. Por cierto, la mayoría de este código puede ser eliminado, si usted piensa que puede manejar números, en lugar de nombres significativos en su código, sin embargo, sería una muy mala práctica de codificación. Stocksnn. tsc, part 5 Ahora, después de que tengamos una red neuronal y el archivo rezagado con datos, necesitamos enseñar a la red. El archivo de retraso (msftind. lgg) tiene 1074 registros, por lo que es razonable utilizar 800 como un conjunto de aprendizaje, y los 274 restantes como un conjunto de pruebas. Por supuesto, puede abrir un archivo de red y hacer clic en el botón Ejecutar de la pestaña Aprendizaje. Pero como se trata de una introducción a la avanzada Cortex Neural Networks Software de programación, permite utilizar SLANG builtin lenguaje de secuencias de comandos en su lugar. El siguiente código muestra el cuadro de diálogo modal con la configuración ann NN. Tenga en cuenta que si desea tener el privilegio de hacer clic en el botón Ejecutar, debe cambiar el archivo stocksnn. tsc, parte 6 El bStartLearning puede ser 0, en cuyo caso el diálogo esperará su entrada, o 1, luego el aprendizaje Comenzará aytomatically. BResumeScript, si es igual a 1, reanudará la secuencia de comandos si cierra el cuadro de diálogo haciendo clic en el botón Aceptar. El bReset se utiliza para restablecer la red antes de que comience el aprendizaje. Ejecute la secuencia de comandos y espere a que el contador de época exceda de 1000 y, a continuación, haga clic en Detener. Vaya a la pestaña Aplicar y haga clic en Aplicar. Esto ejecutará todo el conjunto de datos (tanto de aprendizaje como de prueba) a través del NN, y creará el archivo. APL, que contiene tanto la entrada-salida original como la predicción generada por NN, de esta manera podrá trazarlos y compilarlos entre sí . Vaya a la pestaña Salida, seleccione el archivo msftind. apl, haga clic en Examinar archivo, seleccione campos, luego seleccione No en el cuadro de lista izquierdo y (manteniendo presionada la tecla CTRL mientras selecciona con el mouse) Clv y NN: Clv en el Derecha. Haga clic en Gráfico para ver qué tan buena es nuestra predicción. Bien. Es más o menos bueno, de lo que podemos decir al mirarlo. Sin embargo, nada extraordinario. Esto fue sólo un ejemplo de lo que puede hacer con secuencias de comandos SLANG y cómo automatizar las tareas de rutina de Cortexs. Sin embargo, hasta ahora, no hicimos nada que no podía hacer a mano. Bien. Casi nada, porque si usted quiere crear un archivo personalizado lag, con, por ejemplo, Clv-100, Clv-50, Clv-25. Columnas, entonces usted tendrá que usar SLANG (o Excel.), Porque no se puede hacer en Cortex sin scripting. FOREX Trading Strategy: qué optimizar Aquí está nuestro próximo problema. ¿Necesitamos una buena predicción, o necesitamos la que podemos utilizar para el comercio con el beneficio? La pregunta parece extraña, 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 llegar el precio en una hora? No demasiado lejos, me temo. Compárela con la situación, cuando tiene una predicción bastante imprecisa de 10 horas. ¿Será mejor? Para responder a esta pregunta, tenemos que realmente el comercio, una simple comparación de los errores medios producidos por los dos NNs no ayudará. La segunda parte (del mismo problema) está en la forma en que definimos una buena predicción. Digamos que tenemos una red, que produce la predicción, que es precisa. Compárelo con el NN, que está produciendo 100 predicción exacta. El último es mejor. Ahora, DIVIDE la salida (predicción) de los 100 NN exactos por 10. Tendremos una red MUY inexacta, ya que su señal no está cerca de la señal que usamos como salida deseada. Y, sin embargo, puede usarse de la misma manera que usamos 100 NN exacto, todo lo que tenemos que hacer es multiplicarlo a 10 Ver, el NN se crea, sintonizando el error cuadrático medio, y no la correlación, por lo que al menos en Teoría, un mejor NN puede mostrar malos resultados, cuando se utiliza para la acción real / Forex trading. Para resolver este problema, necesitamos probar nuestros NNs usando el comercio, y usar los resultados de este comercio (beneficio y abatimientos) para decidir, si este NN es mejor que el otro. Vamos a hacerlo. Vamos a crear un programa, que se puede utilizar para afinar NN, y esta vez, mediante el ajuste fino, nos referiremos a los resultados comerciales. Neural Network Trading: Pocas notas cortas En primer lugar, en nuestro ejemplo anterior, el aprendizaje automático nunca se detendrá, porque no hemos especificado ningún criterio de parada. En el cuadro de diálogo, o en la función CREATENN, puede proporcionar el valor min. Error (cuando el NN lo alcanza, se detiene y, si bResumeScript se establece en 1, el diálogo se cerrará y el script se reanudará). También yo puede proporcionar el número máximo de épocas, o ambos. No lo estoy usando en el ejemplo de abajo, al menos no siempre, porque estoy planeando ver el aprendizaje y hacer clic en STOP cuando creo que el NN está listo. Si desea hacerlo en modo totalmente automático, preste atención a estos parámetros. Segundo. Una de las maneras de hacer una red más pequeña, más rápida y más precisa, es comenzar con la red pequeña, y aumentar su tamaño, neurona por neurona. Obviamente, el número de neuronas de entrada está determinado por el número de columnas de datos de entrada (pero también podemos variarlas), y el número de neuronas de salida debe ser igual al número de columnas de datos de salida (usualmente uno, pero no necesariamente ). Esto significa que necesitamos optimizar el número de neuronas en la (s) capa (s) oculta (s). Además, como he mencionado, no sabemos realmente qué datos utilizar. ¿Será Clv-256 (15 días de retraso) aumentar la precisión de nuestra predicción ¿Necesitamos Clv-256 Será mejor usar ambos en el mismo NN, o agregando Clv-256 arruinar nuestro rendimiento Usando ciclos anidados para probar diferentes Los parámetros de entrada, puede: Crear el NN, de la misma manera que lo hicimos para los datos de stock (permítanme repetir, para el NN, no hay diferencia entre las existencias y FOREX, sólo sucedió que tengo par de archivos de datos de alta calidad para FOREX que quiero procesar, mientras escribo este texto). Pruebe diferentes combinaciones de retrasos. Pruebe diferentes números de neuronas en la capa oculta. . Y diferentes combinaciones de diferentes indicadores. . y así. Sin embargo, si intenta todas las combinaciones posibles de todos los parámetros posibles, NUNCA obtendrá sus resultados, no importa cuán rápido sea su computadora. A continuación, vamos a utilizar un par de trucos para reducir los cálculos a un mínimo. Por cierto, puede parecer que si empiezas de una neurona oculta, luego la aumentas a 2, 3 y así sucesivamente, y en algún momento el error (calidad de la predicción) o el beneficio (si probas el NN por El comercio con él) comenzará a bajar, entonces usted tiene su ganador. Desafortunadamente, no puedo probar, que después del primer pico de rendimiento no puede haber segundo. Esto significa que el error puede ir como 100, 30, 20, 40, 50 (era justo en su mínimo, a la derecha) y luego 30, 20, 10, 15. (el segundo mínimo). Sólo tenemos que probar todos los números razonables. Tercero. La optimización es una espada de dos filos. Si sobre-optimiza su código, puede que no funcione fuera de los datos que utilizó para ajustarlo. Haré mi mejor esfuerzo para evitar esta trampa. Si desea hacer optimizaciones adicionales a su código o NN, le aconsejo que haga una investigación en Internet, para aprender más sobre los problemas ocultos de este enfoque. También, voy a prestar cierta 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 arriesgado. Podemos hablar de ello más tarde. Por último, para este ejemplo vamos a utilizar FOREX, en lugar de los precios de las acciones. Desde el punto de vista de la NN no hay diferencia, y de mi punto - Forex es mucho más divertido para el comercio. Si prefiere las existencias, el código puede modificarse fácilmente. Una estrategia de comercio FOREX para jugar con Primero de todos, vamos a crear un prototipo de nuestro código, uno que fácilmente se puede optimizar en el futuro. Va a ser un sistema de comercio, que utiliza una red neuronal para el comercio y produce un gráfico (beneficio contra número de comercio). También calculará la reducción, como una medida de la robustez de nuestro sistema de comercio. Forexnn01.tsc, part 1 La principal diferencia aquí es que usamos 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 comercio. El indicador CLV se limita a 0 - 1 intervalo (nuestra versión de CLV es), por lo que cuando el indicador cruza el dBuyLevel (ver código anterior), estoy comprando, cuando se está cruzando el dSellLevel, estoy vendiendo. Obviamente, no es la mejor estrategia comercial, pero lo hará por nuestro propósito (sólo por ahora). Si desea mejorarlo, he aquí 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 comercial se hace sobre la base de pocos indicadores previstos. A continuación, añadiremos algunas mejoras al algoritmo de negociación. Utilizamos algunas suposiciones estándar del comercio FOREX: spread es 5 puntos, leverade es 100, min. Porción es 100 (mini-FOREX). Echemos un vistazo a nuestro sistema de comercio. Una vez más, es una simplificación excesiva. Una nota importante: el TestNn () se llama último, 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 inicializó en NewNn (), TeachNn () o alguna otra función que se llamó antes de TestNn (). Para facilitar las cosas, los comentarios se colocan en el código. Forexnn01.tsc, parte 2 Pocas palabras sobre la reducción. Hay pocas maneras de calcularlo, y estamos usando lo que considero el más honesto. La reducción es una medida de la inestabilidad de nuestro sistema. ¿Qué es una oportunidad, que va a perder el dinero Vamos a decir que la cantidad inicial es de 1000. Si el beneficio va 100, 200, 300, 400. la reducción es 0. Si va 100, 200, 100. entonces la reducción es de 0,1 ( 10), ya que acabamos de perder una cantidad, igual a 1/10 del depósito inicial (de 1200 a 1100). Yo recomendaría fuertemente contra el uso de sistemas de negociación con grandes retiros. También, aquí utilizo un drawdown, que se va a utilizar con el tamaño del lote variable. Sin embargo, en las muestras reales, que vienen con el eBook, verá otra versión: Como se puede ver, aquí siempre utilizamos 1000 (la cantidad inicial) para calcular la reducción. La razón es sencilla: siempre usamos el mismo tamaño de lote (sin administración de dinero aún), así que no hay diferencia, cuánto dinero ya hemos acumulado en nuestra cuenta, un beneficio promedio debe ser constante. El peor escenario posible en este caso se ve así: desde el principio (1000 a la cuenta) estamos perdiendo dinero. Si utilizamos 1000 para calcular la reducción, obtendremos la reducción más baja. Esto nos ayudará a no engañarnos. Por ejemplo, digamos, negociamos durante algún tiempo, y tenemos 10.000 en nuestra cuenta. Entonces perdemos algo de dinero, y ahora tenemos 8,000. Entonces nos hemos recuperado, y tenemos 12,000. Buen sistema comercial Probablemente no. Vamos a repetir la lógica de nuevo, ya que es muy importante (y será aún más importante, cuando comencemos a gestionar el dinero). Negociamos con lotes de tamaño fijo. Así que, estadísticamente, no hay garantía de que la pérdida máxima no ocurra al principio, cuando sólo tenemos 1000. Y si sucede, tendremos -1000 (10.000 - 8.000), por lo que el sistema de comercio es probablemente demasiado arriesgado. Cuando hablamos de la gestión del dinero (probablemente, no en este texto), tendremos que utilizar un enfoque diferente para el cálculo de la reducción. Tenga en cuenta, que en este sistema de comercio, estoy utilizando el peor escenario posible: estoy comprando utilizando alto y venta, utilizando baja. Muchos probadores no siguen estas reglas y crean sistemas comerciales que funcionan bien en datos históricos. Pero en la vida real, estos sistemas comerciales tienen un rendimiento muy pobre. ¿Por qué echar un vistazo a la barra de precios. Tiene abierto, alto, bajo y cerrado. ¿Sabe usted, cómo el precio se estaba moviendo dentro de la barra No. Por lo tanto, digamos, su sistema de comercio generado una señal de compra, en la parte inferior de la barra de precios (si dLow Nota que estoy usando dLotSize igual a 0,1 lote (100). Obviamente, en el comercio real, se beneficiará mucho, 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 aquí, no de comercio. need, among other things, to see how smooth the profit curve is. This is much easier to do if the lot size is the same (in ideal situation, for dLotSize 100 we will get a straight line, with some positive slope, while in case of the adjustable lot size we will get an exponent, that is much harder to analyze). Later in this text, we will apply money management rules to our trading system, but not yet. After we are done with the last part of our testing function, lets walk through the rest of the code. The following function creates a CLV indicator. It takes the interval as a parameter, which means that we can call it many times, during the optimization, passing different numbers. Note, that I am using the NN that works in the 0 - 1 interval. The data can be normalized, of course, but I chose to divide the indicator by 2 and to add 0.5, so that it is in 0 - 1 range. forexnn01.tsc, part 4 To make lag file, we can use the CREATELAGFILE function. Alternatively, we can do it by explicitly providing all the necessary code. In this case, we have more control, and we are going to need it, if we begin varying number of lagged columns and so on. forexnn01.tsc, part 5 The nRemoveFirst parameter is important. Many functions, like indicators, moving averages, lag generators, for that matter, do not work well within the first few records of the dataset. Lets say we have MA(14) - what will it place in the records 1 - 13 So we choose to simply remove the first few (unreliable) records. For the NewNn, as well as for all functions of this program, we need to pass as parameters only what can be changed during optimization process. For example, there is no need to pass a skip before parameter, as it is always the same. forexnn01.tsc, part 6 The TeachNn function simply brings up the NN dialog. forexnn01.tsc, part 7 Finally, we need a charting function. It is not mandatory, but it is always a good idea to see what our profit line looks like. The following code uses the XML to produce a chart, so it is a good idea to read the tutorial. Alternatively, you can draw the chart, rather than saving it in a file. To do it, use one of the samples, that are in the samples/scripts directory. Finally, you can modify the code, to produce HTML, rather than XML. HTML is easier to learn, but the code itself will be a bit less readable. forexnn01.tsc, part 8 Compile and Run the script. Bien. As expected, using 7 hours as an interval for the CLV produced very poor results: FOREX Trading Strategies and Optimization The reason for the poor results is quite obvious: we used the Interval, Stop Loss, buy and sell levels and other parameters, that were purely random - we just picked first that came in mind What if we try few combinations FOREX Trading Signals: What to optimize First of all, by overoptimizing the buy and sell levels, we can ruin our future performance. However we still can tune them, especially, if the performance is close for close values of buy and sell limits. For example, if we have -10 profit at buy limit equal 0.3, and 1000 profit when it equals 0.35, then there is probably a lucky coincidence, and we should not use 0.35 for our trading system, as in future it will probably not happen again. If, instead, we have -10 and 10 (instead of 1000), it may be safer to use. Generally, our trading system should be built for WORSE possible scenario, as if during the real trading the performance will be better, then during the test, we will survive, but not the other way around. We can vary the value for the indicator interval, provided we have enough trades, so that we can be confident, in terms of statistics, in the performance of a system. We certainly can vary the number of neurons, I dont think it can be overoptimized easily. We can vary number of inputs and lags for inputs. It is possible to overoptimize this, but it is not very likely to happen. And, of course, we can try different indicators. Accurate FOREX Signals: How to optimize As have already been mentioned, if we start trying all possible combinations, it will take forever. So we are going to cheat. We will create pre-defined sets of parameters, that we think are reasonable, and pass them to the program. To make as few calculations as possible, note, that Clv-1 and Clv-2 are, probably, important, but what about Clv-128 And - if we already have Clv-128, do we need Clv-129 Probably, not. So we are going to have something like Clv-1, Clv-2, Clv-4, Clv-8. Clv-128 with just few variations, which will make our calculation time thousands times shorter. FOREX Professional System Trading: Can it work at all What is it exactly we want to predict Until this point we have used 1 hour chart for EURUSD, and we were predicting the next bars CLV. Will the CLV2 be better What about CLV3 Also, especially considering the poor performance of our first trading system, it would be nice to know, that - at least in the ideal world, the goal (profitable trading) can be achieved. To answer these questions, lets create a simple testing program. We assume, that our prediction is 100 accurate, and, based on this assumption, we will use CLVN, not the NN predicted one. Thats right - we are going to take data from the future, and to use them instead of the NN prediction. This approach wouldnt work in the real life, of course, but at leats, it will give us some ideas of what to expect. When looking at the results, please keep in mind, that we are not using any advanced money management, our lot size is set to a minimum 100. If you use variable lot sizes, results will be dramatically different. But even at a lot size set to 0.1 we can see (below) that getting the information from the future is an ultimate traders holly graal. forexnn02.tsc, part 1 You are already familiar with this code, it was used in FOREXNN01.TSC. It handles data loading. The only difference is in the part that obtains the list of files in the images directory and deletes all files with the. PNG extention. The reason for this code is simple: during our tests we are going to create many - may be, thousands - image files. We dont want them to hung around after we are done. So at the beginning of the script we are deleting images, created by other scripts. forexnn02.tsc, part 2 Just a few comments. We do not want to try all possible values for, for example, CLV interval. Instead, we can create an array, that contains only values we want to test. Then (see below) we will walk through this array. Stop losses are important part of any trading strategy, so I have decided to vary them as well. It is a dangerous idea, however, as it is easy to overoptimize the system. I am planning to test different values for buy and sell levels, but it will be done in cycle, without using arrays. Unlike in our previous example, we want to have a large XML file, containing many images. To do it, I have moved the code, that is forming the XML header and footer outside of the Chart function. Read one of the online XML tutorials for details. Note, that I am using 0 as the first lag, which means, that first I am testing the indicator (CLV) that was not shifted from the future. Just to get an idea, how good out trading system would be without NN (horrible, is the right word. It is loosing all the money). Cortex uses the Internet Explorer control to display XML pages. When pages grow large, it takes a lot of memory. If your computer cannot handle it, consider creating multiple XML or HTML pages, instead. In the case of forexnn02, it should not be a problem, as the page is relatively short. Alternatively (that is what I am doing in scripts later in this text), create XML file, but do not open it from Cortex. Open them using Internet Explorer instead - unlike IE control, the Internet Explorer does not have the memory problem. Now the code that is trying different combinations of parameters. forexnn02.tsc, part 3 Here, we are using nested cycles. In every cycle, we are assidning some variable (for example, nInterval for the outer cycle). This way the cycle will assign values of all elements of a corresponding array, one in a time. Then WITHIN it, the inner cycle is used, and so on, so that all combinations of all array elements are tested. In the innermost cycle, I am calling the Test() function, to test trade, and Chart() to add a new picture to a list of images saved on disk. Note, that this Chart() does not show any images, until all cycles are completed. The Test() and CreateClv() functions are almost the same as in the previous example. The only real difference is due to the fact that it is called more then once. To do it, I am calling ARRAYREMOVE to cleanup arrays. Also, notice, that we are only creating charts for the combinations of parameters, that produce trading system with positive profit. Otherwise, we call continue, to skip the Chart() function. Finally, we have Take Profit now, so our trading system can be a bit more flexible. forexnn02.tsc, part 4 The Chart() function was broken into two pieces. The header and the footer should be written to the XML file only once, so they were moved to the main part of the program. Also, I am using the counter, to save files under the different names. The information about parameters is written to the header of an image, so we can easily see which one it is. Finally, images are only saved for winning configurations, meaning the balance at the end should be more, then at the beginning. forexnn02.tsc, part 5 Run the program (it will take some time to complete). You will end up with a large XML page with images, one for each winning configuration. Some of the results are great, however, as we used data from the future, this system will not work in the real life. Actually, if you look at the Test() function, you will notice, that the cycle stops before we reach the last element of arrClose: for(nBar nRemoveFirst 1 nBar THIS IS C, just an example. As you can see, the code is really simple. Now lets do the same using the SLANG script. As in examples before, we will keep the overall structure of the code, so that this example looks familiar. The only difference is that instead of using the built-in APPLYNN function, we call the function of our own. The code that we do not use (such as cycles) is commented, but not removed. Note, that the logic behind it was discussed in Neural Networks and Stock / Forex Trading article already. Briefly, the output of this script is formated to be compatible with the MQL, MetaTraders scripting engine. MetaTrader is a trading platform we use, if you want something different, like TradeStation, for example, you will have to alter the code to comply to its syntax. Then, in the following chapters, we are going to insert this code in the MetaTraders indicator, and to use it to trade. Porting script to trading platform The next step is not really required, but it is something, that may be useful. We are going to create a version of a tsc file (one above), but this time, we will use SLANG (Cortex scripting language) to emulate APPLYNN function. The reason is, in the next chapter we are going to port it to the scripting language of a MetaTrader trading platform, so it is a good idea to make sure everything works. After we run this function, we discover, that the result it produces is the same, as the forexnn05a produced, which means the code works fine. Note, that there is a difference at the beginning of the charts, as our NN does not try to process the data at the beginning (where lag is incomplete), while the built-in NN does not know about this problem. Of course, it doesnt affect the result, as the beginning of the chart is ignored by using the nRemoveFirst parameter in our script (set to 200, which is guaranteed to be larger, then our lag). Using third-party trading platform We have the NN that (more or less) can be used. We have the script, implementing this NN without calls to the Cortex-specific NN functions. Now we are going to port it to the trading platform that can be used for the real trading, which means it can contact brocker, place orders and earn (or loose) money. As a trading platform, I am going to use MetaTrader Disclaimer: I am not related to MetaQuotes in any way. I do not work for them, I am not their affiliate and so on. I use MetaTrader, ONLY because I like it. I find this program user-friendly, flexible and powerful, and not a monster. Also, it is free (compare to other packages of this class). The only (minor) problem is that it is not always easy to find the dealer using MT in your area. Then, when you do a research, you may find couple of brockers, with screenshots on their web sites, that look suspiciously familiar. Yes, they use MetaTrader, but they dont call it MetaTrader I have asked for clarification at the companys forum, and they have told me, that they dont reveal brockers using their services. Very strange. One of the brockers that is not hiding the fact they use MT, is Alpari. They will allow you to open a Demo account, so that you can trade in a real time, but without risking your money. Warning I am not going to recommeng services of Alpari. Once again, I am not being paid for that. Try their Demo account, and use your own judgement. Or you can start your own research at Internet forums. Finally, if you do not like the MT, you can probably follow the example below using TS, MS or some other trading platform. This is just an example. Our MT-based trading system will include two files, the indicator and an expert. This is the way they call it in MQL (scripting language of MT), and I am going to follow this naming convention. The indicator implements the neural network and draws a chart. An expert takes these data and does trading. As MetaTrader has a strategy tester, we will be able to test our strategy, to see how good it is. I will assume, that you are familiar with MQL programming, it is quite close to SLANG and tutorials can be found both at MetaQuotes and Alpari. Finally, I am using the code structure, that is borrowed from MetaQuotes forum, permission to use it the author of the corresponding posts had granted me permission to use fragments of his code. Also, as some of our MetaTrader code is the same for all experts and indicators, we moved it to a separate library file. MetaTraders libraries are nothing but includable files. This library takes care of synhronization, when two or more expert are trying to run in the same time, as well as of few other things. If you use MetaTrader, it will help you to create robust experts, in any case, the MQL language is easy to understand. mylib. mql, a helper library The code should look familiar, all I did was re-writing it, using slightly different language syntax of MQL. This indicator has two buffers, and draws two lines, one for the original NOC, and one for the NN-predicted NOC. For trading, you dont have to draw both indicator lines, of course (see MQL tutorials to learn how to do it), but I have decided to show them together, so you can compare. Another difference, that you should know about, is the way MT performs testing. It may, in some cases, be more accurate, then one we did (we did the worse case scenario). Of course, you can always to change the SLANG script from the examples above, to implement any logic you want. The result of our testing in MT is a bit better, then in Cortex, due to all these reasons. Keep in mind, that MT calculates the DD in a different way. I still think, that my way is better. In should be especially noted, that no additional optimization had been performed using MetaTraders optimizer. We have just plugged our MTS (mechanical trading system) in, and it worked as expected. That is it. You can now create Cortex Neural Network, optimize it to do trading, and to port it to the trading platform of your choice. Download Cortex Order Cortex View Price List Visibility is very important for this site. If you like it please link to this URL