Forex Neural Nät Forum

Neural Networks Jag tycker personligen att för att vi ska kunna skapa ett riktigt robust handelssystem måste vi tänka utanför lådan. Jag känner också att vi behöver utveckla nya verktyg istället för att försöka optimera gamla metoder. Det är fantastiskt att se alla här jobbar så hårt på byggsystem och till gagn för alla. Jag antar det varför jag slutade lurar och skulle vilja bidra. Några saker jag har varit intresserad av och har arbetat med. Spektralanalys Jag har viss programvara för att skapa digitala filter av rå prisåtgärd. Neurala nätverk: cool men fortfarande boggles mitt sinne. Market Sentiment: idéer i PDF-filer bifogade Är någon intresserad av brainstorming Jag tror att jag kommer att börja med ett eftersläpande digitalt filter på 30 minuters euro. Utveckling av neurala nätverksindikatorer Jag försöker göra några neurala nätverksindikatorer för metatrader4, och skulle vilja ha några sugestions, mest om ingångar och utdata på nätet, och kanske den struktur eller typ av nät som du anser vara bäst för denna applikation. Såvitt som vi vet de bästa utgångarna för prognoser för finansiella serier är prisspridning, topp eller bottenprognoser och den typen av saker. Att prognosera priset direkt (öppet, stängt) får inte bra resultat eftersom det för många orsaker, till exempel ett litet skift på tiden mellan öppettiden och den närmaste tiden, kan ändra sina värden avsevärt. Om någon har en sugestion är det glada att lyssna på det och prova det. Förresten, jag är ingen expert neurala nätverksprogrammerare, jag har bara en bra övergripande idé om ämnet P. På förhand försöker jag göra några neurala nätverksindikatorer för metatrader4, och skulle vilja ha några sugestions, mest om ingångar och utgångar från Nätet, och kanske strukturen eller typen av nät som du anser vara bäst för denna applikation. Såvitt som vi vet de bästa utgångarna för prognoser för finansiella serier är prisspridning, topp eller bottenprognoser och den typen av saker. Att prognosera priset direkt (öppet, stängt) får inte bra resultat eftersom det för många orsaker, till exempel ett litet skift på tiden mellan öppettiden och den närmaste tiden, kan ändra sina värden avsevärt. Om någon har en sugestion är det glada att lyssna på det och prova det. Förresten, jag är ingen expert neurala nätverksprogrammerare, jag har bara en bra övergripande idé om ämnet P. Tack så mycket, NN är min avhandling för några år sedan. Men nästan glömt nu Denna idé kan uppdatera mitt sinne igen. Jag tror att NN baserat på mönsterigenkänning med hjälp av backpropagation är bra för valutatransporter. Jag föredrar att använda hög låg data för att mata NN för att kunna förutse nästa dagliga data. Jag tror också att använda hög och låg är mycket bättre än att använda öppna eller stänga, för att vara sanningen, jag gillar verkligen inte öppna och stänga värden för Intraday analisis, eftersom de verkar ganska ostabila värden om du gör en förskjutning när du placerar din startpunkt. Medianpriset ser också bra ut, men jag föredrar highlow som informationsförlusten i mindre. Jag brukar använda ett glidande medelvärde av den höga och en av de låga. Jag har funnit att JMA är ett riktigt bra filter i jämförelse med vanliga MA så synd gör mina första tester med en kort period JMA utan fasförändringar för att undvika distorsion. Hittills är ingången jag överväger för att förutsäga framtida intervall: - JMA av High JMA of Low. - Datum (månadens dag, ex måndag, tisdag.). Den andra tanken jag har i åtanke är att använda NN för att förutse nyhetshändelser. Jag har en ganska stor databas över forex-basen sedan några år, så jag kan använda dem som ingångar. När det gäller vilken typ av neuralt nätverk som ska användas, jag fortfarande gör lite forskning, är backpropagation NNs den vanliga standarden för NN, men det finns andra som verkar ha mycket bra resultat, som tiden som förlorade återkommande nätverk (men de är svåra att träna Och förstå). En annan idé som jag hade, var att använda en Fukushima NN, de är huvudsakligen gjorda för bildbehandling, men med vissa ändringar tror jag att de skulle kunna användas för mönsterigenkänning på timeseries. Det är tråden där människor utvecklar Neural Networks-indikatorn för MT4. På ryska språket, ledsen. - de började med några e-böcker och artiklar - då några biblioteksfiler för Delphi 4 (NeuralBase, Neural Network Wizard, GeneBase, SOMBase, WavUtils) - då de kodade många versioner av indikatorn NeuroProba. mql4 (författaren är Rosh) Testade det och hittade många fel och fel i beräkningen. Denna tråd är inte stängd ännu och verkar att de fortsätter att utvecklas (det är nödvändigt att registrera sig på deras forum för att se bilagorna). Förutom att jag hittade den här länken om neurala nätverk (på engelska). Det är tråden där människor utvecklar Neural Networks-indikatorn för MT4. På ryska språket, ledsen. - de började med några e-böcker och artiklar - då några biblioteksfiler för Delphi 4 (NeuralBase, Neural Network Wizard, GeneBase, SOMBase, WavUtils) - då de kodade många versioner av indikatorn NeuroProba. mql4 (författaren är Rosh) Testade det och hittade många fel och fel i beräkningen. Denna tråd är inte stängd ännu och verkar att de fortsätter att utvecklas (det är nödvändigt att registrera sig på deras forum för att se bilagorna). Förutom att jag hittade den här länken om neurala nätverk (på engelska). Awsome New Digital Ill titta på materialet om några minuter. Måste bryta ut ryssarna .. som inte är så bra, men jag tror att det i kombination med AltaVista är svårt att göra ett anständigt försök. Jag kodar för närvarande i CORTEX på andra neurala nätverk (NN från och med nu) och jag planerar att konvertera till MQ4. Jag tror att vi borde DEFINITIVT behålla den här tråden eftersom (och det här är en åsikt) NN är framtiden för tekniken. NNs, för dem som arent nörd nog att veta .. är i grunden algorythms som efterliknar hjärnan (inte nessisarily den mänskliga hjärnan .. det skulle vara Sinne bustingly komplicerat) genom att det lär sig som det går. Jag skriver EA: erna för att ge råd om huruvida eller inte att ta en viss signal baserad på små mönster som har kommit före när en similer-signal gavs. Det är vad de flesta NN gör, de söker data för små mönster som skulle vara meningslösa för oss, eller till och med andra algorthmer och se vad dessa mönster gör över tiden. Den första EA kommer att innehålla Brain Trend. Jag ber att alla är tålmodiga, men CORTEX-kodning tar tid. Det tar snarare tid att träna NN och göra dem perfekta. Om någon här är familjer med CORTEX eller kodomvandling, skulle någon hjälp uppskattas. Jag förstår varför ryska forumet skulle bli kommersiellt. NNs är den nuvarande stilen med stora pengarhandlare. Så. Vad säger ni säger att jag tar 2 glidande medelvärden, få sup-res linjer och 1 eller 2 filter och handel om du inte kan tjäna pengar på ett enkelt system så här än att inte förvänta dig från några NN att göra dig rik från min 3 års forex expirience Jag vet hur jag skulle bygga perfekt system men det kommer att vara länge länge kodande. Vid leats 3 tidsramar att titta, täcker alla möjliga situationer, intervall, trend. Och sedan aplying få system tillsammans för att få perfekta resultat mitt råd till dig är om du vet hur man handlar än första handel, tjäna pengar och en dag när du har svårt du kan försöka göra NN JUST JOKING men botom line du behöver inte NN Att tjäna pengar handel jag tillbringade andra året av min handel gör programmer och testning doser av system och en dag jag inser att jag inte handel någon av dem och mycket var bra, lönsam. Jag hade först omprogrammerat min hjärna för att undvika rädsla, girighet. Och att disciplinera mig själv (och förlorat nästan 70 av mitt konto under den tiden) hitta först bra system (det finns flera bra här) tjäna pengar, lära och försök att lära ut denna NN att handla detta system eller bara göra EA till autotrade för dig Och när du gör lite pengar kan du köpa comercial NN jag säger ta 2 glidande medelvärden, få sup-res linjer och 1 eller två filter och handel om du inte kan tjäna pengar på ett enkelt system så här än att inte förvänta dig av några NN att göra dig rik Från min 3 års forex expirience jag vet hur jag skulle bygga perfekt system men det kommer att vara länge länge kodning. Vid leats 3 tidsramar att titta, täcker alla möjliga situationer, intervall, trend. Och sedan aplying få system tillsammans för att få perfekta resultat mitt råd till dig är om du vet hur man handlar än första handel, tjäna pengar och en dag när du har svårt du kan försöka göra NN JUST JOKING men botom line du behöver inte NN Att tjäna pengar handel jag tillbringade andra året av min handel gör programmer och testning doser av system och en dag jag inser att jag inte handel någon av dem och mycket var bra, lönsam. Jag hade först omprogrammerat min hjärna för att undvika rädsla, girighet. Och att disciplinera mig själv (och förlorat nästan 70 av mitt konto under den tiden) hitta först bra system (det finns flera bra här) tjäna pengar, lära och försök att lära ut denna NN att handla detta system eller bara göra EA till autotrade för dig Och när du gör lite pengar kan du köpa comercial NN Jag vet vad du menar att jag spenderar månader går över historiska data för alla typer av indikatorer och system. Och den nedersta raden är att några av dem kan göra pips på en viss handel. Allt jag säger här är att det skulle vara trevligt att ha ett INDIPENDANT-system som fungerar på ett annorlunda sätt för att antingen bekräfta eller förneka vad din indikator eller system säger till dig. Jag handlar med Brain Trend, MTFMACD, MoneyMap (MQ4 version) och jag gör det ganska bra. Men det skulle fortfarande vara trevligt att få det sekundära systemet att springa i bakgrunden för att säga baserat på 15 års historisk data, den här signalen när det hölls med detta valutapar i denna tidsram, med denna volym, har visat sig vara opålitligt, jag Kan inte rådgöra med denna handel Ja, vissa kan kalla det overkill. Men jag kallar det med en FOREX-pro wathcing över min axel. Så länge människor är vana och fortsätter att skapa cykler (av vilken storlek som helst) skulle jag argumentera för att detta är vad en välutbildad FOREX NN skulle vara. Jag kallar inte det överkill om det hindrar mig från att förlora några marker. Våra experians verkar slående similer, men jag är en nybörjare. Började bara mitt andra år som handelshandlare med riktiga pengar. Jag tillbringade de senaste månaderna bara gick över indikatorer som jag kände igen. Och bara snurrar mina hjul .. för rädsla för att göra dåliga affärer. Men .. Jag antar det varför jag vill utveckla NN. Det vet inte rädsla, och svarar på marknadsdata så som ingen människa kan. De kan hitta mening i det minsta prismönstret. Saker som våra vanliga indikatorer kan inte. Om MQ4 indikatorer är kikare .. då NN är hubble. Jag tycker att det är värt att utveckla här. Tack NewDigital, jag hittade en kopia av neuroproba. Det ser intressant ut. Jag ser inga fel i MQ4-filen, men utan att se skriptet för NN kan jag inte säga om det är korrekt eller inte. En anledning till att folk kan ha gett upp det är att det bara gör att man gör två vågräta linjer (en röd och en gul med den version jag har). Du måste ställa in StudyNumber till över 100. Jag tweaked det och fick det För att matcha de signaler som Brain Trend ger. Den inställningen är 200. Jag är dock inte säker på NN-aspekten av denna indikator. Kanske kan du veta var en kopia av skriptfilen för NN kan flyta runt Oh, och den andra länken du gav är att snösa, där de pratar om CORTEX, vilket är ett mycket bra freewareprogram för programmering av NN. Tack New Digital Bli med oss ​​ladda ner MetaTrader 5 Copyright 2000-2016, MQL5 Ltd. Hybrid Neural Network Stop-and-Reverse Strategier för Forex av Michael R. Bryant Neurala nätverk har använts i handelssystem i många år med varierande grad av framgång. Deras främsta attraktion är att deras olinjära struktur bättre kan fånga komplexiteten i prisrörelsen än standard, indikatorbaserade handelsregler. En av kritiken har varit att neurala nätverksbaserade handelsstrategier tenderar att vara överpassade och därför inte fungerar bra på nya data. En möjlig lösning på detta problem är att kombinera neurala nätverk med regelbaserad strategisk logik för att skapa en hybrid-typ av strategi. Den här artikeln visar hur det går att göra med Adaptrade Builder. I synnerhet kommer den här artikeln att illustrera följande: Kombinera neuralt nätverk och regelbaserad logik för handelsposter En tre-segments metod kommer att användas, med det tredje segmentet som används för att validera de slutliga strategierna. Den resulterande strategikoden för både MetaTrader 4 och TradeStation kommer att visas, och det kommer att visas att valideringsresultaten är positiva för varje plattform. Neurala nätverk som handelsinmatningsfiltrar Matematiskt är ett neuralt nätverk en olinjär kombination av en eller flera viktiga ingångar som genererar ett eller flera utgångsvärden. För handel används ett neuralt nätverk vanligtvis på ett av två sätt: (1) som en förutsägelse för framtida prisrörelse, eller (2) som en indikator eller ett filter för handel. Här kommer dess användning som indikator eller handelsfilter att övervägas. Som en indikator fungerar ett neuralt nätverk som ett ytterligare villkor eller filter som måste uppfyllas innan en handel kan matas in. Ingångarna till nätverket är typiskt andra tekniska indikatorer, såsom momentum, stokastik, ADX, glidande medelvärden och så vidare, samt priser och kombinationer av det föregående. Ingångarna är skalade och det neurala nätverket är utformat så att utmatningen är ett värde mellan -1 och 1. Ett tillvägagångssätt är att tillåta en lång ingång om utgången är större än eller lika med ett tröskelvärde, såsom 0,5 och en Kort inmatning om utgången är mindre än eller lika med negativet av tröskeln t. ex. -0,5. Detta villkor skulle vara förutom eventuella befintliga inresa villkor. Till exempel, om det fanns ett långt ingående tillstånd, skulle det vara sant och den neurala nätverksutgången måste åtminstone motsvara tröskelvärdet för en lång ingång. När man etablerar ett neuralt nätverk, skulle en näringsidkare normalt vara ansvarig för att välja ingångarna och nätverkstopologin och för att quotrainingquot nätverket, som bestämmer värdena för optimal vikt. Som kommer att visas nedan utför Adaptrade Builder dessa steg automatiskt som en del av den evolutionära byggprocessen som mjukvaran bygger på. Att använda det neurala nätverket som ett handelsfilter gör att det enkelt kan kombineras med andra regler för att skapa en hybridhandelstrategi, en som kombinerar de bästa egenskaperna hos traditionella regelbaserade tillvägagångssätt med fördelarna med neurala nätverk. Som ett enkelt exempel kan Builder kombinera en glidande genomsnittlig crossover-regel med ett neuralt nätverk så att en lång position tas när det snabba glidande genomsnittet passerar över det långsamma glidande medlet och den neurala nätverksutgången ligger vid eller över dess tröskelvärde. Stop-and-Reverse Trading Strategies En stopp-och-omvänd handelsstrategi är en som alltid finns på marknaden, antingen lång eller kort. Strikt sagt betyder quotstop-and-reversequot att du byter handel när din stopporder slås. Men jag använder det som en kort hand för någon handelsstrategi som vänder sig från lång till kort till lång och så vidare, så att du alltid är på marknaden. Genom denna definition är det inte nödvändigt att orderna blir stopporder. Du kan ange och omvända med hjälp av marknads - eller begränsningsorder också. Det är inte heller nödvändigt att varje sida använder samma logik eller till och med samma ordertyp. Du kan till exempel skriva in lång (och avsluta kort) på en stopporder och ange kort (och lämna lång) på en marknadsordnad, med hjälp av olika regler och villkor för varje inmatningsexempel. Detta skulle vara ett exempel på en asymmetrisk stopp-och-omvänd strategi. Den främsta fördelen med en stop-and-reverse-strategi är att genom att alltid vara på marknaden saknar du några stora drag. En annan fördel är enkelhet. När det finns separata regler och villkor för att komma in och utträda affärer, finns det mer komplexitet och mer som kan gå fel. Att kombinera poster och utgångar innebär att färre tidsbeslut måste fattas, vilket kan innebära färre misstag. Å andra sidan kan det hävdas att de bästa förutsättningarna för att utträda handel är sällan detsamma som de för att komma in i motsatt riktning att inmatning och exitering av handelar är i sig separata beslut som därför bör använda separata regler och logik. En annan potentiell nackdel med att alltid vara på marknaden är att strategin kommer att handla genom varje öppningsgap. Ett stort öppningsgap mot positionen kan innebära en stor förlust innan strategin kan vända. Strategier som går in i och lämnar mer selektivt eller utgår vid slutet av dagen kan minimera inverkan av öppningsgap. Eftersom målet är att bygga en forexstrategi är MetaTrader 4 (MT4) ett självklart val för handelsplattformen, eftersom MetaTrader 4 är utformad främst för forex och används ofta för handel med dessa marknader (se exempelvis MetaTrader vs TradeStation : En språkjämförelse). Men under de senaste åren har TradeStation riktat sig mot valutamarknaden mycket mer aggressivt. Beroende på din handelsvolym och / eller kontonivå kan du handla forexmarknaderna via TradeStation utan att ådra några plattformskostnader eller betala några provisioner. Spridningar är enligt uppgift tight med god likviditet på de stora valutaparparen. Av dessa skäl var båda plattformarna riktade till detta projekt. Flera problem uppstår när man riktar in flera plattformar samtidigt. För det första kan data vara olika på olika plattformar, med skillnader i tidszoner, prisnoteringar för vissa staplar, volymer och tillgängliga datumintervall. För att jämföra över dessa skillnader erhölls data från båda plattformarna, och strategierna byggdes samtidigt över båda dataserierna. De bästa strategierna var därför de som fungerade bra på båda dataserier trots alla skillnader i data. De datainställningar som används i Builder visas nedan i figur 1. Såsom kan härledas från tabellen Market Data i figuren var Eurodollar-valutamarknaden riktade (EURUSD) med en barstorlek på 4 timmar (240 minuter). Andra barstorlekar eller marknader skulle ha tjänat lika bra. Jag kunde bara skaffa så mycket data via min MT4-plattform som anges av datumintervallet som visas i figur 1 (dataserie 2), så samma datumintervall användes för att erhålla motsvarande dataserie från TradeStation (dataserie 1) . 80 av data användes för Building (kombinerat i prov och quotout-of-samplequot), med 20 (62014 till 21015) avsatta för validering. 80 av originalet 80 sattes sedan till kvotprovkvot med 20 satt till quotout-of-sample, cc som visas i Fig. 1. Bidsspridningen sattes till 5 pips och handelskostnader på 6 pips eller 60 per full - Storleksandel (100 000 aktier) antogs per omgång. Båda dataserierna ingick i byggnaden, vilket indikeras av kryssrutorna i den vänstra kolumnen i tabellen Market Data. Figur 1. Marknadsdatainställningar för att bygga en forexstrategi för MetaTrader 4 och TradeStation. Ett annat potentiellt problem vid inriktning på flera plattformar är att Builder är utformad för att duplicera hur varje stödd plattform beräknar dess indikatorer, vilket kan innebära att indikatorvärdena kommer att vara olika beroende på vilken plattform som väljs. För att undvika denna möjliga skillnadskälla bör alla indikatorer som utvärderas annorlunda i MetaTrader 4 än i TradeStation elimineras från byggnaden, vilket innebär att följande indikatorer bör undvikas: Alla andra indikatorer som är tillgängliga för båda plattformarna beräknas på samma sätt i Båda plattformarna. TradeStation innehåller alla indikatorer som finns tillgängliga i Builder, medan MetaTrader 4 inte gör det. För att bara inkludera indikatorer som finns tillgängliga på båda plattformarna, bör MetaTrader 4-plattformen väljas som kodtyp i Builder. Det tar automatiskt bort indikatorer från byggsatsen som inte är tillgängliga för MT4, vilket kommer att lämna de indikatorer som finns tillgängliga på båda plattformarna. Dessutom, eftersom jag märkte skillnader i volyldata från varje plattform, tog jag bort alla volymberoende indikatorer från byggsatsen. Slutligen avlägsnades tidsindikatorn på grund av skillnader i tidszoner mellan datafiler. I figur 2 nedan visas listan över indikatorer som används i byggsatsen sorterad efter om indikatorn beaktades av byggprocessen (quotConsiderquot-kolumnen) eller ej. Indikatorerna borttagna av hänsyn till skälen ovan diskuteras längst upp i listan. De återstående indikatorerna, som började med quotSimple Mov Avequot, var alla en del av byggsatsen. Figur 2. Indikatorval i Builder, vilket visar indikatorerna som tas bort från byggsatsen. De utvärderingsalternativ som användes i byggprocessen visas i figur 3. Som diskuterades, valdes MetaTrader 4 som kodutgångsval. När strategier har byggts i Builder kan något av alternativen på fliken Evalueringsalternativ, inklusive kodtypen, ändras och strategierna utvärderas, vilket också kommer att skriva om koden på vilket språk som valts. Denna funktion användes för att skaffa TradeStation-koden för den slutliga strategin efter strategierna byggdes för MetaTrader 4. Figur 3. Utvärderingsalternativ i Builder för EURUSD-forexstrategin. För att skapa stop-and-reverse-strategier, togs alla utmatningstyper bort från byggsatsen, som visas nedan i figur 4. Alla tre typer av orderingång - marknad, stopp och gräns - lämnades som quotconsiderquot, vilket innebär att Byggprocessen kunde överväga någon av dem under byggprocessen. Figur 4. Ordertyper som valts i Builder för att skapa en stop-and-reverse-strategi. Builder-mjukvaran genererar automatiskt regelbaserade logiska villkor för entry andor exit. Om du vill lägga till ett neuralt nätverk i strategin behöver du bara välja alternativet "Inkludera ett neuralt nätverk i inmatningsvillkor" på fliken Strategialternativ, som visas nedan i figur 5. De neurala nätverksinställningarna lämnades till deras standardvärden. Som en del av stop-and-reverse-logiken ställdes alternativet Market Sides till LongShort, och alternativet att quotWait för exit före inmatning av nya tradequot var avmarkerad. Det senare är nödvändigt för att möjliggöra att orderingången lämnar den nuvarande positionen vid en omkastning. Alla andra inställningar lämnades till standardinställningarna. Figur 5. Strategialternativ som valts i Builder för att skapa en hybridstrategi med både regelbaserade och neurala nätverksförhållanden. Den evolutionära karaktären av byggprocessen i byggaren styrs av träningen. Som beräknas utifrån de mål och villkor som definierats på fliken Metrics, som visas nedan i figur 6. Byggnadsmålen behölls enkla: maximera nettovinsten samtidigt som komplexiteten minimerades, vilket gav en liten vikt i förhållande till nettovinsten. Mer vikt läggdes på byggnadsförhållandena, vilket inkluderade korrelationskoefficienten och betydelsen för den allmänna strategikvaliteten, liksom de genomsnittliga barerna i branschen och antalet branscher. Inledningsvis inkluderades endast de genomsnittliga staplarna i branschen som ett byggnadsförhållande. I vissa av de tidiga byggnaderna blev dock nettovinsten gynnad över handelslängden, så att antalet handelsvärden ökades. Det angivna intervallet för antalet branscher (mellan 209 och 418) motsvarar genomsnittliga handelslängder mellan 15 och 30 barer baserat på antalet barer under byggnadsperioden. Till följd av att denna metriska satsning lägger större vikt vid handelslängdsmålet, vilket resulterade i att fler medlemmar av befolkningen hade det önskade utbudet av handelslängder. Figur 6. Bygg upp mål och villkor som anges på fliken Metrics, bestäm hur träningen beräknas. Kvotvillkoren för att välja Top Strategiesquot duplicerar byggnadsförhållandena, med undantag för att de översta strategiska villkoren utvärderas över hela datamängden (inte inklusive valideringssegmentet, vilket är separat), snarare än bara under byggnadsperioden, vilket är fallet för Byggnadsförhållanden. De bästa strategierna används av programmet för att avsätta alla strategier som uppfyller alla förhållanden i en separat befolkning. De slutliga inställningarna görs på fliken Byggalternativ, som visas nedan i figur 7. De viktigaste alternativen här är befolkningsstorleken, antalet generationer och möjligheten att återställa baserat på quotot-of-samplequot-prestanda. Befolkningsstorleken valdes för att vara tillräckligt stor för att få god mångfald i befolkningen och fortfarande vara tillräckligt liten för att bygga inom en rimlig tid. Antalet generationer var baserat på hur lång tid det tog under några preliminära byggnader för resultaten att börja konvergera. Figur 7. Byggalternativ inkluderar befolkningsstorlek, antal generationer och alternativ för att återställa befolkningen baserat på quotout-of-samplequot-prestanda. Alternativet att quotReset on Out of Sample (OOS) Performancequot startar byggprocessen efter det angivna antalet generationer om det angivna villkoret är uppfyllt i det här fallet kommer befolkningen att återställas om nettotillskottets quotout-of-samplequot är Mindre än 20 000. Detta värde valdes utifrån preliminära tester för att vara ett tillräckligt högt värde som det förmodligen inte skulle uppnås. Som en följd upprepades byggprocessen var 30: e generation tills man stoppade manuellt. Det här är ett sätt att låta programmet identifiera strategier baserade på Top Strategies-förhållandena under en längre tid. Periodiskt kan Topstrategies befolkning kontrolleras och byggprocessen avbröts när lämpliga strategier hittas. Lägg märke till att jag sätter quotot-of-samplequot i citat. När perioden för quotout-of-samplequot används för att återställa populationen på detta sätt, är den period som inte är exemplifierad av provet inte längre existerande. Sedan denna period nu används för att styra byggprocessen, är den en del av provperioden. Det är därför som det är lämpligt att avsätta ett tredje segment för validering, som diskuterats ovan. Efter flera timmars bearbetning och ett antal automatiska ombyggnader fanns en lämplig strategi i Top Strategies-befolkningen. Den stängda handelskapitalkurvan visas nedan i figur 8. Aktiekurvan visar konsekvent prestanda över båda datasegmenten med ett adekvat antal branscher och i huvudsak samma resultat över båda dataserierna. Figur 8. Closed-trade kapitalkurva för EURUSD stopp-och-omvänd strategi. För att kontrollera strategin under valideringsperioden ändrades datumkontrollerna på fliken Marknader (se bild 1) till slutdatumet för data (2112015) och strategin revurderades genom att välja utvärdera kommandot från strategin Menyn i byggaren. Resultaten visas nedan i figur 9. Valideringsresultaten i den röda rutan visar att strategin höll på data som inte användes under byggprocessen. Figur 9. Closed-trade equity kurva för EURUSD stopp-och-omvänd strategi, inklusive validering perioden. Slutkontrollen är att se hur strategin utfördes på varje dataserie separat med hjälp av kodutmatningsalternativet för den plattformen. Detta är nödvändigt eftersom det, som förklarat ovan, kan finnas skillnader i resultaten beroende på (1) kodtypen och (2) dataserien. Vi måste verifiera att de valda inställningarna minimerade dessa skillnader, som avsedda. För att testa strategin för MetaTrader 4 avmarkerades dataserien från TradeStation på fliken Markets och strategin revurderades. Resultaten visas nedan i Fig. 10, vilket duplicerar bottenkurvan i Fig. 9. Figur 10. Closed trade equity kurva för EURUSD stopp-och-omvänd strategi, inklusive valideringstiden, för MetaTrader 4. Slutligen Testa strategin för TradeStation, valdes dataserien från TradeStation och serien för MetaTrader 4 avmarkerades på fliken Markets, kodutgången ändrades till quotTradeStation, quot och strategin revurderades. Resultaten visas nedan i figur 11 och verkar vara väldigt lik med mittkurvan i figur 9, som förväntat. Figur 11. Closed-trade equity kurva för EURUSD stopp-och-omvänd strategi, inklusive validering perioden, för TradeStation. Koden för båda plattformarna finns nedan i figur 12. Klicka på bilden för att öppna kodfilen för motsvarande plattform. Att granska koden avslöjar att den regelbaserade delen av strategin använder olika volatilitetsrelaterade förhållanden för långa och korta sidor. De neurala nätverksingångarna består av olika indikatorer, inklusive veckodags, trend (ZLTrend), intraday high, oscillatorer (InvFisherCycle, InvFisherRSI), Bollinger-band och standardavvikelse. Strategiets hybrid-karaktär kan ses direkt i koddeklarationen (från TradeStation-koden): Om EntCondL och NNOutput gt 0.5 börjar sedan Köp (quotEnMark-Lquot) NShares aktier nästa stapel på marknaden Variabeln quotEntCondLquot representerar regelbaserad post Villkor och quotNNOuputquot är utsignalen från det neurala nätverket. Båda förutsättningarna måste vara sanna att placera lång orderingång. Korttillståndet fungerar på samma sätt. Figur 12. Handelsstrategikod för EURUSD stopp-och-omvänd strategi (vänster, MetaTrader 4 rätt, TradeStation). Klicka på siffran för att öppna motsvarande kodfil. Hämta en Builder-projektfil (.gpstrat) med de inställningar som beskrivs i den här artikeln. Den här artikeln tittade på processen att bygga en hybridregelbaserad nätverksstrategi för EURUSD med hjälp av en stopp-och-omvänd (alltid på marknaden) strategi med Adaptrade Builder. Det visades hur strategikoden kan genereras för flera plattformar genom att välja en gemensam delmängd av indikatorerna som fungerar på samma sätt på varje plattform. Inställningarna som behövs för att generera strategier som vänder om från lång till kort och bakåt beskrivs, och det visades att den resulterande strategin utfördes positivt på ett separat, valideringssegment av data. Det verifierades också att strategin genererade liknande resultat med data - och kodalternativet för varje plattform. Som diskuterats ovan har stop-and-reverse-metoden flera nackdelar och kan inte vädja till alla. Emellertid kan en allt-i-marknaden-strategi vara mer attraktiv med forexdata eftersom valutamarknaden handlar dygnet runt. Som ett resultat är det inga öppningsöppningar, och handelsorderna är alltid aktiva och tillgängliga för att byta handel när marknaden förändras. Användningen av intradagdata (4-timmarsfält) gav flera databärare för användning i byggprocessen, men var annars ganska godtycklig, eftersom strategin alltid innehas av marknaden innebär att handeln överförs över natten. Byggprocessen fick utveckla olika förutsättningar för att komma in lång och kort, vilket resulterade i en asymmetrisk stopp-och-omvänd strategi. Trots namnet går den resulterande strategin i både långa och korta affärer på marknadsordningar, även om marknads-, stopp - och gränsvärdena alla betraktades av byggprocessen oberoende av varje sida. I praktiken skulle omvändning från lång till kort innebära att man säljer kort två gånger så många aktier på marknaden som strategin för närvarande var länge t. ex. Om den nuvarande långa positionen var 100 000 aktier skulle du sälja korta 200 000 aktier på marknaden. På samma sätt, om den nuvarande korta positionen var 100 000 aktier, skulle du köpa 200 000 aktier på marknaden för att vända från kort till lång. En kortare prishistoria användes än vad som skulle vara idealisk. Nonetheless, the results were positive on the validation segment, suggesting the strategy was not over-fit. This supports the idea that a neural network can be used in a trading strategy without necessarily over-fitting the strategy to the market. The strategy presented here is not intended for actual trading and was not tested in real-time tracking or trading. However, this article can be used as a template for developing similar strategies for the EURUSD or other markets. As always, any trading strategy you develop should be tested thoroughly in real-time tracking or on separate data to validate the results and to familiarize yourself with the trading characteristics of the strategy prior to live trading. This article appeared in the February 2015 issue of the Adaptrade Software newsletter. HYPOTHETICAL OR SIMULATED PERFORMANCE RESULTS HAVE CERTAIN INHERENT LIMITATIONS. I likhet med en verklig prestationsrekord, representerar SIMULERADE RESULTAT INTE VERKLIGT HANDEL. ALSO, SINCE THE TRADES HAVE NOT ACTUALLY BEEN EXECUTED, THE RESULTS MAY HAVE UNDER - OR OVER-COMPENSATED FOR THE IMPACT, IF ANY, OF CERTAIN MARKET FACTORS, SUCH AS LACK OF LIQUIDITY. SIMULERADE HANDELSPROGRAMMER I ALLMÄNT ÄR ÄVEN FAKTISKT ATT DE DESIGNERAS MED FÖRDELNINGEN AV HINDSIGHT. INGEN REPRESENTATION GÖRAS ATT ANTAL RÄKTER ELLER ÄR LIKTIGT FÖR ATT FÖRVÄNDA RESULTAT ELLER TABELL SOM LIKNAR TILL DE VISADE. If youd like to be informed of new developments, news, and special offers from Adaptrade Software, please join our email list. Thank you. Neural Network Software for Forex, Stocks, and Futures What is a Neural Network While artificial neural networks are not as complex as the human brain, they can assume brain-like functions. Similar to the human learning process, artificial neural networks can be designed to learn patterns from exposure to repeated examples of those patterns. Like the human brain, neural networks learn by sifting through data over and over again to find patterns. This repeated exposure allows neural networks to generalize conclusions about related but previously unseen patterns. VantagePoints Neural Networks do the learning for you The process of pattern recognition is what gives artificial neural networks their ability to make forecasts of future market patterns such as the short term trend direction of individual markets. Specifically, VantagePoints Neural Networks study data and learn subtle relationships within and between related domestic and global markets. They can then recognize hidden repeating patterns in global market data and use this information to make highly accurate predictive market forecasts that you can apply to your trading. Transformative technology giving you an invaluable edge The Neural Networks are just one of the building blocks of VantagePoints revolutionary technology that gives traders like you highly accurate market forecasts for a definitive edge. Louis Mendelsohn, a recognized trading software pioneer and our company founder, and his research team, the Predictive Technologies Group, have spent millions of dollars and nearly three decades researching and applying neural networks to the global financial markets. Mr. Mendelsohn has written extensively about neural networks and their application to the global markets and trend forecasting in numerous books and dozens of technical articles in financial journals over the past twenty-five years. Neural Network Forex Model Account Details Most values on this page (including the Strategy Equity Chart, above) have been adjusted by estimated trading commissions and subscription costs. Some advanced users find it useful to see quotrawquot Model Account values. These numbers do not include any commissions, fees, subscription costs, or dividend actions. Strategy developers can quotarchivequot strategies at any time. This means the strategy Model Account is reset to its initial level and the trade list cleared. However, all archived track records are permanently preserved for evaluation by potential subscribers. ,. ,,. , , . , , , , , , . , , , . , - , , . , , . , , , , . , - , , . , , , -. . , ( ) . . , , , , , . , , go-forward . , , , , . . , , , . , -, , . . . , - ( , Maximum Peak to Valley Drawdown.) , , . , , , . . . ,. ,. Not available