Forex_nn_ind

Mapas Self-Organizing SnowCron usando o mapa auto-organizador para criar o Neural Network Trading System. Análise Técnica FOREX com Classificação Automática Kohonen Neural Network. Neural Network Trading com Kohonen Neural Network. Neste tutorial on-line gratuito, você encontrará o ciclo completo do uso de mapas autoorganizados incorporados no Cortex (redes neuronais SOM, kohonen) para negociação Forex (ou negociação de ações, a idéia é a mesma). Você aprenderá a escolher entradas para o Self Organizing Maps. E como decidir o que fazer com o resultado. Você encontrará um exemplo de um script pronto para usar que permite a otimização tanto do Self Organizing Maps (número de neurônios) como dos parâmetros de negociação (stop loss etc.) Finalmente (a parte que não está presente na maioria dos tutoriais), Você aprenderá o que fazer a seguir. Afinal, o software Cortex Neural Networks não pode fazer negócios em tempo real, você precisa usar algo como Trade Station, MetaStocks ou MetaTrader. Como implementar a Estratégia de negociação forex baseada no Google Self Organizing Maps do Cortex para sua plataforma de negociação favorita Você tem que lidar com DLLs, controles ActiveX e programação de baixo nível. A resposta é NÃO. O Cortex vem com o recurso fácil de usar que permite que você facilmente apresente os Mapas Auto-organizados (treinados) resultantes para a linguagem de script da sua plataforma de negociação. Sem DLLs, DDE, ActiveX ou quaisquer outras soluções de baixo nível - tudo é simples e simples. Nota importante: este não é um tutorial sobre o comércio. Em vez disso, ele diz como usar o Cortex, mas você ainda precisa inventar seu próprio sistema comercial. Aquele que usamos aqui é apenas um ponto de partida, e não deve ser usado para negociação de Forex como está. A idéia deste texto é ensinar você a criar a estratégia de negociação forex baseada em Mapas Auto-Organizadora e a portá-los para a plataforma de negociação de sua escolha. O exemplo é, no entanto, ovesimplificado, e só pode ser usado como ilustração dos princípios de negociação. Da mesma forma, o sistema de negociação MACD, que pode ser encontrado em muitos tutoriais, já não está funcionando bem (como os mercados mudaram), mas ainda é um bom exemplo de usar indicadores de negociação mecânica. Em duas palavras: faça sua própria análise. Outra nota importante: o tutorial está usando exemplos, muitos deles. Para tornar sua vida mais fácil, incluí todos eles, não apenas fragmentos. No entanto, torna o texto muito mais longo. Além disso, estou indo desde o primeiro, desajeitado, sistemas de negociação, até mais avançado, explicando sempre o que foi melhorado e por quê. Seja paciente ou passe diretamente para a seção que você precisa. Nota importante final: o código não é algo esculpido em pedra, ele pode mudar enquanto este texto foi escrito. As versões finais dos arquivos de script estão incluídas no arquivo de software do Cortex Neural Networks. Clustering Data: teste simples Em primeiro lugar, vamos tentar uma abordagem direta - vamos alimentar o nosso Mapa de autoorganização com seqüência de 0 e 1. Isso deve nos dar dois clusters, que é fácil de distinguir visualmente: como podemos ver, Self Organizing Maps Pode facilmente lidar com esta tarefa, criando dois argumentos: quando traçamos dados e neurônios vencedores, podemos ver que o sistema funciona bem - 0 e 1 estão claramente separados. Mapa de agrupamento: Visualizando resultados A abordagem que usamos no exemplo anterior é bastante desajeitada - nós conspiramos números de neurônios vencedores. Isso não é muito informativo, e se queremos usar essas informações, por exemplo, como uma entrada do software das redes neurais - não muito útil. A razão é - o número de um neurônio está dentro de um tamanho 0 de um intervalo de matriz, e a Rede Neural terá que descobrir uma relação complexa entre ele e um neurônio de cluster pertence. Além disso, em um gráfico, isso nos dará uma linha não óbvia. Em um SOM, podemos identificar de maneira exclusiva um neurônio por suas coordenadas (X, Y) e um sinal que ele produz - adicionando uma coordenada Z. Além disso, uma cor em um gráfico de computador é geralmente representada pelo vetor (Vermelho, Verde, Azul), então aqui está um truque: pergunte ao nosso sistema para produzir não os números dos neurônios, mas as cores correspondentes. Usamos as seguintes fórmulas em linguagem C: vamos percorrer o código, desta vez, vamos usar uma função SIN (X). Como você pode ver, classificar padrões no SIN (x) é feito bem. Além disso, em um gráfico de cores suave, é fácil de ver, que as cores são devidamente atribuídas a partes de tendência semelhantes de um gráfico. Sinais de Forex: usando cotações reais Agora, use citações reais e veja se nosso mapa auto-organizado será capaz de lidar com elas da mesma forma que tratou SIN (x). Como você pode ver no gráfico, o SOM funcionou, mas. A classificação não é muito útil. O problema é, como seria de esperar, no fato de que o gráfico (CLOSE citações para EURUSD) está subindo, então o mesmo padrão no início de um gráfico e no final é considerado (por mapa auto-organizado) como Dois padrões completamente diferentes. Estratégia de negociação Forex: o indicador NOC indicador NOC (Normalize On Condition) foi criado e usado em um dos artigos anteriores para lidar com o requisito do NN - ele precisa de dados normalizados para funcionar. Nós vamos usar NOC com mapa auto-organizado para classificar as tendências das citações FECHAR. Nota. Que eu pessoalmente NÃO acho que o NOC seja um indicador perfeito para ser usado com o SOM. Algum tipo de indicador de claster, mostrando fluxo de dinheiro entre diferentes moedas, provavelmente irá fazer um trabalho muito melhor. Então, considere isso como um exemplo e crie seu próprio sistema comercial. Para testar o nosso sistema, você pode usar o arquivo de citações eurusdh1long. txt, que está incluído no arquivo Cortex, juntamente com o mais curto eurusdh1.txt. Quando você o usa (ao substituir o curto no código), você pode ver nosso comportamento de sistemas no teste fora da amostra, nos dados, nunca visto. Nesse teste, NOC não falha, mas também não brilha. Além disso, usamos ciclos para encontrar parâmetros mais agradáveis. Acima é um pequeno fragmento de um gráfico resultante. Note-se que é muito difícil dizer de que uso podemos ter para este tipo de classificação, mas a) talvez, a Rede Neural da FFBP possa fazer sence e b) é apenas um exemplo. Também podemos usar gráficos diários. Abaixo está o código quase idêntico para o preço das ações da MSFT. Estratégia de negociação FOREX sem Kohonen SOM Com o gráfico que obtivemos no capítulo acima, é difícil criar um sistema de sistema de comércio forex. Existe uma classificação, tudo bem. Mas não parece tendência - verde, trento para baixo - vermelho. Então, vamos usar uma rede neural FFBP para sair disso. Para torná-lo melhor, utilizamos a saída Auto-Organizadora de Mapa e NOC como entradas FFBP NN. Nós vamos usar o script do artigo sobre Neural Networks FOREX Trading. Isso, eu suponho, você já leu. Primeiro, vamos executar o script original, SOM-free, novamente e encontrar o conjunto ideal de parâmetros NN. Aqui, podemos escolher um vencedor. Note-se que superar o mercado não é nosso objetivo aqui, o que queremos fazer, é ter um sistema FFBP mais ou menos trabalhado e ver se seu desempenho pode ser melhorado ao fornecer entradas adicionais do SOM. Negociações: 27 (Compra: 27, Vendo: 0) NocInterval: 12, Gama: 0.004, Ma: 3 Lag: 2, Neurônios: 5 Parada: 0.0200, Tp: 0.0000, Aumento de parada: 0.600000, Compra: 0.170, Vendo: 0.900 Drawdown: 0.299 Lucro: 6174.000000 (longo: 6174.000000, curto: 0.000000) Este gráfico parece ser bom o suficiente. No próximo capítulo, iremos usar o Auto-Organizing Map output, além do NOC. Usando Kohonen Neural Network e FFBP Neural Network juntos, vamos remover ciclos do exemplo anterior e adicionar um mapa auto-organizador. O Kohonen SOM foi criado por som04.tsc, note, que você precisa executar esse script primeiro. Então, antes de tudo, execute som04.tsc e renomeie o Mapa Auto-Organizador resultante para som04winner. kh. O script a seguir usa o Kohonen SOM existente e tenta encontrar parâmetros ótimos para FFBP NN que usa sua saída como uma entrada, além do NOC. Trades: 29 (Compra: 29, Vendo: 0) NocInterval: 12, Gama: 0,000, Ma: 3 Lag: 2, Neurônios: 7 Parada: 0,0200, Tp: 0,0000, Aumento de parada: 0,500000, Comprar: 0.140, Vendo: 0.900 Drawdown: 0.557 Lucro: 6677.000000 (long: 6677.000000, short: 0.000000) Como você pode ver, pelo menos um gráfico é melhor do que era sem SOM, embora novamente, este é apenas um exemplo, e para um sistema de comércio real, NOC É, provavelmente, NÃO a melhor escolha de entrada para o Kohonen SOM (é muito bom para o FFBP NN, no entanto). Removendo ciclos do Sistema de Negociação de Rede Neural FFBP Agora, deixamos nosso sistema comercial para uma plataforma de negociação real. Afinal, o software Cortex Neural Networks não pode fazer negócios on-line, então precisamos usar MetaTrader, TradStation ou qualquer outra coisa. Nós vamos criar um script para o especialista do MetaTrader aqui, que usa nosso FFBP NN e SOM. Fazemos isso em duas etapas. Em primeiro lugar, vamos repetir os passos do artigo de negociação Forex das Redes Neurais, para a nossa FFBP vencedora. Então, adicionamos SOM. Para fazê-lo, removemos ciclos do código som05.tsc, ele nos deixa com um código, que usa um único NN vencedor. Então, adicionamos código para este script, para PRINT pesos de neurônios. Formamos esse resultado, para que ele seja compatível com a sintaxe MetaTraders (ou outra plataforma de negociação, é você). Como resultado, temos uma grande variedade de pesos NN, que podemos colar no código especialista / indicador de uma plataforma de negociação de sua escolha. Por enquanto, vamos remover todos os ciclos desnecessários de som5.tsc, para que possamos o script, que funciona com um vencedor NN. À medida que usamos NN vencedor, precisamos buscá-lo em algum lugar. O Cortex vem com som05winner1.nn (criado em som05.tsc e depois renomeado). Note-se que o código ainda tem ciclos - apenas para ser o mais familiar possível -, mas esses ciclos só são feitos uma vez. Além disso, alguns parâmetros para o Noc e a rede são codificados: som06.tsc, FFBP, sem SOM ainda Exportando pesos das Redes Neurais O próximo passo é exportar pesos da Rede Neural para a linguagem de script de uma plataforma de negociação de nossa escolha. Aqui estamos apenas repetindo o Neural Networks Forex Trading. Para fazê-lo, adicionamos algumas instruções PRINT ao som06.tsc, e produzirá a saída necessária. Basta inserir o seguinte código no som06.tsc: Note, que a lógica por trás disso foi discutida no artigo Neural Networks Forex Trading já. Resumidamente, a saída deste script é formada para ser compatível com o mecanismo de script MQ4, MetaTraders. MetaTrader é uma plataforma de negociação que usamos, se você quer algo diferente, como a TradeStation, por exemplo, você terá que alterar o código para cumprir sua sintaxe. Então, nos capítulos seguintes, vamos inserir este código no indicador MetaTraders e usá-lo para negociar. Emulando o APPLYNN O próximo passo não é realmente necessário, mas é algo que pode ser útil para encontrar e corrigir erros no código. Vamos criar uma versão do som06.tsc, mas desta vez, usaremos SLANG (Cortex built-in scripting language) para emular a função APPLYNN. A razão é que, no próximo capítulo, vamos transferi-lo para a linguagem de script de uma plataforma de negociação MetaTrader, por isso é uma boa idéia garantir que tudo funcione. Portando a Rede Neural FFBP para a plataforma de negociação O código a seguir é retirado do artigo Neural Networks Forex Trading. É um par de indicador pronto e usado e um especialista, que usa esse indicador. Nenhum código de rede neural de kohonen ainda. Como de costume, tenha em mente que é apenas um exemplo, que não é necessariamente sempre ser lucrativo. Além disso, como alguns de nossos códigos MetaTrader são os mesmos para todos os especialistas e indicadores, nós o transferimos para um arquivo de biblioteca separado. As bibliotecas do MetaTraders não são mais que arquivos inclusíveis. Esta biblioteca cuida da sincronização, quando dois ou mais especialistas estão tentando executar ao mesmo tempo, bem como algumas outras coisas. Se você usa o MetaTrader, ele irá ajudá-lo a criar especialistas robustos, em qualquer caso, a linguagem MQL é fácil de entender. Mylib. mql, uma biblioteca auxiliar Kohonen Neural Network FFBP Neural Network, sem ciclos Nós terminamos com um sistema de comércio forex que usa apenas redes FFBP. Agora, vamos fazer o mesmo trabalho com uma estratégia de negociação forex. Que usa FFBP e Kohonen SOM juntos. Antes de tudo, vamos tirar o som07.tsc novamente e executá-lo, para escolher a melhor rede FFBP. Note-se que o mapa de agrupamento Kohonen para este script foi criado anteriormente (em som04) e armazenado como som07winer. kh, então não precisamos recriá-lo. Comércio: 52 (Compra: 52, Vendo: 0) NocInterval: 12, Gama: 0.004, Ma: 3 Lag: 2, Neurônios: 3 Parada: 0.0200, Tp: 0.0000, Aumento de parada: 0.600000, Compra: 0.170, Vendo: 0.900 Drawdown: 0.981 Lucro: 6820.000000 (long: 6820.000000, short: 0.000000) Então, vamos remover ciclos de som07.tsc, para obter o script que vamos para a porta: Exportação de pesos do mapa auto-organizacional Permite adicionar o código para imprimir o Neural Parâmetros de rede, tanto para FFBP Neural Network quanto para o mapa auto-organizado. Fazemos isso adicionando o seguinte a som10.tsc: Emulando a função APPLYSOM O próximo passo é adicionar o código, que emula a função de aplicação, usando linguagem genérica de script em vez de chamadas específicas do Cortex. Como já temos esse código para FFBP NN, vamos nos concentrar somente no SOM. Portando o sistema auto-organizador do sistema de negociação forex baseado em MT O passo final é transferir nosso script para o MetaTrader, para que ele possa ser usado para negociação real. Nós vamos usar o mesmo especialista que no exemplo acima do FFBP acima, no entanto, o indicador conterá o código FFBP e SOM. Note, além disso, mylib. mq4 é usado, seu código é o mesmo que no exemplo FFBP. O código de indicadores foi criado com base no exemplo FFBP, adicionando o código SOM, portado de som12.tsc: Notas finais. É isso. Agora você pode criar o script Cortex Neural Network Software, que leva a saída SOM como suas entradas, entre outras entradas, otimizando-a para negociar e apresente-a para a plataforma comercial escolhida. Observe que esta não é sua única opção - você pode usar essa abordagem, por exemplo, para criar NF FFBP que usa mais de um indicador mais outra saída FFBP NN como sua entrada e assim por diante. Download Cortex Order Cortex View Price List A visibilidade é muito importante para este site. Se você gosta, por favor, faça o link para este URL. Como criar um NN-EA em MT4 Este KOHONENN v15 está tendo lógica diferente com o treinamento. Tigerwong fez uma boa publicação na página anterior: tenha uma função para coletar seus próprios dados de marca. Esta EA deve ter ferramenta adicional: script para coletar os dados para NS2-32.dll. Posso publicá-lo quando lerá essas páginas neste link russo. Como este KOHONENN v15 foi criado por módulos: módulo para coletar os dados para NS2-32.dll. Módulo de treinamento. Eu vou ler esta página da internet russa e publicarei algo que eu entendo por isso. Newdigital: este KOHONENN v15 está tendo lógica diferente com treinamento. Tigerwong fez uma boa publicação na página anterior: Esta EA deve ter ferramenta adicional: script para coletar os dados para NS2-32.dll. Posso publicá-lo quando lerá essas páginas neste link russo. Como este KOHONENN v15 foi criado por módulos: módulo para coletar os dados para NS2-32.dll. Módulo de treinamento. Eu vou ler esta página da internet russa e publicarei algo que eu entendo por isso. Teldon: eu encontrei esse indicador e especialista em algum lugar, alguém pode olhar os códigos e ajudar a testar, por favor. Eu vi este código da parte final das Redes Neurais e Stock / Forex Trading. É um tipo e se referem ao indicador forexnn para decidir a decisão. O peso é exportado do NN criado e ensinado usando o software Cortex colado no indicador forexnn. Eu também não sei por que o e não corre (execute o pedido). A lógica é simples, ele irá colocar a compra se o indicador acima de 0,21 da barra previos e colocar a venda se o indicador abaixo de 0,9 da barra previos. Você já colocou a EA na Eur / Usd com TF 1H tigerwong: oi ruparaw, você já colocou a EA na Eur / Usd com TF 1H sim eu fiz isso na noite passada para o teste de frente para o Eur / Usd com TF 1H. Nada foi desencadeado, mas nenhum erro. Tigerwong: quando eu anexei o indicador, não parecia o mesmo com a sua imagem. A curva amarela tornou-se linha. Além disso, na minha opinião, o indicador deve dar um valor. Mas esse indicador mostra uma linha de 2, então qual é o valor certo. A imagem que eu anexei não era da minha corrida de teste, eu apenas liguei isso nas notas Neural Networks e Stock / Forex Trading. Minha corrida de teste também é igual à sua.