Андрей Дибров - Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание

Тут можно читать онлайн Андрей Дибров - Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание - бесплатно ознакомительный отрывок. Жанр: Личные финансы, год 2019. Здесь Вы можете читать ознакомительный отрывок из книги онлайн без регистрации и SMS на сайте лучшей интернет библиотеки ЛибКинг или прочесть краткое содержание (суть), предисловие и аннотацию. Так же сможете купить и скачать торрент в электронном формате fb2, найти и слушать аудиокнигу на русском языке или узнать сколько частей в серии и всего страниц в публикации. Читателям доступно смотреть обложку, картинки, описание и отзывы (комментарии) о произведении.
  • Название:
    Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание
  • Автор:
  • Жанр:
  • Издательство:
    неизвестно
  • Год:
    2019
  • ISBN:
    нет данных
  • Рейтинг:
    4/5. Голосов: 11
  • Избранное:
    Добавить в избранное
  • Отзывы:
  • Ваша оценка:
    • 80
    • 1
    • 2
    • 3
    • 4
    • 5

Андрей Дибров - Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание краткое содержание

Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание - описание и краткое содержание, автор Андрей Дибров, читайте бесплатно онлайн на сайте электронной библиотеки LibKing.Ru
Книга для новичков и продвинутых трейдеров, желающих раздвинуть горизонты традиционного анализа рынка. Сокращенное описание пошаговой инструкции для разработки системы ведения автоматической торговли на финансовых рынках в терминале MT4, основанной на анализе рыночной ситуации нейронными сетями MATLAB.В сокращенном платном издании более подробно описана взаимосвязь и порядок работы MATLAB и MT4. Неограниченные возможности модернизации, творческий подход, не требует глубоких знаний в программировании, комплект новых пользовательских индикаторов.

Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание - читать онлайн бесплатно ознакомительный отрывок

Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание - читать книгу онлайн бесплатно (ознакомительный отрывок), автор Андрей Дибров
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать
Выберем модель нейросети Multilayer Perceptron Нажмем кнопку Browse И - фото 15

Выберем модель нейросети

Multilayer

Perceptron

.

Нейросетевая торговая система Пошаговая разработка для платформы META TRADER 4 в среде MATLAB Сокращенное издание - фото 16

Нажмем кнопку Browse…

И откроем файл с обучающими входами Далее откроем файл с обучающим выходом - фото 17

И откроем файл с обучающими входами.

Далее откроем файл с обучающим выходом Определим 30 данных из трен - фото 18 Далее откроем файл с обучающим выходом Определим 30 данных из - фото 19

Далее откроем файл с обучающим выходом.

Определим 30 данных из тренировочного множества для перекрестной проверки в - фото 20 Определим 30 данных из тренировочного множества для перекрестной проверки в - фото 21

Определим 30% данных из тренировочного множества для перекрестной проверки в процессе обучения нейросети. Жмем кнопку Next до тех пор, пока не сформируется нейросеть.

Нейросетевая торговая система Пошаговая разработка для платформы META TRADER 4 в среде MATLAB Сокращенное издание - фото 22 Нейросетевая торговая система Пошаговая разработка для платформы META TRADER 4 в среде MATLAB Сокращенное издание - фото 23 Нейросетевая торговая система Пошаговая разработка для платформы META TRADER 4 в среде MATLAB Сокращенное издание - фото 24 С помощью кнопки Start и запустим процесс обучения - фото 25 С помощью кнопки Start и запустим процесс обучения - фото 26 С помощью кнопки Start и запустим процесс обучения После завершения - фото 27 С помощью кнопки Start и запустим процесс обучения После завершения процесса - фото 28

С помощью кнопки Start и запустим процесс обучения.

После завершения процесса обучения нажмем кнопку Testing В выпадающе - фото 29 После завершения процесса обучения нажмем кнопку Testing В выпадающем списке - фото 30

После завершения процесса обучения нажмем кнопку Testing.

В выпадающем списке выберем Production Выберем файл с данными для анализа - фото 31 В выпадающем списке выберем Production Выберем файл с данными для анализа - фото 32

В выпадающем списке выберем Production.

Выберем файл с данными для анализа Создадим текстовой файл Prod - фото 33

Выберем файл с данными для анализа.

Создадим текстовой файл Prod И экспортируем в него данные с результатами - фото 34 Создадим текстовой файл Prod И экспортируем в него данные с результатами - фото 35

Создадим текстовой файл Prod.

И экспортируем в него данные с результатами полученными от нейросети - фото 36

И экспортируем в него данные с результатами, полученными от нейросети.

Откроем файл Prod и скопируем из него отклики нейросети Вставим эти отклики - фото 37 Откроем файл Prod и скопируем из него отклики нейросети Вставим эти отклики - фото 38

Откроем файл Prod и скопируем из него отклики нейросети.

Вставим эти отклики рядом с реальными дневными закрытиями которые мы хотели бы - фото 39

Вставим эти отклики рядом с реальными дневными закрытиями, которые мы хотели бы получить в результате работы нейросети.

Поместим эти данные на график Результат вроде бы нас должен устроить - фото 40 Поместим эти данные на график Результат вроде бы нас должен устроить - фото 41

Поместим эти данные на график.

Результат вроде бы нас должен устроить Кажется что полученный результат - фото 42

Результат вроде бы нас должен устроить. Кажется, что полученный результат хорошо накладывается на график цен закрытия. Однако, увеличив масштаб, мы обнаружим, что

график отклика нейросети, хоть и повторяет график цен, но на один шаг от него отстает. Причем это не зависит – прогнозируем ли мы ценовые данные или производные от них. Исходя из этого, мы можем вывести какой-то постулат. Например – “То, что для нас – вчера, для нейросети – сегодня”. Согласитесь, что здесь, в принципе, ни о каком прогнозе речи идти не может. Однако, забегая вперед, отмечу, что данный вариант, при определенной доработке мы так же будем использовать. Но, мы бы, конечно, хотели бы использовать постулат – “То, что для нейросети сегодня, для нас – завтра”. Машина времени, какая то. Но мы с Вами ведь понимаем, что все-таки самая лучшая нейросеть – это наш мозг. И то, мы можем использовать этот постулат максимум с 50% успехом (если мы говорим о вероятности да или нет), а то и хуже. Но ведь есть еще и третий вариант постулата – “То, что для нейросети – вчера, для нас – сегодня”. Разберем, что для нас означают эти постулаты в трейдинге:

первый – мы совершаем сделку и завтра получаем ответ от нейросети, что мы открылись в правильном направлении или нет. Хотя мы это уже знаем и без нейросети;

второй – мы получаем информацию от нейросети, совершаем сделку и завтра видим, правильная рекомендация была или нет;

третий – мы получаем информацию от нейросети, когда нам надо совершить ту или иную сделку.

Первый вариант, естественно мы отбрасываем сразу. А вот второй и третий для торговли подходят. Однако второй вариант – вариант как бы заглядывания в будущее. Утрировано этот вариант торговли заключается в том, что мы получаем сигнал от нейросети в определенный момент времени – например по закрытию дня с прогнозом как закроется следующий день. Реализовать его для чисто механической торговли на данном этапе сложно. Ну, а если представить, что им получит возможность воспользоваться большинство торговцев – то он сразу же потеряет свою актуальность. Смысл третьего варианта, заключается в том, что мы отслеживаем отклик нейросети на протяжении торговой сессии и покупаем либо продаем его интерпретируя. И здесь нам надо понять основное. Какой из вариантов мы сможем реализовать зависит от того как мы будем обучать нейросеть. И согласитесь, что третий вариант реализовать все-таки легче. Если во втором – мы будем использовать, какую либо информацию с прицелом на получение результата на следующий день – его закрытия (день выбран как пример, естественно может быть какой либо другой период), то в третьем варианте мы используем информацию, пришедшую за шаг до принятия решения – куда двинется цена в этот момент времени.

Читать дальше
Тёмная тема
Сбросить

Интервал:

Закладка:

Сделать


Андрей Дибров читать все книги автора по порядку

Андрей Дибров - все книги автора в одном месте читать по порядку полные версии на сайте онлайн библиотеки LibKing.




Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание отзывы


Отзывы читателей о книге Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание, автор: Андрей Дибров. Читайте комментарии и мнения людей о произведении.


Понравилась книга? Поделитесь впечатлениями - оставьте Ваш отзыв или расскажите друзьям

Напишите свой комментарий
x