Tema: Sistemas de codificación y negociación excesivamente complejos.

todo lo que puedo decir sobre este hilo es wtf ........

1 Adjunto (s) Los sistemas de negociación varían en complejidad desde lo simple a lo inescrutable. Joe Krutsinger Ha pasado mucho tiempo desde la primera modelo neuronal de McCulloch y Pitts (1943). Pero ahora, con tantos hogares con una computadora. Estas redes neuronales artificiales. puede ser utilizado por casi todos. Son modelos no lineales, basados ??????libremente en cómo está estructurado el cerebro humano. Trataré de omitir muchos detalles porque no quiero complicar demasiado las cosas. Solo lo básico. Nuestra red neuronal artificial simple tendrá entradas de remolque, estas entradas pueden ser cualquier cosa. Primero entrarán en dos neuronas, cada pequeño bit de datos les dará un peso (algo así como un nivel de importancia), de ellos irán a otras tres neuronas, que están interconectadas y que la información será procesada. Esta información se enviará a la neurona de salida para que se procese la información y se agreguen más pesos. Entonces todos estos pesos {estos niveles de importancia}. Se agregarán Basado en esta información. Compraremos o venderemos, la libra esterlina, ya que se ejecutará en un optimizador de fuerza bruta. Volverá que acaba de perder o hecho x cantidad de dólares, la red neuronal habrá aprendido que la solución que se le ocurrió es basura o buena y desde allí. Intentará con otra solución. El proceso se repetirá hasta que aparezca la mejor solución a este problema. Esta red neuronal es una de las más simples. Es solo un aprendizaje previo, lo que significa que la información va solo en un sentido, desde la entrada hasta la salida, y luego vuelve a intentarlo, para ver si puede ofrecer una mejor solución. Una red neuronal un poco más compleja utiliza la propagación de regreso, lo que significa que la información avanza y retrocede, las neuronas tratarían de encontrar la solución. La tasa de error se calculará. Cuanto menor es el error, más cerca está de resolver el problema. Esta información se transmitirá a las neuronas. Entonces entienden que van en la dirección incorrecta o la correcta. ((Podríamos ver también este)) El peso puede ser positivo o negativo. Para que no tome demasiado tiempo. Solo usamos -1, 0 o 1 ya que tenemos nueve áreas donde se puede agregar peso y se pueden poner tres pesos diferentes en esos puntos. Esto nos da 19, 683 combinaciones diferentes. Para una solución aún más refinada. Podríamos permitir que pasara de -10 a 10, y así sucesivamente, pero esto consumiría mucho tiempo en TradeStations. Mantenga esto lo más simple posible. Las únicas dos entradas, le daremos es un promedio móvil simple de tres en comparación con sí mismo. Hace tres periodos. La segunda entrada será el promedio móvil simple de tres en comparación con sí mismo hace cinco períodos. Recuerde que estas entradas pueden ser cualquier cosa, por ejemplo: el precio de cierre del oro. El RSI, ADX una moneda diferente, y así sucesivamente. La única diferencia aquí es que, como diseñador de sistemas. No tenemos que explicarle que compre si el promedio móvil es mayor que un período anterior y menorHace cinco periodos a un poco más de dos periodos atrás. Y así sucesivamente. Todo esto será descubierto por la red neuronal. Y el nivel de importancia para cada uno también será resuelto. Función para el nombre TradeStations: Htangent Entrada: x (NumericSimple), {input to function} NTerms (NumericSimple); {# términos en serie} Var: pi (3.1415926536), suma (0), ii (0); Sum = 0 .; Para ii = 0 a NTerms Begin Sum = Sum 1./(Power(((ii 0.5) * pi), 2) Power (x, 2)); Fin; Htangente = Suma * 2 * x; __________________________________________________ ___________________________ Señal para TradeStations nombre: Neural net simple Entradas: synapse1 (0), synapse2 (0), synapse3 (0), synapseA1 (0), synapseA2 (0), synapseA3 (0), synapseB1 (0), synapseB2 (0) , synapseB3 (0); Var: inputneuron1 (0), inputneuron2 (0), Hiddenneuron1 (0), Hiddenneuron2 (0), Hiddenneuron3 (0), neuronOut (0); {inputs} if (promedio (C, 3) - promedio (C, 3) [2]) gt; 0 Luego inputneuron1 = 1 Else inputneuron1 = -1; if (promedio (C, 3) - promedio (C, 3) [5]) gt; 0 Luego inputneuron2 = 1 Else inputneuron2 = -1; {neural net} Hiddenneuron1 = Htangent (synapse1 * inputneuron1 synapseA1 * inputneuron2, 50); Hiddenneuron2 = Htangent (synapse2 * inputneuron1 synapseA2 * inputneuron2, 50); Hiddenneuron3 = Htangent (synapse3 * inputneuron1 synapseA3 * inputneuron2, 50); neuronOut = Htangent (synapseB1 * Hiddenneuron1 synapseB2 * Hiddenneuron2 synapseB3 * Hiddenneuron3, 50); {comprar o vender} Si neuronOut gt; = 0.5 luego comprar la siguiente barra en High stop; Si neuronOut lt; = -0.5, luego Sell next bar en low stop; __________________________________________________ _______ La red neuronal ya no es costosa. Puede hacer que se ejecute en Excel por unos 70 a 150 dólares. Simplemente ingrese todos sus datos en una hoja de Excel y déjela ir a la ciudad. Solo pensé que sería genial si pudieras ver el proceso de codificación que está detrás. Quizás la próxima vez, podemos echar un vistazo a la red neuronal más compleja, donde la tasa de error se calcula con la propagación hacia atrás. Y en lugar de averiguar cómo usar algo en tiempo real, conseguiremos pronosticar el precio de cierre para los próximos días.

Enfriar hilo MIB, creo que voy a compartir algunas de las cosas que he estado haciendo. Tal vez esto debería ser más de vanguardia y menos sobre demasiado complejo. No sé si estoy convencido de que los mercados son ondulados, y si usas cualquier tipo de oscilador, aceptas. Una cosa que mencioné antes es patrones de onda cuadrada. Cuando el mercado es plano o está limitado, está realmente acumulando energía en forma de un espectro de frecuencia cada vez más amplio. Para comenzar, exporte los datos de un gráfico de MetaTrader. Solo tiene un gráfico abierto, el archivo guarda como, y lo guardará como un archivo .csv. Puede abrir este archivo en Excel u OpenOffice. Este archivo tiene un grupo de columnas. Elimine todo menos el precio de cierre para obtener una columna de datos que se ve exactamente como lo que busca una herramienta de análisis de señal. Intenté esto con algunos shareware que puedes obtener en SigView.com. Después de instalar y ejecutar SigView, puede abrir un documento de texto en el menú Archivo. Te pedirá una frecuencia de muestreo. Me gustan 1000 pero no importa. Ahora verá su gráfico y debería tener el mismo aspecto que un gráfico de líneas de los datos que exportó de MetaTrader. A partir de ahí, puede manipular los datos de maneras realmente geniales. Me gusta observar: El espectro de frecuencias, que muestra las frecuencias pico que contribuyen a la muestra. Esto ayuda a exponer algunas de las menores oscilaciones ocultas en los datos. The Time FFT, que hace lo anterior en pequeñas porciones a lo largo del tiempo. Esto puede mostrar la expansión y contracción del espectro. Como regla general, cuando el espectro es amplio, hay una gran cantidad de energía retenida en el sistema. Filtros Puede filtrar la tendencia general, así como mucho ruido aleatorio. Si se hace correctamente (y no puedo comenzar a decirte cómo hacerlo correctamente), debería ser posible tener una idea de cuántas de las frecuencias importantes apuntan hacia arriba o hacia abajo. Entonces, si te gustan este tipo de cosas, pruébalo. Tal vez veas algunos patrones que ayudan a explicar algún movimiento misterioso en el mercado. Si está buscando un sistema que ya funciona, esto no es

Claude cosas muy interesantes, espero más Dr. Rock, básicamente no sé nada de lo que estamos discutiendo aquí. Mi comercio es todo sobre tradicional e inmejorable para el comercio en general. Claude ... ¿qué recomendarías a un comerciante que quiera dominar el tipo de cosas que haces? ¿Hay libros, sitios web? gurús, mantras que pueden ayudarme a convertirme en un mago? Por ahora, voy a buscar en Google algunos de esos temas rock en

Iniciado por ;

¿Cómo funciona tu garph? ?

Hola y Wallker El injerto es producido por un software llamado vista tridimensional por sistemas rina. TradeStations publica un informe de todas las ejecuciones de optimización. Luego hago un archivo de texto de esto y lo paso al software. Toma las mil mejores ejecuciones y crea el gráfico. Mañana, si tengo la oportunidad, me gustaría hablar un poco sobre las redes neuronales, ya que parece haberse vuelto más aceptable y corriente, especialmente porque algunos miembros aquí están usando el punto de vista.

¿Cómo funciona tu garph? Claude?

Iniciado por ;

La imagen [edit: above end edit:] es un gráfico tridimensional de una ejecución de optimización. El sistema parecía muy prometedor cuando mirabas el informe después de optimizarlo, pero una mirada rápida al gráfico muestra algo diferente.

Claramente mis ojos se están poniendo viejos. Tuve que echar un largo vistazo para verlo. ¿Puedo preguntar qué software está utilizando para generar el gráfico? Gracias, Claude. Realmente espero que entres a este hilo.

1 Adjunto (s)

Iniciado por ;

Entonces, ¿cómo mides estas cosas? ¿Es mejor un sistema con un rendimiento del 15% con una reducción del 1% que un sistema con un retorno del 100% con una reducción del 20%? ¿Qué haces para las pruebas de muestra versus de muestras? ¿Cuántos datos usas? ¿Qué programa usas para tus pruebas? ¿Cómo contabilizaste la propagación en tus pruebas? ¿Optimizas? ¿Qué métricas usas para tu optimización? Hay mucho que considerar antes de poner su primer indicador en la tabla. Simon

Espero que no te importe ManinBlack si respondo algunos de estos. Hola DrRock, he disfrutado tus publicaciones en el pasado. Entonces avíseme si esto tiene sentido para usted. Drawdown y rendimiento, esto dependerá de cuánto tiene alguien en su cuenta. Cuanto más tenga, más estará dispuesto a arriesgar para obtener un mayor rendimiento. Pero incluso con una pequeña cuenta, la adecuada administración del dinero y la diversificación definitivamente serán la clave aquí. Un sistema que tiene una gran reducción y un gran rendimiento aún se puede comercializar. Si administra su dinero correctamente y tiene otros sistemas funcionando simultáneamente en una cartera para minimizar los efectos de la reducción. Y no nos engañemos a nosotros mismos que la mayor reducción volverá a suceder. La ley de Murphy funciona. Los datos de muestreo también dependerán de la cantidad de intercambios que realice su sistema. Me gustaría ver unos cientos de intercambios en los datos de la muestra. El software que utilizaré si publico la codificación es TradeStations, pero dado que el título de esta discusión es muy complejo de codificación. Me imagino que las personas podrían traducirlo a cualquier software. Ellos están usando. Optimización, una gran herramienta si la usas correctamente en cuanto a la matriz que uso. Si el sistema solo se comercializará en una moneda, me gustaría utilizar el retorno en la cuenta. Si el sistema se comercializa en múltiples monedas, me gusta usar el factor de ganancia. Estas dos matrices también tienden a minimizar la reducción. Por supuesto, la optimización adecuada es un gran problema, así que comenzaré con un software sofisticado. La siguiente imagen es un gráfico tridimensional de una ejecución de optimización. El sistema parecía increíblemente prometedor cuando se miraba el informe después de optimizarlo, pero un vistazo rápido al gráfico muestra diferente. Tenga en cuenta que un sistema robusto tendría un área plana donde los parámetros podrían cambiarse sin demasiados cambios en el rendimiento neto o los resultados finales.