Neural Nettverk Programvare Forex Trading

Best Artificial Neural Network Solution 2016.Raise Forecast Nøyaktighet med kraftig Neural Network Software. Konseptet av neuralt nettverk blir mye brukt for data analyse i dag Neural nettverksimulering gir ofte raskere og mer nøyaktige prediksjoner sammenlignet med andre data analysemetoder Funksjon tilnærming, tidsserier prognoser og regresjonsanalyse kan alle utføres med neuralt nettverksprogramvare. Omfanget av mulige applikasjoner av nevrale nettverk er nesten ubegrenset spillspill prognoser, beslutningstaking, mønstergenkjenning, automatiske styringssystemer og mange andre. Naturligvis spiller nevrale nettverk en viktig rolle i data mining prosesser. Programvaren er det beste jeg noensinne har brukt Hva er mest imponerende, i tillegg til de andre algoritmene, er spesielt nevralnett og tidsserien prognosemuligheter og den enkle formelen kan formes og eksporteres til et regneark for customization. GMDH Shell, profesjonelt neuralt nettverk softwa re, løser tidsserier prognose og data mining oppgaver ved å bygge kunstige nevrale nettverk og bruke dem til inngangsdata Designet for å hjelpe selv ikke-erfarne brukere å utføre sin hverdags forecasting og mønster anerkjennelse jobb, frigjør GMDH Shell kraften i neurale nettverksanalyse mens gjemmer seg vekk sin underliggende kompleksitet. Neurale nettverksprognoser er mer fleksible enn typiske lineære eller polynomiske tilnærminger og er dermed mer presis. Med nevrale nettverk kan en ekspert oppdage og ta hensyn til ikke-lineære forbindelser og forhold mellom data og bygge en kandidatmodell med høy prediksjonsstyrke I tillegg har GMDH Shell ikke behov for foreløpig normalisering av data og holder seg ikke til den absolutt fineste monteringen, noe som betydelig reduserer beregningstiden. GMDH Shell trener automatisk neurale nettverk og bruker dem til analyse, og får dermed nøyaktig sport, forretnings - eller aksjemarkedsprognose krever ikke mye innsats eller tid fra deg Tha nks til et unikt CPU lastbalanseringssystem, GMDH Shell drar nytte av alle de gratis ressursene PCen har, styrer å bruke disse til neurale nettverksanalyser Dette betyr raskere og mer nøyaktige resultater enn noen gang før. Last ned GMDH Shell for datalogi umiddelbart. Over 100 000 mennesker har allerede lastet ned GMDH Shell. Client Testimonials. Software er det beste jeg noensinne har brukt. Hva er mest imponerende, i tillegg til de andre algoritmene, er spesielt nevrale net - og tidsserieprognosemuligheter og den enkle formelen kan være generert og eksportert til et regneark for tilpasning. Du har klart å forbedre både nøyaktighet og hastighet av algoritmen for neuraltypen. Optimaliseringsmotoren for regresjonsklassifisering og tidsserier oppgaver var også veldig pen. Opprettholde det gode arbeidet. Jeg har lært meg selv nevral nettverk for noen få måneder nå selv jeg kjøpte en bok om emnet og brukte et par åpen kildekode programvare for å lære av lykke til å søke på inter net Jeg kom over programvaren din Det var ekstremt enkelt å bruke sammenlignet med de andre jeg føler med programvaren, jeg ville ha en fordel. GMDH Shell gir deg det mest brukervennlige grensesnittet og en av de mest kraftige sluttbrukerorienterte tidsserier analysene programvare på markedet. Have et spørsmål. GMDH LLC er et privateid selskap grunnlagt med sikte på å bygge den beste prognosen programvare I tillegg tilbyr vi en rekke tjenester, som integrering med databaser og ERP-systemer, ekstern trening og rådgivning. GMDH LLC 55 Broadway, 28th Floor New York, NY 10006 Tollfritt 1 888 929 4843 Internasjonalt 1 347 470 4634 Email email protected. Neural Networks Forecasting Profits. Neural nettverk er state-of-the-art, trenbare algoritmer som etterligner visse store aspekter i den menneskelige hjernefunksjonen Dette gir dem en unik evne til selvopplæring, evnen til å formalisere uklassifisert informasjon og, viktigst, evnen til å lage prognoser basert på historikken l informasjon de har til disposisjon. Neurale nettverk har blitt brukt i økende grad i en rekke virksomhetsapplikasjoner, blant annet prognoser og markedsføringsforskningsløsninger. På enkelte områder, som svindeloppdagelse eller risikovurdering, er de ubestridelige ledere. De viktigste feltene der nevrale nettverk Har funnet søknad er finansiell drift, bedriftsplanlegging, handel, forretningsanalyse og produktvedlikehold. Neurale nettverk kan søkes betalt av alle slags handelsfolk, så hvis du er en handelsmann og du ennå ikke har blitt introdusert til nevrale nettverk, tar vi deg gjennom denne metoden for teknisk analyse og vise deg hvordan du bruker den til din trading stylemon Delusions De fleste har aldri hørt om nevrale nettverk, og hvis de ikke er forhandlere, trenger de sannsynligvis ikke å vite hva de er. Hva er virkelig overraskende, men , er det faktum at et stort antall av dem som kunne ha nytte av nevrale nettverksteknologi, aldri har hørt om det, ta det for al førti vitenskapelig ide eller tenk på det som en slank markedsføringsgimmick. Det er også de som peker på alle sine forhåpninger på nevrale nettverk, lioniserer nettene etter noen positiv erfaring med dem og om dem som en sølvkule-løsning til enhver form for problem. , som alle handelsstrategiske nevrale nettverk, er ingen hurtigreparasjon som vil tillate deg å slå den rik på ved å klikke på en knapp eller to. Faktisk er riktig forståelse av nevrale nettverk og deres formål avgjørende for deres vellykkede søknad. , nevrale nettverk er en ny, unik metode for teknisk analyse, beregnet for de som tar en tenkningstilnærming til sin virksomhet, og er villige til å bidra litt tid og krefter for å få denne metoden til å fungere for dem. Best av alt, når de brukes riktig, nevrale nettverk kan få en fortjeneste med jevne mellomrom Bruk Neural Networks for å avdekke muligheter En stor misforståelse er at mange handelsmenn feiler nevrale nettverk for et prognoseverktøy som kan tilby en Dvice om hvordan man skal handle i en bestemt markedssituasjon Nevrale nettverk gjør ingen prognoser I stedet analyserer de prisdata og avdekker muligheter. Ved hjelp av et neuralt nettverk kan du ta en handelsavgjørelse basert på grundig analysert data, noe som ikke nødvendigvis er tilfelle når Ved hjelp av tradisjonelle tekniske analysemetoder For en seriøs, tankehandler er nevrale nettverk et neste generasjons verktøy med stort potensial som kan oppdage subtile, ikke-lineære interdependenser og mønstre som andre teknologiske analysemetoder ikke kan avdekke. De beste nettene, akkurat som alle slags flott produkt eller teknologi, har neurale nettverk begynt å tiltrekke seg alle som leter etter et spirende marked. Torrenter av annonser om neste generasjons programvare har oversvømmet markedet - annonser feirer den mektigste av alle neurale nettverksalgoritmer noensinne laget. Selv i de sjeldne tilfeller når reklame krav ligner sannheten, husk at en 10 økning i effektivitet er sannsynligvis den mest du vil aldri komme fra et neuralt nettverk Med andre ord, det gir ikke mirakuløs retur og uansett hvor godt det fungerer i en bestemt situasjon, vil det være noen datasett og oppgaveklasser som de tidligere brukte algoritmene forblir overlegen. Husk dette er s Ikke algoritmen som gjør trikset Godt forberedt informasjon om den målrettede indikatoren er den viktigste komponenten av suksess med nevrale nettverk. Er raskere konvergens bedre. Mange av de som allerede bruker neurale nettverk tror feilaktig at jo raskere deres nett gir resultater, det bedre det er Dette er imidlertid en vrangforestilling Et godt nettverk er ikke bestemt av hastigheten der det gir resultater, og brukere må lære å finne den beste balansen mellom hastigheten som nettverket trener og kvaliteten på resultatene den produserer. Korrekt bruk av neuralnett Mange forhandlere bruker neuralnett feil fordi de legger for mye tillit til programvaren de bruker alle uten å ha vært pro Vided med riktige instruksjoner om hvordan du bruker det riktig For å bruke et neuralt nettverk på riktig måte og dermed lønnsomt, bør en næringsdrivende ta hensyn til alle stadier av nettverksforberedelses syklusen Det er handelsmannen og ikke hans eller hennes nett som er ansvarlig for å oppfatte en ide, formalisere denne ideen, teste og forbedre den, og til slutt velge riktig tidspunkt for å avhende det når det ikke lenger er nyttig. La oss se nærmere på stadiene av denne avgjørende prosessen.1 Finne og Formalisering av en handelsidee En handelsmann bør fullt ut forstå at hans eller hennes nevrale nettverk ikke er ment for å finne frem til vinnende handelsideer og konsepter. Det er ment å gi mest troverdige og presise opplysninger om hvor effektiv din handelsidee eller konsept er. Derfor bør du komme opp med en opprinnelig handelsidee og klart definere formålet med denne ideen og hva du forventer å oppnå ved å bruke det. Dette er det viktigste stadiet i nettverksforberedelser Hvis du vil ha mer informasjon, kan du se Leksjoner fra en Trader s Dagbok 2 Forbedre parametrene til modellen din Du bør derfor prøve å forbedre den generelle modellkvaliteten ved å endre datasettet som brukes og justere de forskjellige parametrene. Figur 1 Angi optimaliseringsalgoritmen og dens properties.3 Avhending av modellen når den blir foreldet Hver nettbasert modell har en levetid og kan ikke brukes på ubestemt tid. Lang levetiden til modellens levetid avhenger av markedssituasjonen og hvor lenge markedets avhengighet reflekteres i det forblir aktuelt Imidlertid blir en eller flere modeller forældet Når dette skjer, kan du enten omskole modellen ved å bruke helt nye data, dvs. erstatte alle dataene som er brukt, legge til nye data i eksisterende datasett og trene modellen på nytt, eller bare pensjonere modellen helt. Mange handelsfolk gjør feilen ved å følge den enkleste banen - de stole tungt på og bruker tilnærmingen som deres programvare gir mo St brukervennlig og automatisert funksjonalitet Denne enkleste tilnærmingen er å prognose en pris noen få barer fremover og basere ditt handelssystem på denne prognosen. Andre handelsfolk prognose prisendring eller prosentandel av prisendringen Denne tilnærmingen gir sjelden bedre resultater enn å prognostisere prisen direkte. Både forenklet tilnærminger unnlater å avdekke og lønnsomt utnytte de fleste viktige langsiktige gjensidig avhengighet, og som et resultat blir modellen raskt forældet når de globale drivkreftene endres. Den mest optimale overordnede tilnærmingen til bruk av nevrale nettverk En vellykket handelsmann vil fokusere og bruke litt tid på å velge de styrende inngangspostene for hans eller hennes neurale nettverk og justere parametrene han eller hun vil tilbringe fra minst flere uker - og noen ganger i flere måneder - utplassering av nettverket En vellykket handelsmann vil også tilpasse seg netto for endringene i hele levetiden Fordi hvert neuralt nettverk bare kan dekke et relativel y lite aspekt av markedet, bør nevrale nettverk også brukes i en komité Bruk så mange nevrale nettverk som mulig - evnen til å ansette flere på en gang er en annen fordel med denne strategien. På denne måten kan hvert av disse flere nettene være ansvarlige for noe bestemt aspekt av markedet, noe som gir deg en stor fordel over hele linja. Det anbefales imidlertid at du holder nummeret på nettene du bruker innen 5-10. Endelig bør nevrale nettverk kombineres med en av de klassiske tilnærmingene Dette vil tillate deg å bedre utnytte resultatene oppnådd i henhold til dine handelspreferanser. Konklusjon Du vil oppleve reell suksess med nevrale nett bare når du slutter å lete etter det beste nettverket. Tross alt ligger nøkkelen til suksess med nevrale nettverk ikke i nettverket selv, men i din handelsstrategi Derfor, for å finne en lønnsom strategi som fungerer for deg, må du utvikle en sterk ide om hvordan du oppretter et utvalg av nevrale nettverk a nd bruke dem i kombinasjon med klassiske filtre og pengehåndteringsregler. For relatert lesing, sjekk ut Neural Trading Biological Keys To Profit og Trading Systems Coding Tutorial. Licensed User Center. Trade med Intelligence ved hjelp av TradingSolutions. TradingSolutions kombinerer teknisk analyse med kunstig intelligens AI teknologier som bruker neurale nettverk og genetiske algoritmer for å lære mønstre fra historiske data og optimalisere systemparametere Denne handelsprogramvaren fungerer med aksjer, futures, valutaer FOREX og mange andre finansielle instrumenter. Det kan også bygge systemer for amerikanske og internasjonale markeder. Over 300 av de mest populære tekniske indikatorer. Proven utvalg og kunde ytelse. Industrien ledende datastøtte fra eSignal Interactive Brokers og mange flere. Proprietary Optimal Signal technology. Free Technical Support.100 Free Systems og pre-built neurale nettverk modeller. Free Abonnement til Trader68 Standard automatisert trading programvare. Vellykket brukt i over 66 år lande rundt om i verden. 30-dagers Money Back Guarantee. Licensed User Center. Trade med Intelligence ved hjelp av TradingSolutions. TradingSolutions kombinerer teknisk analyse med kunstig intelligens AI-teknologier ved hjelp av nevrale nettverk og genetiske algoritmer for å lære mønstre fra historiske data og optimalisere systemparametere Denne handelsprogramvaren Fungerer med aksjer, futures, valutaer FOREX og mange andre finansielle instrumenter. Det kan også bygge systemer for amerikanske og internasjonale markeder. Over 300 av de mest populære tekniske indikatorene. Prøveprøve og kundeytelse. Industriell ledende datastøtte fra eSignal Interactive Brokers og mange flere. Proprietary Optimal Signal technology. Free Teknisk Support.100 Free Systems og pre-built neurale nettverk modeller. Suksess brukt i over 66 land rundt om verden. 30-Day Money Back Guarantee. Hybrid Neural Network Stopp-og-Reverse Strategier for Forex. av Michael R Bryant. Normale nettverk har vært brukt i handelssystemer i mange år s med varierende grad av suksess Den primære attraksjonen er at deres ikke-lineære struktur er bedre i stand til å fange kompleksiteten i prisbevegelsen enn standard, indikatorbaserte handelsregler En av kritikkene har vært at nevrale nettbaserte handelsstrategier pleier å være over - passe og derfor ikke fungere bra på nye data En mulig løsning på dette problemet er å kombinere nevrale nettverk med regelbasert strategisk logikk for å lage en hybrid type strategi Denne artikkelen vil vise hvordan dette kan gjøres ved hjelp av Adaptrade Builder. Spesielt, Denne artikkelen vil illustrere følgende neurale nettverks - og regelbaserte logikk for handelsoppføringer. En tre-segmentet data tilnærming vil bli brukt, med det tredje segmentet som brukes til å validere de endelige strategiene. Den resulterende strategikoden for både MetaTrader 4 og TradeStation vil bli vist , og det vil bli demonstrert at valideringsresultatene er positive for hver platform. Neurale nettverk som Trade Entry Filters. Mathematically, et neuralt nettverk arbeid er en ikke-lineær kombinasjon av en eller flere vektede innganger som genererer en eller flere utgangsverdier. For handel brukes et nevralt nettverk vanligvis på en av to måter 1 som en prognose for fremtidig prisbevegelse, eller 2 som en indikator eller et filter for handel Her vil bruk som indikator eller handelsfilter bli vurdert. Som en indikator virker et nevralt nettverk som en ekstra betingelse eller et filter som må tilfredsstilles før en handel kan inngås. Inngangene til nettverket er typisk andre tekniske indikatorer, slik som som momentum, stokastikk, ADX, glidende gjennomsnitt og så videre, samt priser og kombinasjoner av det foregående. Inngangene skaleres og det neurale nettverket er utformet slik at utgangen er en verdi mellom -1 og 1 En tilnærming er å tillate en lang oppføring hvis utgangen er større enn eller lik en terskelverdi, for eksempel 0 5, og en kort oppføring hvis utgangen er mindre enn eller lik den negative av terskelen, for eksempel -0 5 Denne betingelsen vil være i tillegg til noen eksisterende inngangsbetingelser For eksempel, hvis det var en lang inngangsbetingelse, måtte det være sant, og den nøytrale nettverksproduksjonen må minst være terskelverdien for en lang inngang. Når du etablerer et neuralt nettverk, ville en handelsmann vanligvis være ansvarlig for å velge inngangene og nettverkstopologien og for å trene nettverket, som bestemmer verdiene for optimalvekt. Som det vil bli vist nedenfor, utfører Adaptrade Builder disse trinnene automatisk som en del av den evolusjonære byggeprosessen som programvaren er basert på Bruke Neural Network som et handelsfilter gjør det enkelt å kombinere med andre regler for å skape en hybrid handelsstrategi, en som kombinerer de beste funksjonene til tradisjonelle, regelbaserte tilnærminger med fordelene ved nevrale nettverk. Som et enkelt eksempel kan Builder kombinere en flytte gjennomsnittlig crossover regel med et neuralt nettverk slik at en lang posisjon er tatt når det raskt bevegelige gjennomsnittet krysser over det langsomme glidende gjennomsnittet og den neural netwo rk-produksjonen er på eller over dens grense. Stopp-og-omvendt handelsstrategier. En stopp-og-omvendt handelsstrategi er en som alltid er i markedet, enten lang eller kort. Strikt sett betyr stopp og revers at du reverserer handelen når stoppordre er truffet Jeg bruker det som en kort hånd for enhver handelsstrategi som reverserer fra lang til kort til lang og så videre, slik at du alltid er i markedet. Med denne definisjonen er det ikke nødvendig for ordrene å være stoppordrer Du kan skrive inn og reversere ved hjelp av markeds - eller begrensningsordrer. Det er heller ikke nødvendig at hver side bruker samme logikk eller til og med samme ordstype. For eksempel kan du skrive inn lenge og avslutte kort på et stopp rekkefølge og skriv inn kort og avslutte lenge på en markedsordre ved hjelp av forskjellige regler og betingelser for hver oppføring. Dette ville være et eksempel på en asymmetrisk stopp-og-omvendt strategi. Den primære fordelen med en stopp-og-omvendt strategi er at ved alltid i markedet, savner du aldri noen store trekk An annen fordel er enkelhet Når det er egne regler og vilkår for inngåelse og utveksling av handler, er det mer kompleksitet og mer som kan gå galt. Kombinere oppføringer og utganger betyr færre tidsbeslutninger må gjøres, noe som kan bety færre feil. På den annen side kan det hevdes at de beste forholdene for å utveksle en handel sjelden er de samme som for å gå inn i motsatt retning at inntreden og spennende handler er iboende separate beslutninger som derfor skal benytte separate regler og logikk. En annen potensiell ulempe ved alltid å være i markedet er at strategien vil handle gjennom hver åpningsgap Et stort åpningsgap mot stillingen kan bety et stort tap før strategien er i stand til å reversere Strategier som går inn og ut mer selektivt, eller at utgangen innen slutten av dagen kan minimere effekten av åpning gaps. Since målet er å bygge en forex strategi, MetaTrader 4 MT4 er et åpenbart valg for trading plattform gitt at MetaTra der 4 er hovedsakelig designet for forex og er mye brukt til handel de markeder ser for eksempel MetaTrader vs TradeStation A Language Comparison Men i de siste årene har TradeStation målrettet forexmarkedene mye mer aggressivt Avhengig av handelsvolum og eller kontonivå , er det mulig å handle forexmarkedet gjennom TradeStation uten å pådra seg noen plattformavgift eller betale noen provisjoner. Spreadene er angivelig tette med god likviditet på de store forexparene. Av disse grunnene ble begge plattformene målrettet mot dette prosjektet. Alle problemer oppstår når man målretter mot flere plattformer samtidig Først kan dataene være forskjellige på forskjellige plattformer, med forskjeller i tidssoner, prisopplysninger for noen barer, volum og tilgjengelige datoperioder. For å glatte over disse forskjellene, ble data oppnådd fra begge plattformene, og strategiene ble bygget over begge dataserier samtidig De beste strategiene var derfor de som fungerte bra på begge data ser er til tross for eventuelle forskjeller i dataene. Datainnstillingene som brukes i Builder er vist nedenfor i Fig. 1 Som kan utledes fra Market Data-tabellen i figuren, ble euro-dollar forexmarkedet målrettet EURUSD med en barstørrelse på 4 timer 240 minutter Andre stangstørrelser eller markeder ville ha tjent like godt jeg kunne bare skaffe så mye data gjennom MT4-plattformen som angitt av datoperioden vist i figur 1 dataregis 2, slik at samme datointervall ble brukt til å skaffe tilsvarende data serier fra TradeStation dataserie 1 80 av dataene ble brukt til å bygge kombinert i prøve og ut av prøve, med 20 6 20 14 til 2 10 15 satt til side for validering 80 av den opprinnelige 80 ble deretter satt til prøve med 20 sett til ute av prøven, som vist i figur 1 Budspørsmålet ble satt til 5 pips og handelsutgifter på 6 pips eller 60 per fullstørrelse 100.000 aksjer ble antatt per rundtur. Begge dataseriene ble Inkludert i bygningen, som angitt av merket i venstre kolonne på M arket Data table. Figure 1 Market data innstillinger for å bygge en forex strategi for MetaTrader 4 og TradeStation. Another potensial problem når du målretter mot flere plattformer er at Builder er utformet for å duplisere måten hver støttet plattform beregner sine indikatorer, noe som kan bety at indikatorverdiene vil være forskjellig avhengig av hvilken plattform som er valgt. For å unngå denne mulige uoverensstemmelseskilden, bør noen indikatorer som vurderes annerledes i MetaTrader 4 enn i TradeStation elimineres fra bygningen, noe som betyr at følgende indikatorer bør unngås. Alle andre indikatorer som er tilgjengelige for begge plattformene beregnes på samme måte i begge plattformene TradeStation inneholder alle indikatorene som er tilgjengelige i Builder, mens MetaTrader 4 ikke derfor, for å bare inkludere indikatorer som er tilgjengelige på begge plattformene, skal MetaTrader 4-plattformen velges som kode type i Builder Det vil automatisk fjerne noen indikatorer fra bygge sett som ikke er tilgjengelig for MT4, som vil forlate indikatorene som er tilgjengelige på begge plattformene I tillegg, siden jeg la merke til forskjeller i volumdata som ble oppnådd fra hver plattform, fjernet jeg alle volumavhengige indikatorer fra byggsettet. Til slutt, tiden - indikatoren ble fjernet på grunn av forskjeller i tidszonene mellom datafiler. I figur 2 nedenfor vises listen over indikatorer som brukes i byggesettet, sortert etter om indikatoren ble vurdert av byggeprosessen Vurder kolonne eller ikke. Indikatorene fjernet fra vurdering av årsakene som er omtalt ovenfor, vises øverst i listen. De resterende indikatorene, som begynner med Simple Mov Ave, var alle en del av byggesettet. Figur 2-indikatorvalg i Builder, som viser indikatorene fjernet fra bygningen sett. Evalueringsalternativene som brukes i byggeprosessen er vist i figur 3 Som diskutert, ble MetaTrader 4 valgt som valg av kodeutgang Etter at strategier er bygget i Builder, vil noen av de Alternativer på kategorien Evalueringsalternativer, inkludert koden, kan endres og strategiene revurderes, som også vil omskrive koden i hvilket språk som er valgt. Denne funksjonen ble brukt til å skaffe TradeStation-koden for den endelige strategien etter at strategiene var bygget for MetaTrader 4.Figure 3 Evalueringsalternativer i Builder for EURUSD forex-strategien. For å skape stopp og revers strategier, ble alle exittyper fjernet fra byggsettet som vist under i Fig. 4 Alle tre typer inngangsordrer - markedsføre, stoppe og begrense - ble igjen som å vurdere, noe som betyr at byggprosessen kan vurdere noen av dem i løpet av byggeprosessen. Figur 4 Bestillingstyper valgt i Builder for å lage en stopp-og-omvendt strategi. Builder-programvaren genererer automatisk regelbaserte logiske forhold for oppføring og utgang For å legge til et neuralt nettverk i strategien, er det bare nødvendig å velge alternativet Inkluder et nevralt nettverk i opptaksforholdene på fanen Strategialternativer, som vist nedenfor i fig. 5 Innstillingene for neurale nettverket var igjen på standardinnstillingene. Som en del av stop-and-reverse-logikken ble alternativet Market Sides satt til Long Short, og muligheten til å vente på avslutte før du kom inn i ny handel ble fjernet. Sistnevnte er nødvendig for å aktivere oppføringsrekkefølgen for å gå ut av gjeldende posisjon ved en reversering. Alle andre innstillinger ble igjen på standardinnstillingene. Figur 5 Strategi-alternativer valgt i Builder for å lage en hybridstrategi ved bruk av både regelbaserte og neurale nettverksbetingelser. Den evolusjonære naturen til bygningen Prosess i Builder styres av treningen som beregnes ut fra målene og betingelsene som er definert på tabellen Metrics, som vist nedenfor i figur 6 Byggemålene ble holdt enkle å maksimere nettoresultatet samtidig som kompleksiteten ble minimert, noe som ble gitt en liten vektrelatert til nettoresultatet Mer vekt ble lagt på byggevilkårene, som inkluderte korrelasjonskoeffisienten og signifikansen for generell strategi kvalitet, samt gjennomsnittlig stenger i n handler og antall handler. Først ble bare de gjennomsnittlige barene i handler tatt med som en byggeforbindelse. I noen av de tidlige byggene ble nettoresultatet favorisert over handelslengden, slik at antallet av handler metrisk ble lagt til Det angitte området for antall transaksjoner mellom 209 og 418 er ekvivalent med gjennomsnittlige handelslengder mellom 15 og 30 bar basert på antall barer i byggeperioden Som et resultat av dette, legger denne metriske vekt på lengden på handelslengden , noe som resulterte i flere medlemmer av befolkningen med ønsket rekkevidde av handelslengder. Figur 6 Bygg mål og forhold som er angitt på tabellen Metriske, bestemmer hvordan treningen beregnes. Betingelsene for å velge toppstrategier dupliserer byggevilkårene bortsett fra at toppstrategiene forholdene blir vurdert over hele spekteret av data, ikke inkludert valideringssegmentet, som er separat, heller enn bare over byggeperioden, slik det er tilfelle for byggevilkårene. Ategies betingelser brukes av programmet til å legge til side noen strategier som oppfyller alle forholdene i en egen befolkning. De endelige innstillingene er gjort på kategorien Byggalternativer, som vist nedenfor i figur 7. De viktigste alternativene her er befolkningsstørrelsen, tallet av generasjoner og muligheten til å tilbakestille på grunnlag av ytelsesprøven. Befolkningsstørrelsen ble valgt til å være stor nok til å få godt mangfold i befolkningen, samtidig som den fortsatt er liten nok til å bygge i en rimelig tid. Antall generasjoner var basert på hvor lang tid det tok under noen foreløpige bygg for resultatene å begynne å konvergere. Figur 7 Byggalternativene inkluderer befolkningsstørrelsen, antall generasjoner og alternativer for tilbakestilling av befolkningen basert på ytelse utenfor prøven. Alternativet å tilbakestille på utsiden av OOS-ytelse starter byggeprosessen etter det angitte antallet generasjoner hvis den angitte tilstanden er oppfylt i dette tilfellet, vil befolkningen bli nullstilt hvis den ikke er i bruk god nettovinst er mindre enn 20.000 Denne verdien ble valgt basert på foreløpige tester for å være en høy nok verdi som det sannsynligvis ikke ville bli nådd. Som et resultat ble byggeprosessen gjentatt hvert 30. generasjon til manuell stoppet. Dette er en måte å la program identifisere strategier basert på toppstrategier forhold over en lengre periode periodisk kan toppstrategier befolkningen bli sjekket og byggeprosessen avbrutt når passende strategier er funnet. notikk som jeg legger ut av prøven i anførselstegn når out - av-prøveperioden brukes til å tilbakestille befolkningen på denne måten, perioden utenfor prøven er ikke lenger virkelig ute av prøven. Siden denne perioden nå brukes til å veilede byggeprosessen, er den faktisk en del av den - prøveperiode Det er derfor tilrådelig å sette bort et tredje segment for validering, slik det ble diskutert ovenfor. Etter flere timers behandling og en rekke automatiske gjenoppbygginger ble det funnet en passende strategi i toppstrategiene populati på sin lukkede handelskapitalkurve er vist under i figur 8 Egenkapitalkurven viser konsistent ytelse på tvers av begge datasegmentene med et tilstrekkelig antall bransjer og i hovedsak de samme resultatene over begge dataserier. Figur 8 Closed-trade egenkapitalkurve for EURUSD - og-omvendt strategi. For å sjekke strategien i løpet av valideringsperioden, kontrolleres datoen på fanen Markeder, se figur 1, ble endret til sluttdatoen for dataene 2 11 2015, og strategien ble revurdert ved å velge Evaluate-kommandoen fra Strategi-menyen i Builder Resultatene er vist nedenfor i figur 9 Valideringsresultatene i den røde boksen viser at strategien holdt seg på data som ikke ble brukt under byggeprosessen. Figur 9 Closed-trade egenkapitalkurve for EURUSD stop-and-reverse strategi, inkludert valideringstidspunktet. Den endelige kontrollen er å se hvordan strategien utføres på hver dataserie separat ved hjelp av kodeutgangsalternativet for den plattformen. Dette er nødvendig fordi, som forklart ovenfor, er det kan være forskjeller i resultatene avhengig av 1 kodetypen og 2 dataserien Vi må verifisere at de valgte innstillingene minimerte disse forskjellene, som beregnet. For å teste strategien for MetaTrader 4 ble dataserie fra TradeStation avvalgt på Markets tabellen, og strategien ble revurdert. Resultatene er vist nedenfor i Fig. 10, som dupliserer bunnkurven i Fig. 9.Figur 10 Closed-trade egenkapitalkurve for EURUSD stopp-og-omvendt strategi, inkludert valideringsperioden for MetaTrader 4.Finalt, for å teste strategien for TradeStation, ble dataseriene fra TradeStation valgt og serien for MetaTrader 4 ble avvalgt på Markets-fanen. Kodeutgangen ble endret til TradeStation, og strategien ble revurdert. Resultatene er vist nedenfor i figur 11 og ser ut til å være veldig lik midtenkurven i figur 9, som forventet. Figur 11 Closed-trade egenkapitalkurve for EURUSD stopp-og-omvendt strategi, inkludert valideringsperioden, for TradeStatio n. Koden for begge plattformene er angitt nedenfor i fig. 12 Klikk på bildet for å åpne kodefilen for den tilsvarende plattformen. Undersøkelsen av koden viser at den regelbaserte delen av strategien bruker ulike volatilitetsrelaterte forhold for lange og korte sider De nevrale nettverksinngangene består av en rekke indikatorer, inkludert ukedag, trend ZLTrend, intradag høy, oscillatorer InvFisherCycle, InvFisherRSI, Bollinger-bånd og standardavvik. Den strategiske hybridegenskapen kan ses direkte i kodeoppgaven fra TradeStation-koden. Hvis EntCondL og NNOutput 0 5 begynner så kjøper EnMark-L NShares aksjer neste bar på markedet. Den variable EntCondL representerer regelbaserte oppføringsbetingelser, og NNOuput er utgangen av det nevrale nettverket. Begge forholdene må være sanne to place the long entry order The short entry condition works the same way. Figure 12 Trading strategy code for the EURUSD stop-and-reverse strategy left, MetaTrader 4 right, TradeStation Click th e figure to open the corresponding code file. Download a Builder project file containing the settings described in this article. This article looked at the process of building a hybrid rule-based neural network strategy for the EURUSD using a stop-and-reverse always in the market approach with Adaptrade Builder It was shown how the strategy code can be generated for multiple platforms by selecting a common subset of the indicators that work the same way in each platform The settings necessary to generate strategies that reverse from long to short and back were described, and it was demonstrated that the resulting strategy performed positively on a separate, validation segment of data It was also verified that the strategy generated similar results with the data and code option for each platform. As discussed above, the stop-and-reverse approach has several drawbacks and may not appeal to everyone However, an always-in-the-market approach may be more attractive with forex data because the forex markets trade around the clock As a result, there are no session-opening gaps, and the trading orders are always active and available to reverse the trade when the market changes The use of intraday data 4-hour bars provided more bars of data for use in the build process but was otherwise fairly arbitrary in that the always-in-the-market nature of the strategy means that trades are carried overnight. The build process was allowed to evolve different conditions for entering long and short, resulting in an asymmetric stop-and-reverse strategy Despite the name, the resulting strategy enters both long and short trades on market orders, although market, stop, and limit orders were all considered by the build process independently for each side In practice, reversing from long to short would mean selling short twice the number of shares at the market as the strategy was currently long e g if the current long position was 100,000 shares, you would sell short 200,000 shares at market Like wise, if the current short position was 100,000 shares, you would buy 200,000 shares at market to reverse from short to long. A shorter price history was used than would be ideal 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 SIMULATE D PERFORMANCE RESULTS HAVE CERTAIN INHERENT LIMITATIONS UNLIKE AN ACTUAL PERFORMANCE RECORD, SIMULATED RESULTS DO NOT REPRESENT ACTUAL TRADING 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 SIMULATED TRADING PROGRAMS IN GENERAL ARE ALSO SUBJECT TO THE FACT THAT THEY ARE DESIGNED WITH THE BENEFIT OF HINDSIGHT NO REPRESENTATION IS BEING MADE THAT ANY ACCOUNT WILL OR IS LIKELY TO ACHIEVE PROFITS OR LOSSES SIMILAR TO THOSE SHOWN. If you d like to be informed of new developments, news, and special offers from Adaptrade Software, please join our email list Thank you.