Thread: تحليل الأسعار مع الشبكات العصبية

حول هذه المجلة

هذه هي مجلتي الخاصة التي توضح بالتفصيل تطوري لشبكة عصبية اصطناعية لمحاولة الحصول على ميزة إحصائية في السوق على إطارات زمنية متعددة. سأقوم بنشر تقدمي أثناء الوصول إلى المعالم ، وسنرى معاً ما إذا كان من الممكن في الواقع الحصول على ميزة ذات دلالة إحصائية باستخدام طريقة التعلم الآلي.

وسأناقش أيضًا كيف أقوم بمعالجة إدارة الأموال المرتبطة بأي ميزة إحصائية قد اكتسبها مع طلابي. سأقوم بنشر محاكاة احتمالية لأداء طلابي باستخدام أساليب إدارة الأموال المختلفة.

يرجى ملاحظة أنني أتاجر حاليا بنجاح (على حساب بسيط ، ~ 4K الحقيقي) باستخدام أنماط الرسم البياني بسيطة وتحليل SR. أنا أيضًا طالب هندسة بدوام كامل ، ولكن قد يكون من الأفضل جدًا أن يكون لديك وكيل مؤتمت ، إما أن أتاجر في غيابي أو أنذرني بإعدادات عالية الاحتمال. في حال كان تطوير هذا المؤشرEA فعالاً في اكتساب ميزة ، ربما سأقوم بإطلاقه في المجتمع بشكل ما.

أحب إدخالك المدروس في الشريط. تعمل التنمية بشكل أفضل عندما تشاهد ، أو الأزواج الحرجة بشكل بنّاء - أو هكذا أوحت لنا حركة البرنامج المفتوحة. لذلك ، إذا كان لديك شيء ذي قيمة لإضافته ، فالرجاء إرساله بكل الوسائل.

ما هي المدخلات؟ سعر بحتة؟ سرير نقال؟ اسعار الفائدة؟ CPI؟ ثانيا ، ما هي معايير الدخولالخروج؟ أغلبية تربح متوقفة على NNs في الأطر الزمنية؟ أنا متعلمة تمامًا على NNs ، وإذا قمت بتقديم إدخالات غير مرتبطة (مع بيانات لا تعتمد بقوة على السعر) ، فستقوم بإدخال خطأ في التعلم الخاص بك. أراهن أنك تعرف ذلك بالفعل. إذن ، السؤال هو ، ما هي المدخلات المرتبطة بقوة؟ أراهن أن سوق العملات ذو كفاءة عالية ، لذا من المحتمل أن تكون البيانات الخارجية الجديدة مثل COT و CPI قد تحققت بالكامل من السعر في بضع دقائق من هذه البيانات التي يتم إصدارها ، وبالتالي التأخر المضطرد جدًا وعدم الكفاءة. لطيف ، NNs ليست محادثة طاولة العشاء. إما أن تحصل على ما أقوله أو لا تفعل. آمل أن يساعد.

مفاهيم التصميم المبدئية أولا وقبل كل شيء ، هناك تفسير لنظرية الشبكات العصبية. ترتيب الشبكة العصبية الذي سأستخدمه يمكن مقارنته بالترتيب الموجود في الصورة أدناه. Http://www.gamedev.net/reference/pro...nn/figure1.png تسمى كل دائرة ترى من الصورة عقدة. كل من تلك العقد يعمل كنوع من المشغل. تتحرك المعلومات من المدخلات إلى المخرجات ، من اليسار إلى اليمين في الصورة. في كل عقدة ، يتم جمع البيانات المدخلة لإنشاء المخرجات. يحتوي كل إدخال على وزن مرن ، أو متغير قياس ، حيث يتم ضربه قبل أن يتم جمعه عند العقدة. حسنًا ... لذلك لدينا عقد تتضمن قيمًا متدرجة. كيف في العالم سوف نتوقع حركة السعر في المستقبل لهذا الشيء؟ حسنًا ، تبين أنه إذا أصلحت هذه الأوزان بطريقة ذكية ، فيمكنك تدريب هذه الشبكة بشكل أساسي للتعرف على أنماط المدخلات وإنتاج النواتج التي تريدها وفقًا لتلك الأنماط. إذن ، هنا هو تصميم الشبكة: حركات نقطة الإدخال المتأخرة. وهي في الأساس عبارة عن قيم تتوافق قياساتها مع أبعاد كل شريط في مخطط زمني محدد. على سبيل المثال ، لنفترض أنك حصلت على المخطط التالي:
إذا تم تصميم الشبكة العصبية الخاصة بك لفحص أنماط شريط أربعة ، فسيكون لديك 12 إجمالي المدخلات. هذا هو ، بالنسبة لكل حانة ، سيكون لها مدخلات للفتيلة السفلى ، جسم القضيب ، وكذلك أعلى الظهر. تكون كلتا قيم الفتيل إما صفرية أو موجبة ، وتكون قيمة نص الشريط إيجابية أو سلبية. لذلك ، بالنسبة إلى مخطط الشموع أعلاه ، سترى المدخلات التالية (تقريبًا) من ترتيب الترتيب | body | lower: 0.02 | -0.26 | 0.18 | 0.06 | -0.12 | 0.00 | 0.20 | -0.03 | 0.23 | 0.00 | 0.30 0.10 لأنك قد رأيت ، كل هذه القيم أقل من 1.0 ؛ هذا لأن مدخلات الشبكة العصبية يجب أن تكون مطابقة بين 1 و -1. المخرجات حتى الآن لدينا مدخلات. ماذا نريد للمخرجات؟ دعنا نختار مؤشرات الخطر الهابطة والمتقلبة لأطر زمنية مختلفة. قل ... اثنان من كل جانب. باختصار: خرج واحد لمستقبلك المرتفع بعد ساعة واحدة. خرج واحد لمستقبلك بعد 4 ساعات. خرج واحد لمستقبلك المنخفض بعد ساعة واحدة. مخرج واحد لمستقبلك المنخفض بعد 4 ساعات. لتدريب النظام ، ننظر إلى الارتفاعات والانخفاضات بعد نمط الإدخال ، ثم نحسب المخرجات ، ثم نستخدم ما يسمى بخوارزمية النسخ الخلفي لضبط أوزان الشبكة بحيث تظهر المخرجات المرغوبة عند تقديم نمط الإدخال هذا. ثم نقوم بذلك على عدد كبير من مجموعات المدخلاتالمخرجات ، ونأمل أن نصل مع مجتمع يمكن ، عند تقديمه مع مجموعة جديدة من المدخلات ، أن يتنبأ بالارتفاعات والانخفاضات المستقبلية بمستوى من الدقة. عندما يكون لدينا مجتمع قد يتنبأ بأعلى المستويات والقيعان المستقبلية ، يمكننا وضع الصفقات مع مستويات TP و SL التي تزيد من احتمالية النجاح. يمكننا أيضًا اختيار إجراء عمليات تداول ذات نسبة مخاطرة ومكافأة جيدة. على سبيل المثال ، قد نختار فقط شراء عندما تتوقع الشبكة نسبة 2: 1 من الأعلى إلى المنخفض ، والبيع فقط للانعكاس. هذا يمكن أن يساعد في الحد من تعرض السوق للخطر ، مع زيادة فرص النجاح الإحصائية. إذا كنت ترغب في مزيد من المعلومات حول الشبكات العصبية ، فألق نظرة على مدخل ويكيبيديا
http://en.wikipedia.org/wiki/Artificial_neural_network. توقع مقالة أخرى قريبًا عن البرامج والمعلومات (المخصصة) التي سأستخدمها للتدريب على الشبكة والإعداد.

Originally Posted by ;

حسنا ، NNs ليست محادثة طاولة العشاء. إما أن تحصل على ما أقوله أو لا تفعل. آمل أن يساعد.

هم في منزلي
. أو على الأقل عندما كنت أعمل في قسم الهندسة العصبية في UPEN. الأمل هو أن الشبكة لديها القدرة على تعلم أنماط معقدة بعد عدد كبير من الرسوم التوضيحية. سوف أقوم بفصل البيانات إلى أقسام وإجراء تدريباختبارالتحقق من روبن-روبن مع العديد من التقمصات للشبكات العصبية المعنية. سآخذ شبكات لأطر زمنية كبيرة. ربما واحدة لمدة 15 دقيقة ، واحدة لمدة 1 ساعة ، واحدة لمدة 4 ساعات ، وواحدة إلى اليومية. بمجرد أن يتم تدريب كل منهم بشكل مناسب ، سيكون عليّ تجربة مخططات استنتاج التداول المختلفة. الأكثر وضوحا هي عملية التصويت بأغلبية الأصوات أو ربما بالإجماع. ويمكن لهذه البرامج أيضًا أن تعمل فقط كتحذير للحصول على تثبيت عالي الاحتمال ، ومن ثم يمكن للتحليل الفني والعقلي التقديري أن يخطر قرار التداول الأخير.

البرنامج سأقوم بكتابة برامج CC المخصصة الخاصة بي التي تتعامل مع بيانات الإدخال وتجميع مجموعات معلومات التدريبالاختبار. سوف تتعامل برامجي أيضًا مع تدريب واختبار هذه الشبكات العصبية التي تم إنشاؤها. من المحتمل أن يتم تنفيذ الأنظمة العصبية نفسها باستخدام حزمة برامج عالية الأداء تسمى الشبكة العصبية الاصطناعية السريعة
http://leenissen.dk/fann/). يحتوي على روابط لعدة لغات ، ولكن سأقوم بتجميع المكتبة مباشرة باستخدام برنامج CC لأقصى قدر من الكفاءة. وأخيراً ، ربما أفحص النتائج مرئيًا عن طريق برمجة مؤشر MT4 يعرض مخرجات النظام على المخطط.

كل شيء يبدو رائعا ، وهو يشبه أن الكثير من الناس يهتمون بالشبكات العصبية المستخدمة في العملات الأجنبية بعد نجاح كبير من EA وفقا للشبكات العصبية في مسابقة EA.

Originally Posted by ;

كل شيء يبدو جيدا ، يبدو أن العديد من الناس قد حصلت على اهتمام الشبكات العصبية المطبقة في العملات الأجنبية بعد نجاح كبير من EA وفقا للشبكات العصبية في مسابقة EA.

أقترح - أرى - أحبذ. تم تجديد اهتمامي بالتأكيد بعد عرض هذا في بطولة التداول الآلي ميتاتريدر ، ولكنني بدأت في البداية في إجراء أبحاث حول NNs وغيرها من أساليب التعلم الآلي فيما يتعلق بتحليل السوق في أواخر عام 2006. وبالإضافة إلى ذلك ، من المحتمل أن تكون هذه الشبكة العصبية قراءة حركة السعر مباشرة بدلاً من المؤشرات المحسوبة ، كما فعل EA الفائز الحالي. لدي بعض التعديلات الجديدة على خطتي التي سأقوم بنشرها عندما أكون أكثر تنبيهاً ولا يجب أن أنهي تصميم VHDL قبل الحادية عشرة من صباح الغد
.

وبدلاً من تحويل القيمة العددية لهذه المطابع إلى قيم النقطة ، فمن المفضل بدلاً من ذلك أن تقود نوعًا من الرسم البياني الاحتمالي. أي ، لكل فترة زمنية قيد النظر ، يكون لديك زوج من المخرجات على النحو التالي (على سبيل المثال): احتمال احتمال مرتفع 100 نقطة احتمال محتمل مرتفع 50 نقطة احتمال محتمل مرتفع 30 نقطة احتمال محتمل مرتفع 20 نقطة احتمالية التوقعات المرتقبة 10 نقطة احتمال احتمال منخفض -10 نقطة احتمال احتمال منخفض -20 نقطة احتمال احتمال منخفض -30 نقطة احتمال مستقبلي منخفض -50 نقطة احتمال احتمال انخفاض -100 نقطة ولذلك ، فإن كل إشارة خرج تتنبأ الاحتمال ، بالنظر إلى النمط الحالي على إشارة الدخل ، فإن المستقبل المرتفع أو المنخفض هما مسافة محددة بصرف النظر عن السعر الحالي. من المحتمل أن تكون هذه المطابع مفضلة للأسباب التي تصبح واضحة بمجرد استخدام NNs لبعض الوقت. في نهاية المطاف ، تكون جميع أدوات التعلم الآلي عبارة عن نوع من التحليل الإحصائي ، لكن NNs خاصة ، حيث أن الغرض من التقليل إلى أدنى حد هو خطأ الوسط التربيعي الخاص بك ضمن مجموعة البيانات الخاصة بمخرجاتها مقابل الأهداف. المترجم: تميل المخرجات عمومًا إلى متوسط ​​أهدافها. إذا كنت قد حصلت على 100 رسم توضيحي لنمط ما ، وتغيرت الارتفاعات المستقبلية الخاصة به حول متوسط ​​معين ، ستتعلم الشبكة فقط الناتج الذي يعني ذلك. من المحزن أن نقول ، فإن الوسط لا يخبرنا بأي شيء عن شكل هذا العرض. تخيل لو أن 50 من هذه الحالات الـ100 تحركت فقط بعشر نقاط ، إلى جانب 50 نقطة أخرى لنقل 100 نقطة؟ ستخبرنا الشبكة أن الحركة المتوقعة تعني (10،100) = 55 نقطة ، عندما لا تحدث هذه الحركة أبداً! ومع ذلك ، عند العمل مع زوج من الشرر القائم على المدرج الإحصائي ، سنرى أن نقاط قوة الخرج لتلك العُقد التي تتطابق مع 10 و 100 هي 0.5 ، ونقاط القوة المتأصلة في هذه العقد الأخرى هي 0. وهكذا ، عند بناء الخوارزميات التي استخدام هذا الإخراج للتداول ، لا يمكننا تحليل متوسط ​​السعر المتوقع للتغير فقط ولكن العرض. لاحظ أنه من خلال قسمة النطاق القادم إلى صناديق وسعر زمني كافيين ، سنحصل في النهاية على زوج من المخرجات تبدو كصورة مثل:
إن التدريب والاختبار ولا سيما التداول التلقائي المستند إلى الصورة سيكون مضيعة للوقت للغاية ، ومع ذلك ، فإننا سوف نلتزم بزوج من الإطارات والأطر الزمنية المدمجة في الوقت الحالي. ومع ذلك ، سيتم تشتيت جميع المعلمات لهذه الشبكة ونظام التدريبالاختبار ، لذلك إذا تبين أن الشبكة ذات قيمة وقطاراتاختبارات بسرعة كما هو ، فربما يمكننا محاولة رفع القرار عن طريق دمج المزيد من الصناديق والأطر الزمنية.

مرحباً يا درامر!
أتوقع أن هذا الموضوع سيكون ممتعًا وتجربة تعليمية رائعة! لدي بعض الأسئلة ، أحدها عن المدخلات والآخر عن المخرجات. 1. هل ستقوم بتغيير كمية الأشرطة المستخدمة لتوليد معلمات الإدخال بسهولة؟ إذا كان الأمر كذلك ، فهذا يخلق درجة أخرى من الحرية ولكنه قد يوفر نظرة ثاقبة للطريقة التي يؤثر بها نمط تنبئي على الوظيفة. هل NNs 4 بار أكثر أو أقل نجاحا من NNs 10 بار ، وهذا النوع من الشيء. 2. أنا أعرف لماذا تحولت إلى توزيع ، مثل أنني عادة ما ننظر في انهيار الربعية في بحثي. ومع ذلك ، لا يزال من الصعب تبادلها من التوزيع. ماذا عن استخدام خيارات التداول الحقيقية كمخرج؟ قد يكون هناك ثلاثة عوامل. متغيّر فعل للشراء أو الإحتفاظ أو البيع بقيمة (-1،0،1) ، قيمة SL في النقاط وقيمة TP بالنقاط (لأن مدخلاتك تقاس بالنقاط التي أعتقدها). إذا قمت بالبروجيكت ، يمكنك مقارنة المخرجات الحقيقية مع المخرجات المثالية. على سبيل المثال ، إذا تجاوز السعر خلال فترة الاختبار ، 37 نقطة أقل من إغلاق الناتج الأخير و 19 نقطة فوق ذلك الإغلاق ، عندها يمكن أن تتحول التجارة المثالية إلى عملية بيع باستخدام توقف 19 نقطة و TP من 37 نقطة ، أي نتيجة (-1،19،37). لم أعمل أبداً مع برامج NN وأنني أعرف فقط أساسيات نظرية الشباك وترتيبها ، لذا قد لا يكون ذلك منطقياً في الواقع.
ماذا تعتقد؟

Originally Posted by ;

1. هل ستتغير عدد الأشرطة المستخدمة لتوليد معلمات الإدخال بسهولة؟ إذا كان الأمر كذلك ، فهذا يخلق مستوى آخر من الحرية ولكنه قد يوفر نظرة ثاقبة للطريقة التي يؤثر بها نموذج التنبؤية على الأداء. هل NNs 4 بار أكثر أو أقل فعالية من NNs 10 بار ، هذا النوع من الشيء.

نعم فعلا

Originally Posted by ;

2. أنا أعرف لماذا تغيرت إلى العرض ، لأنني عموما أنظر إلى الأعطال الربعية في بحثي الخاص. ومع ذلك ، لا يزال من الصعب استبدال العرض. ماذا عن استخدام خيارات التداول الحقيقية كإشارة خرج؟ قد يكون هناك ثلاثة متغيرات. متغير عمل للشراء أو الإحتفاظ أو البيع بقيمة (-1،0،1) ، قيمة SL في النقاط وقيمة TP بالنقاط (بما أن مدخلاتك تقاس بالنقاط التي أعتقدها). عندما تعيد التفعيل ، سوف تقارن بين المخرجات الحقيقية والنتائج المثالية. على سبيل المثال ، إذا وصل السعر خلال فترة التقييم إلى مستوى منخفض بمقدار 37 نقطة دون إغلاق الناتج السابق و 19 نقطة فوق ذلك القرب ، فقد تكون الصفقة المثالية قد تحولت إلى عملية بيع مع توقف 19 نقطة و TP من 37 نقطة ، أي إشارة النتيجة من (-1،19،37). لم أعمل أبداً مع برامج NN وأنني أعرف فقط أساسيات مفهوم الشبكات وشكلها ، لذا قد لا يكون ذلك منطقياً في الواقع.
ماذا تعتقد؟

البيانات التجارية المثالية التي ذكرتها هي في الواقع ما تحدثت عنه في مشاركتي التالية في هذه المجلة. ما تقصده هو استهداف المستقبل المنخفض والعالي لكل نمط إدخال. إشارة شراءبيع في الواقع زائدة عن الحاجة ، شريطة أن يمكنك حسابها عن طريق القول (highgt؛ low) * 2-1. بعد التدريب على مجموعة كبيرة من هذه الأنماط ، من المحتمل أن تتعلم الشبكة العصبية إخراج إحساس هذه القيم عبر مجموعة من الأنماط المماثلة. بدلا من ذلك ، أنا أفضل أن يكون على الشبكة معرفة العرض. إن معرفة التوزيع الإحصائي السابق يسمح لك بوضع استراتيجيات تعتمد على الاحتمالية المحسوبة لضرب نقاط سعر مختلفة. على سبيل المثال ، يتم استخدامنا لمفهوم أخذ عمليات التداول مع نسبة 2: 1 أو 3: 1 إلى نسبة SL ، لكننا لا نستطيع التأكد من أنها ستزيد من أرباحنا بالفعل ، لأنه بدون حافة تنبؤية ، توقف أقرب بشكل عام أكثر عرضة للاصابة من جني الأرباح. إذا عرفنا التوزيع الإحصائي لنقاط السعر خلال الساعة التالية (أو اليوم ، أو الأسبوع ... أي شيء) ، يمكننا وضع نقاط توقف ، من الناحية التاريخية ، هي في الواقع أقل عرضة للضعف من مستوى جني الأرباح لدينا. من الناحية المثالية ، سيكون لدينا القدرة على اختيار التداولات ذات الاحتمالية العالية للغاية والمكافأة العالية ، حيث من غير المحتمل أن يتم ضرب النهاية ، ومن المرجح أن يتم جني الأرباح ، وأخذ الربح أبعد بكثير من النهاية . ويعزو Warren Buffet دائما نجاحه إلى خلق استثمارات منخفضة المخاطر وعالية القيمة. يجب أن يكون هدفنا هو نفسه - أي تحقيق أقصى احتمال للفوز مع تقليل احتمال الخسارة - أو في شروط المتداول: الحصول على ميزة في السوق.