خوارزميات الفوركس

+

الخوارزمية الجينية في FOREX أنظمة التداول استخدام الخوارزميات الجينية لخلق مربحة استراتيجية تداول العملات الأجنبية. الخوارزمية الجينية في اللحاء الشبكات العصبية البرامج Feedforward العكسي تطبيق الشبكة العصبية للحسابات وراثية تعتمد تداول العملات الأجنبية. يستخدم هذا المثال المفاهيم والأفكار من المادة السابقة، لذا يرجى قراءة العصبية الخوارزميات الجينية الشبكة في FOREX أنظمة التداول لأول مرة، على الرغم من أنه ليس إلزاميا. حول هذا النص أولا وقبل كل شيء، يرجى قراءة إخلاء المسؤولية. هذا مثال من استخدام اللحاء الشبكات العصبية البرامج وظائف الخوارزمية الجينية، وليس مثالا على كيفية القيام تجارة مربحة. أنا لست المعلم الخاص بك، لا يجب أن أكون مسؤولا عن الخسائر الخاصة بك. القشرة الشبكات العصبية البرمجيات لديها الشبكات العصبية في ذلك، وFFBP ناقشنا قبل ليست سوى طريقة واحدة لاختيار استراتيجيات تداول العملات الأجنبية. وهو أسلوب جيد وقوية وعند تطبيقها بشكل صحيح، promicing جدا. ومع ذلك، فإنه لديه مشكلة - لتعليم TNE الشبكات العصبية. نحن بحاجة إلى معرفة "النتيجة المرجوة". فمن السهل بدلا أن تفعل عندما نفعل وظيفة التقريب، ونحن نأخذ فقط القيمة "الحقيقية" وظيفة، لأننا نعرف ما ينبغي أن يكون. عندما نفعل العصبي التنبؤ الشبكة. نستخدم تقنية (وصفها في مقالات سابقة) لتعليم الشبكة العصبية في التاريخ، مرة أخرى، إذا نتوقع، مثلا، سعر صرف، ونحن نعلم (خلال التدريب) ما هو التنبؤ الصحيح. ومع ذلك، عندما نقوم ببناء نظام تجاري، ليس لدينا أي فكرة ما هو القرار الصحيح التداول، حتى لو كنا نعرف سعر الصرف! كما واقع الأمر، لدينا العديد من استراتيجيات تداول العملات الأجنبية يمكن أن نستخدمها في أي لحظة من الزمن، ونحن بحاجة إلى إيجاد جيدة واحدة - كيف؟ ما يجب أن نطعم والإخراج المطلوب من لدينا العصبية صافي؟ إذا اتبعت المادة السابقة لدينا، كما تعلمون، أننا قد خدع للتعامل مع هذه المشكلة. نحن تيتشيد الشبكة العصبية للقيام (على مؤشر أو الصرف) التنبؤ سعر الصرف، وتستخدم بعد هذا التوقع للقيام التداول. ثم، خارج إطار الشبكة العصبية للبرنامج، اتخذنا قرارا الذي الشبكة العصبية هو أفضل واحد. يمكن الخوارزميات الجينية تعامل مع هذه المشكلة مباشرة، فإنها يمكن أن تحل المشكلة كما ذكرت "العثور على أفضل إشارات التداول". في هذا المقال الذي نحن بصدد استخدام اللحاء الشبكات العصبية برنامج لإنشاء مثل هذا البرنامج. استخدام الخوارزميات الجينية يتم وضع جيد للغاية الخوارزميات الجينية، ومتنوعة جدا. إذا كنت تريد معرفة كل شيء لهم، وأنا أقترح عليك استخدام ويكيبيديا، وهذا المقال هو فقط حول ما يمكن اللحاء الشبكات العصبية البرمجيات القيام به. وجود اللحاء الشبكات العصبية البرمجيات. يمكننا خلق شبكة العصبية التي تأخذ بعض المدخلات، مثلا، قيم مؤشرا، وتنتج بعض الناتج، مثلا، إشارات التداول (شراء أو بيع أو عقد.) و إيقاف الخسارة / أخذ مستويات الربح لشغل وظائف ليتم فتحه. وبطبيعة الحال، إذا كان لنا أن البذور أوزان هذه الشبكة العصبية الصورة بشكل عشوائي، والنتائج التجارية يكون فظيعا. ومع ذلك، دعونا نقول أنشأنا عشرات من هؤلاء كالة أنباء البحرية. ثم يمكننا اختبار أداء كل منهم، واختيار أفضل واحد، هو الفائز. وكان هذا "الجيل الأول" من NNS. الاستمرار في الجيل الثاني، ونحن بحاجة للسماح الفائز جهدنا ل"الإنجاب"، ولكن لتجنب الحصول على نسخ متطابقة، دعونا نضيف بعض نويس عشوائي لانها الأوزان descentants. في الجيل الثاني، لدينا الفائز من الجيل الأول لدينا وانها ناقصة (تحور) نسخة. دعونا نفعل اختبار مرة أخرى. سيكون لدينا فائز آخر، وهو أفضل ثم أي شبكة العصبية الأخرى في الجيل. وهلم جرا. نحن ببساطة السماح الفائزين لتربية، والقضاء الخاسرين، مثلما هو الحال في تطور الحياة الحقيقي، ونحن سوف تحصل لدينا أفضل المتاجرة الشبكات العصبية. دون أي المعرفه السابقة على ما في النظام التجاري (الخوارزمية الجينية) يجب أن يكون عليه الحال. الشبكة العصبية الخوارزميات الجينية: مثال 0 وهذا هو أول مثال الخوارزمية الجينية. واحد بسيط جدا. نحن نذهب إلى المشي من خلال ذلك خطوة بخطوة، لمعرفة كل الحيل التي الأمثلة التالية سوف تستخدم. رمز ديه التعليقات المضمنة، لذلك دعونا نركز فقط على لحظات مهمة. أولا، أنشأنا شبكة العصبية. أنه يستخدم الأوزان العشوائية، ولم تيتشيد حتى الان. ثم، في دورة، ونحن جعل 14 نسخ منه، وذلك باستخدام MUTATION_NN fumction. يجعل هذه الوظيفة نسخة من مصدر الشبكات العصبية. مضيفا قيم عشوائية من 0 إلى (في حالتنا) 0.1 لجميع الأوزان. ونحافظ على مقابض لينتج 15 كالة أنباء البحرية في صفيف، يمكننا ان نفعل ذلك، ومقبض هو مجرد عدد صحيح. السبب نستخدم 15 كالة أنباء البحرية له علاقة مع تداول شيء: يمكن اللحاء الشبكات العصبية البرمجيات رسم ما يصل الى 15 خطوط على الرسم البياني في وقت واحد. يمكننا استخدام أساليب مختلفة لاختبار. أولا، يمكننا استخدام مجموعة تعلم، كل ذلك في آن واحد. ثانيا، يمكننا اختبار على، ويقول، 12000 resords (من أصل 100000)، والمشي من خلال مجموعة التعلم، من البداية إلى النهاية. والتي تجعل learnigs مختلفة، وسنبحث عن الصورة الشبكات العصبية "التي هي مربحة على أي جزء معين من البيانات، وليس فقط على المجموعة بالكامل. يمكن النهج الثاني تعطينا المشاكل، إذا تغيرت البيانات، من البداية إلى النهاية. ثم الشبكة سوف تتطور، والحصول على القدرة على التداول في نهاية مجموعة البيانات، وفقدان القدرة على التداول في بدايتها. لحل هذه المشكلة، ونحن نذهب إلى اتخاذ عشوائية 12000 سجلات شظايا من البيانات، وذلك لتغذية الشبكة العصبية. هو مجرد دوامة لا نهاية لها، كما لن يتم التوصل إلى 100،000 دورات في سرعتنا. أدناه نضيف طفل واحد لكل شبكة، مع أوزان مختلفة قليلا. نلاحظ، أن 0.1 لطفرة تانجي ليست هي الخيار الوحيد، لأن واقع الأمر، يمكن أن يكون الأمثل حتى هذه المعلمة باستخدام الخوارزمية الجينية. تضاف أنشئت حديثا كالة أنباء البحرية بعد 15 الموجودة. بهذه الطريقة لدينا 30 كالة أنباء البحرية في صفيف، 15 عاما، و 15 الجديد. ثم نحن ذاهبون للقيام الدورة القادمة للاختبار، وقتل الخاسرين، من كل الأجيال. للقيام اختبار، ونحن نطبق الشبكة العصبية لمعلوماتنا، لإنتاج المخرجات، ومن ثم استدعاء اختبار وظيفة، يستخدم هذه النواتج إلى محاكاة التداول. وتستخدم نتائج التداول deside، التي كالة أنباء البحرية هي أفضل. ملاحظة رمز: نحن نستخدم فاصل من السجلات nLearn، من nStart إلى nStart + nLearn، حيث nStart هو نقطة عشوائية داخل مجموعة التعلم. رمز أدناه هو خدعة. السبب نستخدمها لتوضيح حقيقة، أن الخوارزمية الجينية يمكن أن تخلق الخوارزمية الجينية. لكنها لن بالضرورة سيكون أفضل واحد، وأيضا، تشير إلى أننا يمكن أن تحسن نتيجة لذلك، إذا كنا ضمنا بعض القيود على عملية التعلم. فمن الممكن أن نظام التداول لدينا يعمل بشكل جيد جدا على الصفقات طويلة، والفقراء جدا على المدى القصير وأو العكس بالعكس. إذا، ويقول، الصفقات طويلة جيدة جدا، هذه الخوارزمية الجينية قد تفوز، حتى مع خسائر كبيرة في الصفقات قصيرة. لتجنب ذلك، ونحن تعيين المزيد من الوزن إلى الصفقات طويلة في نيف والصفقات قصيرة حتى في دورات. هذا مجرد مثال، ليس هناك ما يضمن، أنه سوف يحسن شيئا. المزيد حول هذا الموضوع أدناه، في نقاش حول التصحيحات. من الناحية الفنية، لم يكن لديك للقيام بذلك، أو يمكن جعلها مختلفة. إضافة الأرباح إلى مجموعة تم فرزها. تقوم بإرجاع موقف الإدراج، ثم نستخدم هذا الموقف لإضافة الشبكات العصبية التعامل والتعلم واختبار الأرباح لصفائف غير مرتبة. الآن لدينا بيانات عن الشبكة العصبية الحالية في مؤشر مجموعة نفس أرباحها. والفكرة هي للوصول إلى مجموعة واسعة من NNS، مرتبة حسب الربحية. كما الصفيف sortes من قبل الربح، لإزالة 1/2 الشبكات، والتي هي أقل ربحية، ونحن بحاجة فقط لإزالة كالة أنباء البحرية 0-14 تستند قرارات التداول على قيمة إشارة الشبكة العصبية، من وجهة النظر هذه البرنامج مطابق لأمثلة من المادة السابقة. استراتيجية تجارة الفوركس: مثال مناقشة 0 أولا وقبل كل شيء، دعونا نلقي نظرة على الخرائط. الرسم البياني الأول من أجل الربح خلال التكرار الأول ليست جيدة على الإطلاق، كما ينبغي أن يتوقع، والشبكة العصبية يفقد المال (صورة evolution_00_gen_0.png نسخ بعد التكرار الأول من "الصور" مجلد): الصورة من أجل الربح على دورة 15 هو أفضل، وأحيانا، يمكن أن الخوارزمية الجينية يتعلم بسرعة حقا: ومع ذلك، لاحظ التشبع على منحنى الربح. ومن المثير للاهتمام أيضا أن ننظر إلى تغيير طريقة الأرباح الفردية، مع الأخذ في الاعتبار، أن عدد منحنى، ويقول، 3 ليست دائما على نفس الشبكة العصبية. لأنها ولدت وإنهاء كل وقت: نلاحظ أيضا، أن القليل الفوركس نظام التداول الآلي من ينفذ الفقراء على الصفقات قصيرة، وأفضل بكثير على صفقات الشراء، التي قد تكون أو لا تكون ذات صلة إلى الواقع، هو أن هبوط الدولار مقابل اليورو خلال تلك الفترة. ويجوز لها أيضا أن تفعل شيئا مع معايير مؤشر لدينا (ربما، نحن بحاجة إلى فترة مختلفة عن شورت) أو اختيار المؤشرات. هنا هو التاريخ بعد 92 و 248 دورات: لدهشتنا، فشلت الخوارزمية الجينية تماما. دعونا نحاول معرفة لماذا، وكيف أن يساعد في هذه الحالة. أولا وقبل كل شيء، ليس كل جيل من المفترض أن يكون أفضل من واحد previuos؟ الجواب هو لا، على الأقل ليس ضمن نموذج استخدمنا. إذا أخذنا مجموعة كامل التعلم في آن واحد، واستخدامها مرارا وتكرارا لتعليم كالة أنباء البحرية لدينا، ثم نعم، وسوف تحسين كل جيل. ولكن بدلا من ذلك، أخذنا شظايا عشوائية (12000 السجلات في الوقت المناسب)، واستخدمها. سؤالين: لماذا فشل النظام في أجزاء عشوائية من تعلم مجموعة، ولماذا لم استخدمنا كامل مجموعة التعلم؟ حسنا. للإجابة على السؤال الثاني، فعلت. كالة أنباء البحرية يقوم إلى حد كبير - على تعلم مجموعة. وفشلوا في اختبار مجموعة، لنفس السبب failes عندما كنا التعلم FFPB. وبعبارة أخرى، حصلت لدينا كالة أنباء البحرية overspecialized، تعلموا كيفية البقاء على قيد الحياة في بيئة يتم استخدامها، ولكن ليس خارجه. هذا يحدث كثيرا في الطبيعة. وكان القصد من النهج الذي سلكناه بدلا للتعويض عن ذلك، عن طريق إجبار كالة أنباء البحرية لأداء جيدة على أي جزء عشوائي من مجموعة البيانات، بحيث نأمل، فإنها يمكن أيضا أن تؤدي إلى مجموعة الاختبار غير مألوف. بدلا من ذلك، أنها فشلت على كل من الاختبار وعلى تعلم مجموعة. تخيل الحيوانات، التي تعيش في الصحراء. وهناك الكثير من الشمس، لا الثلوج على الإطلاق. هذا هو metafor لrizing السوق، كما لدينا كالة أنباء البحرية تلعب البيانات دور البيئة. المستفادة الحيوانات على العيش في الصحراء. تخيل الحيوانات، التي تعيش في مناخ بارد. الثلوج والشمس لا على الإطلاق. كذلك، فإنها تعديلها. ومع ذلك، في تجربتنا، نحن وضعت بشكل عشوائي كالة أنباء البحرية لدينا في الصحراء، في الثلج، في الماء، على الأشجار. من خلال تقديم لهم شظايا مختلفة من البيانات (ارتفاع عشوائيا، السقوط، شقة). ماتت الحيوانات. أو، بعبارة أخرى، اخترنا أفضل الشبكات العصبية لبيانات عشوائية مجموعة 1، والتي، كما يقول، كان لارتفاع السوق. ثم قدمنا، للفائزين وأطفالهم، بيانات سوق هابطة ل. كالة أنباء البحرية ضعيفا، أخذنا أفضل من الأداء الضعيف، وربما، واحدة من الأطفال متحولة، الذي خسر القدرة على التداول على ارتفاع السوق، ولكن حصلت بعض القدرة على التعامل مع انخفاض واحد. ثم لجأنا الجدول مرة أخرى، ومرة ​​أخرى، وحصلنا على أفضل أداء - ولكن الأفضل بين الأداء الضعيف. نحن ببساطة لم يعط كالة أنباء البحرية لدينا أي فرص أن تصبح عالمية. هناك تقنيات السماح الخوارزمية الجينية لمعرفة معلومات جديدة دون أن تفقد الأداء على المعلومات القديمة (بعد كل شيء، يمكن للحيوانات يعيش في الصيف وفي الشتاء، أليس كذلك؟ لذلك التطور هو قادرة على التعامل مع التغيرات تكرار). ونحن قد مناقشة هذه التقنيات في وقت لاحق، على الرغم من هذا المقال هو أكثر حول استخدام اللحاء الشبكات العصبية البرمجيات. من حول بناء الفوركس نظام التداول الآلي ناجحا. الشبكة العصبية الخوارزميات الجينية: مثال 1 الآن حان الوقت للحديث عن التصحيحات. الخوارزمية الجينية البسيطة التي تم إنشاؤها أثناء الخطوة السابقة واثنين من العيوب الرئيسية. أولا، فإنه فشل في التجارة مع الربح. على ما يرام، يمكننا أن نحاول استخدام نظام تدريب جزئيا (كان مربحة في البداية). العيب الثاني هو أكثر خطورة: لدينا أي سيطرة على الأمور، أن هذا النظام لا. على سبيل المثال، فإنه قد تعلم أن تكون مربحة، ولكن مع السحب الضخمة. ومن الحقائق المعروفة جيدا، وهذا في واقع الحياة، وتطور يمكن أن أمثل أكثر من معلمة في وقت واحد. على سبيل المثال، يمكننا الحصول على حيوان، التي يمكن تشغيلها بسرعة وتكون مقاومة للبرد. لماذا لا نحاول القيام بنفس الشيء في الفوركس نظام التداول الآلي لدينا. وذلك عندما نستخدم التصحيحات، التي ليست سوى مجموعة من العقوبات الإضافية. أقول، الصفقات نظامنا مع سحب 0.5، في حين أننا نريد أن نؤكد أن 0-0،3 الفترة. كي "يخبر" النظام أنه ارتكب خطأ، ونحن انخفاض أرباحها (واحد يستخدم لتحديد والذي فاز الخوارزمية الجينية) لدرجة أن يتناسب مع حجم DD. ثم، الخوارزمية تطور يعتني بقية. هناك عدد قليل من أكثر العوامل، أننا نريد أن نأخذ بعين الاعتبار: نحن قد ترغب في الحصول على عدد أكثر أو أقل على قدم المساواة من شراء وبيع عملياتها، ونحن نريد أن يكون أكثر من عمليات مربحة، ثم الفشل، ونحن قد ترغب في الرسم البياني الربح ل تكون الخطية وهلم جرا. في evolution_01.tsc ننفذ مجموعة بسيطة من التصحيحات. أولا وقبل كل شيء، ونحن نستخدم بعض العدد الكبير لقيمة التصحيح الأولية. ضربنا إلى صغير (عادة ما بين 0 و 1) القيم، اعتمادا على "العقاب" نريد تطبيق. ثم ضربنا أرباحنا لهذا التصحيح. ونتيجة لذلك، يتم تصحيح الربح، لتعكس مدى يتوافق الخوارزمية الجينية لمعايير أخرى لدينا. ثم نستخدم نتيجة للعثور على الفائز الشبكات العصبية. استراتيجية تجارة الفوركس: مثال مناقشة 1 مثال 1 تعمل على نحو أفضل بكثير، من خلال دورات سبيل المثال 0. 100 الأولى، تعلمت الكثير، والرسوم البيانية الربح تبدو مطمئنة. لكن، وكما في المثال 0، الصفقات الطويلة هي أكثر ربحية من ذلك بكثير، وهو ما يعني على الأرجح أن هناك مشكلة في نهجنا. ومع ذلك، وجد النظام التوازن بين الزوجين من الشروط الأولية متناقضين: هناك بعض الديناميات الإيجابية سواء في مجموعة و، أكثر أهمية التعلم، في اختبار مجموعة. أما بالنسبة لمزيد من التعلم، في دورة 278 يمكننا أن نرى، أن نظامنا حصلت overtrained. وهو ما يعني، لا يزال لدينا التقدم في مجموعة التعلم: ولكن اختبار مجموعة يدل على الضعف: هذه هي مشكلة مشتركة مع NNS: عندما نعلم أنه على تعلم مجموعة، فإنه يتعلم التعامل معها، وأحيانا، فإنه يتعلم جيدا - إلى حد ما، عندما يفقد الأداء على اختبار مجموعة. للتعامل مع هذه المشكلة، ويستخدم حل "التقليدية": واصلنا تبحث عن الشبكة العصبية. الذي ينفذ أفضل على اختبار مجموعة، وحفظه، الكتابة السابق أفضل واحد، تم التوصل في كل مرة ذروة جديدة. هذا هو النهج نفسه، كنا في التدريب FFBP، إلا هذه المرة علينا أن نفعل ذلك بأنفسنا (رمز مضيفا أن يبدو لشبكة أفضل العصبية على مجموعة الاختبار، والدعوة SAVE_NN، أو تصدير أوزان الشبكة العصبية ل ملف). بهذه الطريقة، عندما تتوقف عن التدريب الخاص بك، سيكون لديك أفضل أداء على اختبار SET حفظها وانتظاركم. نلاحظ أيضا، أنه ليس أقصى الحدود. ربح أنت بعد، ولكن الأداء الأمثل، والنظر في ذلك باستخدام التصحيحات، عندما تبحث عن أفضل أداء في مجموعة الاختبار. الخوارزمية الجينية لFOREX التحليل الفني: أين الآن؟ بعد أن حصلت على الفائز بك الشبكات العصبية. يمكنك اتباع الخطوات المبينة في المادة السابقة، لتصدير الأوزان من أن الشبكات العصبية. ومن ثم استخدامها في منصة التداول في الوقت الحقيقي الخاص بك، مثل ميتا تريدر، محطة التجارة وهلم جرا. بدلا من ذلك، يمكنك التركيز على طرق أخرى لتحقيق الاستفادة المثلى من الشبكة العصبية. خلافا مع خوارزمية FFBP، وهنا يمكنك الحصول على avay من استخدام التعلم واختبار مجموعات، ونقل التعلم متسلسلة. تحميل قائمة اللحاء اللحاء طلب عرض الأسعار مهمتنا هي لتسخير وإتاحتها للتجار والمستثمرين الحلول أقوى الذكاء الاصطناعي باستخدام أحدث خوارزميات تعلم الآلة الفردية من أجل تطوير نماذج مستقرة وآمنة للتنبؤ تحركات أسعار العملات الأجنبية. تاجر FOREX أجهزة الكمبيوتر ضد فائق السرعة الإنسان والخوارزميات: فاز منظمة الصحة العالمية؟ وأدان حتى ما يسمى المستشارين الخبراء تعمل على المنابر الشعبية، وذلك باستخدام مع مجموعات معقدة من المؤشرات الفنية في تركيبة مع أدوات لاختبار الخلفي من الاستراتيجيات إلى الفشل على المدى الطويل. هناك سببان بسيطة وأساسية لهذا (1) عدم وجود التطور و(2) السلطة الحسابية غير كافية. وهما أمور مرتبطة ارتباطا وثيقا، والقوة الحسابية غالبا ما تقتصر على مجرد سطح المكتب، مهما بلغت قوتها أنه قد يكون من المستحيل لتشغيل استراتيجية مع المستوى المطلوب من الرقي على تحقيق عوائد مستقرة وطويلة الأجل. حلول الذكاء الاصطناعي الحقيقية تكمن في متناول من المتداولين الأفراد والمستثمرين والمؤسسات المالية حتى أصغر. في هذه البيئة لتكون تاجرا ناجحا والتغلب على قيود محدودة القوة الحسابية والتطور عروضنا FOREX TRADING خوارزمية مفتاح نجاحك. اتصل بنا لمعرفة كيف يمكن أن تعمل من أجلك.