Эксперименты с синтетическими котировками. Статья 4. Добавим к свечам случайные тени.

Исходник используемого в уроке советника можно скачать в платном разделе. См. так же анонсы исходников.

Вот так выглядят синтетические котировки, после того как я добавил случайные тени (до 50% от высоты свечи):

Для тестирования я взял тот же самый уже обученный советник, который использовал на предыдущем уроке.

Без теней, результат 3466975,78 (34669,76 %), график баланса:

С тенями (тени случайны до 50% от высоты свечи), результат 2132855,49 (21328,55%), вот график баланса:

Но что получиться, если попробовать обучать нейросеть на таких котировках? При коэффициенте уменьшения 1.001, который я вывел на предыдущем шаге, обучение не полупилось. Сеть сначала обучилась, а снова разучилась торговать и стала сливать:

Попробовал оптимизировать коэффициент обучения на том же диапазоне, что и на предыдущем шаге. Лучший результат получился при значении 1, тоесть, коэффициент обучения не уменьшается вовсе. Но это приводит вот к такому графику:

Тоесть, сеть то обучается торговать, то снова теряет свои знания.

Тогда я решил снова уменьшить диапазон и шаг оптимизации. Диапазон взял от 1 до 1.05, шаг 0.0001 (одна десятитысячная). В результате получилось, что коэффициент должен быть 1.0014. Вот как выглядит график доходности с оптимизированным параметром замедления обучения (почти такой же, как и на прошлом шаге):

Какой из этого можно сделать вывод? Нейросеть может обучаться так же и на котировках, имеющих случайные тени, нужно только правильно подобрать коэффициент замедления обучения.

Теперь интересно проверить, как поведет себя уже обученная нейросеть на таком графике и сравнить, насколько разнятся ее коэффициенты с теми, что были получены на предыдущем шаге.

Тестирование обученной нейросети показала вот такой график доходности:

Финансовый результат 3379599.92 (33796.00%).

Теперь сравним коэффициенты

Как видим, некоторые коэффициенты немножко отличаются, а большинство практически осталось одинаковым.