Программирование - это просто
Advertisement
Главная arrow Биржевые роботы arrow Генетический алгоритм (экспериментальный проект) arrow Генетический алгоритм. Шаг 6. Как "зашить" в нейросеть торговые сигналы
28.01.2022 г.
Главное меню
Главная
Интернет магазин
Программные продукты
Биржевые роботы
Искусственный интеллект
Математика и информатика
1С:Предприятие
Уроки C#
Уроки Delphi
Уроки программирования
Web-программирование
Дизайн и графика
Компьютер для блондинок
Исходники
Статьи
Платный раздел
Рассказы про компьютеры
Хитрости и секреты
Системный подход
Размышления
Наука для чайников
Друзья сайта
Excel-это не сложно
Все о финансах
.
Генетический алгоритм. Шаг 6. Как "зашить" в нейросеть торговые сигналы Печать E-mail
Автор megabax   
24.02.2011 г.
New Page 1

Генетический алгоритм. Шаг 6. Как "зашить" в нейросеть торговые сигналы

Все статьи по данной теме.

 

В прошлый раз я остановиться на  том, что решил подумать, как закодировать торговые сигналы в нейронной сети. Рассмотрим, например, такой простой сигнал, как пересечение двух мувингов (быстрый и медленный)*:

 

Генетический алгоритм. Шаг 6. Как "зашить" в нейросеть торговые сигналы

 

Простую MA можно представить в виде одного нейрона, у которого все весовые коэффициенты будут равны 1/кол-во входов. Для экспонентального свозящего среднего, соответственно, весовые коэффициенты для первых свечей будут больше, чем для последней. Так как у нас две скользящи средних, то на первый слой мы помещаем два нейрона. На втором слое у нас будет образовываться сигнал. Как в нейросети закодировать пересечение? Сразу рождается мысль поместить на первый слой еще два нейрона (уже 4), которые будут вычислять предыдущие значения индикаторов. И теперь нам надо как то связать воедино выходные сигналы этих четырех нейронов.  А вот на втором слое мы поместим два нейрона, которые будут определять, тот факт, что один индикатор выше, другой ниже. Для этого у него будет всего два входа с коэффициента 1 и -1. Один нейрон обработает данные предыдущих значений индикаторов, другой текущий.  Об передают данные на нейрон третьего слоя, тоже с коэффициентами 1 и -1. Но, немного проанализировав данную идею, я понял, что она не катит. И вот почему:  пусть сначала первый индикатор был 100, второй 99. Первый нейрон вычислит 1. А текущее значение индикаторов, допустим, 101 и 103. Второй нейрон вычислит -2. В итоге будет -1. У нас нуль получиться только в том случае, когда оба индикатора на текущей и предыдущий свече отличаются друг от друга в одинаково разные стороны.  В общем, не сможем мы на весовых коэффициентах выцепить пересечение. Но данную проблему решит особый вид нейрона - персептрон. В отличие от обычного нейрона, его выходной сигнал будет 0, если результат суммирования входов, умноженных на весовой коэффициент, будет ниже порога срабатывания, и 1 либо -1, если выше порога срабатывания в ту или иную сторону. Например, если порог срабатывания 0.1, то при 0,05 будет 0, при -0.03 будет 0, при 0.2 будет 1, при -0.11 будет -1. Таким образом, для реализации проверки пересечения нам понадобиться три персептрона: один для проверки текущих значений индикатора, второй для предыдущих, и третий для проверки результата этих двух персептронов, их логическое И.  Логическое И у нас реализуется коэффициентами 1 и  с порогом чувствительности 2. Если на входах будут обе единицы, то на выходе будет 2, которая преобразуется в 1. Если хоть на одном из входов 0 или -1, то результат на выходе будет меньше 2 и он преобразуется в 0.  

Теперь подумаем, как реализовать на нейросети более сложный индикатор, например, стохастик. Его линия %K вычисляется по формуле:

%K=(Цтекмин)/(Цмахмин)

где Цтек - текущая цена

Цмин - минимальная цена за период стохастика,

Цмах - максимальная цена за период стохастика

вычитания у нас реализуется нейроном с весовыми коэффициентами 1 и -1. Тут проблем не возникнет. Как определить максимум и минимум? Думаю, на весовых коэффициентах это будет проблематично, поэтому считаю целесообразным завести еще несколько типов нейронов:

  • Определение минимума.
  • Определение максимума.
  • Геометрический нейрон (результат - произведение всех входов в степени весовых коэффициентов: Вых=Вх1w1*Вх2w2 *Вх3w3*...). 

Таким образом, деление у нас будет реализовано именно геометрическим нейроном, где коэффициент второго входа будет -1, а первого 1. Иными словами, мы получим формулу:

Вых=Вх1/Вх2=Вх11*Вх2-1

Вот так будет выглядеть структура нейросети для этой формулы:

Генетический алгоритм. Шаг 6. Как "зашить" в нейросеть торговые сигналы

Похожим образом вычисляем и %D. Другие индикаторы я пока рассматривать не буду, думаю, возможностей перечисленных в данной статье типов нейронов будет достаточно. Если в дальнейшем выясниться, что нет, то всегда можно запрограммировать новые.

Все статьи по данной теме. 


Скриншоты, помеченные знаком*, являются цитатами и иллюстрациями  программного продукта "Metatrader 4", авторское право на который принадлежит "MetaQuotes Software Corp". 


 

 

Последнее обновление ( 29.06.2011 г. )
 
« След.   Пред. »
 
© 2022 Программирование - это просто
Joomla! - свободное программное обеспечение, распространяемое по лицензии GNU/GPL.
Русская локализация © 2005-2008 Joom.Ru - Русский Дом Joomla!
Design by Mamboteam.com | Powered by Mambobanner.de
Я принимаю Яндекс.Деньги