.
Генетический алгоритм. Шаг 8. Проектирование блока обучения нейросети.
Автор megabax   
12.03.2011 г.
New Page 1

Генетический алгоритм. Шаг 8. Проектирование блока обучения нейросети.

Все статьи по данной теме.

Прежде чем приступить к проектированию блока обучения, я решил провести серию экспериментов. На шаге 6 я предположил, что можно получать новые индикаторы, меняя весовые коэффициенты свечей при вычислении скользящей средней. Поэтому в первом эксперименте я решил исследовать торговую стратегию, основанную на пересечении двух MA с периодами 5 и 10:

Генетический алгоритм. Шаг 8. Проектирование блока обучения нейросети.

 Для начала я написал собственные индикаторы, которые вычисляются путем суммирования значений цен, умноженных на весовых коэффициентах. Соответственно, эти индикаторы имеют 5 и 10 параметров, в которых задаются эти самые коэффициенты. Затем я протестировал эти индикаторы, положив их на тот же график, где у меня были вышеназванные MA. Новые индикаторы закрыли старые, то есть, они полностью повторили их контур. Следовательно, мои индикатор написаны правильно. Можно приступать к программированию советника для тестирования простейшей стратегии пересечения.

Протестировал этого советника на USDCHF, часовики, период 7 месяцев:

http://easyprog.ru/index.php?option=com_content&task=view&id=512&Itemid=44

В исходном варианте (обычные MA  с равными весовыми коэффициентами, TakeProfti=100 пунктов, StopLoss=30 пунктов). Результат получился убыточный (правильность теста я проверил, посмотрев сделки на графике, соответствуют ли они реальным сигналам). 

Теперь посмотрим, что же даст оптимизации по весовым коэффициентам. Все весовые коэффициенты (все 15 штук) решил оптимизировал сот -0.5 до 0.7 с шагом 0.7).:

Генетический алгоритм. Шаг 8. Проектирование блока обучения нейросети.

При оптимизации я включил галочку "Использовать генетический алгоритм", так как это ускоряет оптимизацию. Показало, что компьютер будет считать 25 минут. Ну, что-ж, можно пойти пить пиво :), ибо пятница:

Генетический алгоритм. Шаг 8. Проектирование блока обучения нейросети.

И что - же получилось? Программа Metatrader нашла две лучшие прибыльные комбинации весовых коэффициентов:

http://easyprog.ru/index.php?option=com_content&task=view&id=512&Itemid=44

Вот они:

  • FastExtParam1=-0.1

  • FastExtParam2=-0.5 

  • FastExtParam3=0.3

  • FastExtParam4=0.7

  • FastExtParam5=-0.1

  • SlowExtParam1=0.1

  • SlowExtParam2=0.2

  • SlowExtParam3=0.1

  • SlowExtParam4=0.3

  • SlowExtParam5=0.5

  • SlowExtParam6=-0.3

  • SlowExtParam7=0.6

  • SlowExtParam8=-0.2

  • SlowExtParam9=-0.5

  • SlowExtParam10=-0.5

Посмотрим, как будет выглядеть график с этими параметрами:

Генетический алгоритм. Шаг 8. Проектирование блока обучения нейросети.

Как видно, после оптимизации весовых коэффициентов стратегия стала прибыльной.  Можно, конечно, возразить, что это всего лишь подгонка под историю. И что в будущем эти параметры могут и не дать профит. Но это уже следующий шаг и новое исследование. Продолжение следует. 

 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. )