Melhores Algoritmos De Trading Forex

Robôs de Forex Bem-vindo ao site de robôs automáticos MycAlgo forex que ajuda os comerciantes de Forex a investir em mercados de divisas. Os robôs automatizados Forex são algoritmos que permitem que os comerciantes forex criem uma seqüência pré-definida e automática de ações que não exigem monitoramento contínuo. Em outras palavras, eles facilitam a negociação forex, permitindo que você troque automaticamente ndash ou semi-automaticamente - e analise uma variedade de indicadores técnicos de Forex antes de selecionar as melhores estratégias de negociação forex. Para iniciar a negociação forex automatizada, execute alguns passos simples: instale um terminal comercial. Baixe um robô Forex e familiarize-se com as instruções para as lógicas buysell, os parâmetros de entrada e o robô forex. Antes de começar a negociar, recomendamos que você teste suas estratégias de negociação forex automaticamente usando uma conta Demo. E também testar suas estratégias de Forex automatizadas usando os dados históricos disponíveis através da conta Demo. Depois de se familiarizar com o processo, você poderá escrever seu próprio robô de negociação Forex automatizado. A informação que os robôs de negociação automática oferecem novas oportunidades de negociação forex algorítmicas abertas, não só para programadores, mas também para comerciantes que possuem um conhecimento prático de plataformas de negociação forex e seus instrumentos, e qualquer pessoa experiente em negociação automatizada de robôs Forex. Nosso site oferece uma visão geral completa da negociação algorítmica ECN através do inovador terminal comercial cAlgo. Desbloqueie o potencial de negociação total com os robôs automatizados Forex trading 2012 MycAlgo. Patrocinado por FxPro.8 Tipos de Estratégias de Forex Algorítricas Postado há 2 anos 12:10 12 de novembro de 2014 2 Comentários Como prometido, heres a próxima parte da minha série em sistemas de negociação forex algorítmicos. Certifique-se de verificar a primeira parte sobre o que você precisa saber sobre o Algo FX Trading antes de ler. Essa abordagem comercial geralmente atrai aqueles que procuram eliminar ou reduzir a interferência emocional humana na tomada de decisões comerciais. Afinal, comprar ou vender sinais podem ser gerados usando um conjunto de instruções programadas e podem ser executados diretamente em sua plataforma de negociação. Amazeballs Heres meu dinheiro Onde eu assino Segure seus cavalos, jovem padawan Coloque seu dinheiro suado de volta em sua carteira e gaste um pouco mais de tempo comprando a negociação algorítmica primeiro. Para começar, vamos dar uma olhada nas diferentes classificações desta abordagem comercial. Estratégias de negociação algorítmica Existem oito principais tipos de negociação de algo com base nas estratégias utilizadas. Muito esmagadora, hein Claro que você pode misturar e combinar essas estratégias também, o que gera tantas combinações possíveis. Uma das estratégias mais simples é simplesmente seguir as tendências do mercado, com ordens de compra ou venda geradas com base em um conjunto de condições cumpridas por indicadores técnicos. Esta estratégia também pode comparar os dados históricos e atuais na previsão de se as tendências provavelmente continuarão ou reverterão. Outro tipo básico de estratégia de troca de algo é o sistema de reversão médio, que opera sob o pressuposto de que os mercados variam 80 vezes. Caixas negras que empregam esta estratégia tipicamente calculam um preço médio de ativos usando dados históricos e levam negócios em antecipação ao preço atual retornando ao preço médio. Nunca tente negociar as notícias. Bem, essa estratégia pode fazê-lo para você. Um sistema de negociação algorítmica baseado em notícias geralmente é enganchado aos fios de notícias, gerando sinais de comércio automaticamente dependendo de como os dados reais se revelam em comparação com o consenso do mercado ou os dados anteriores. Como você aprendeu na nossa lição da Escola sobre o sentimento do mercado. O posicionamento comercial e não comercial também pode ser usado para identificar as partes superiores e os fundos do mercado. Forex algo estratégias baseadas no sentimento do mercado podem envolver o uso do relatório COT ou um sistema que detecta posições extremas de curto ou longo prazo. Abordagens mais modernas também são capazes de escanear redes de mídia social para avaliar os viés de moeda. Agora, onde é um pouco mais complicado do que o habitual. Fazer uso da arbitragem em negociação algorítmica significa que o sistema busca desequilíbrios de preços em diferentes mercados e faz lucrar com esses. Uma vez que as diferenças de preços do forex são, em geral, micropips, você precisa negociar posições realmente grandes para obter lucros consideráveis. A arbitragem triangular, que envolve dois pares de moedas e um cruzamento monetário entre os dois, também é uma estratégia popular nesta classificação. 6. Comércio de alta frequência Como o nome sugere, este tipo de sistema comercial opera a velocidades rápidas, executando sinais de compra ou venda e negociações de encerramento em questão de milissegundos. Estes tipicamente usam estratégias de arbitragem ou scalping com base em flutuações rápidas de preços e envolvem altos volumes de negociação. Esta é uma estratégia empregada por grandes instituições financeiras que são muito seguras sobre seus cargos de divisas. Em vez de colocar uma enorme posição longa ou curta com apenas um corretor, eles dividem seu comércio em posições menores e executam estas sob diferentes corretores. Seu algoritmo pode até permitir que essas ordens comerciais menores sejam colocadas em momentos diferentes para evitar que outros participantes do mercado descubram. Desta forma, as instituições financeiras podem executar transações em condições normais de mercado sem flutuações súbitas dos preços. Os comerciantes de varejo que acompanham os volumes de negociação podem ver apenas a ponta do iceberg quando se trata desses grandes negócios. Se você acha que o iceberging é sneaky, então a estratégia de sigilo é ainda mais sorrateira. Iceberging tem sido uma prática tão comum nos últimos anos que os observadores do mercado hardcore conseguiram invadir essa idéia e chegar a um algoritmo para juntar essas ordens menores e Descubra se um grande jogador do mercado está por trás de tudo isso. Como você provavelmente adivinhou, é preciso um histórico sólido na análise de mercado financeiro e na programação de computadores para poder projetar algoritmos de negociação tão sofisticados. Analistas quantitativos ou quants são normalmente treinados em programação C, C ou Java antes de serem capazes de criar sistemas de negociação algorítmica. Não permita que isso o desencoraje. Os primeiros três ou quatro tipos de estratégias de negociação algorítmicas já devem ser muito familiares para você se você estiver negociando por algum tempo ou se você fosse um estudante diligente em nossa Escola de Pipsologia. Fique atento para a próxima parte desta série, já que eu planejo deixar você entrar nos últimos desenvolvimentos e no futuro da negociação FX algorítmica. Até a próxima semana Estradas para negociação algorítmica Forex Como resultado de uma controvérsia recente, o mercado cambial tem sido submetido a um maior escrutínio. Quatro grandes bancos foram considerados culpados de conspirar para manipular as taxas de câmbio, o que prometeu aos comerciantes receitas substanciais com risco relativamente baixo. Em particular, os maiores bancos do mundo concordaram em manipular o preço do dólar americano e do euro de 2007 até 2013. O mercado cambial é notavelmente desregulamentado, apesar de enfrentar 5 trilhões de reais de transações por dia. Como resultado, os reguladores pediram a adoção do comércio algorítmico. Um sistema que usa modelos matemáticos em uma plataforma eletrônica para executar negócios no mercado financeiro. Devido ao alto volume de transações diárias, o comércio algorítmico forex cria maior transparência, eficiência e elimina o viés humano. Uma série de estratégias diferentes podem ser buscadas por comerciantes ou empresas no mercado cambial. Por exemplo, a cobertura automática refere-se ao uso de algoritmos para proteger o risco do portfólio ou para limpar as posições de forma eficiente. Além de cobertura automática, as estratégias algorítmicas incluem comércio estatístico, execução algorítmica, acesso direto ao mercado e negociação de alta freqüência, tudo isso pode ser aplicado a transações forex. Auto Hedging No investimento, o hedging é uma maneira simples de proteger seus ativos de perdas significativas, reduzindo o valor que você pode perder se ocorrer algo inesperado. Na negociação algorítmica, o hedging pode ser automatizado para reduzir a exposição de um comerciante ao risco. Essas ordens de hedge geradas automaticamente seguem modelos especificados para gerenciar e monitorar o nível de risco de um portfólio. Dentro do mercado forex, os principais métodos de negociação de hedge são através de contratos à vista e opções de moeda. Contratos pontuais são a compra ou venda de uma moeda estrangeira com entrega imediata. O mercado spot fprex cresceu significativamente desde o início dos anos 2000 devido ao influxo de plataformas algorítmicas. Em particular, a rápida proliferação de informações, refletida nos preços de mercado, permite que surjam oportunidades de arbitragem. As oportunidades de arbitragem ocorrem quando os preços cambiais ficam desalinhados. Arbitragem triangular. Como é conhecido no mercado cambial, é o processo de converter uma moeda de volta em si mesmo através de múltiplas moedas diferentes. Os comerciantes algorítmicos e de alta freqüência só podem identificar essas oportunidades por meio de programas automatizados. Como derivado. As opções de divisas operam de forma semelhante a uma opção em outros tipos de valores mobiliários. As opções de moeda estrangeira dão ao comprador o direito de comprar ou vender o par de moedas em uma taxa de câmbio particular em algum momento no futuro. Os programas de computador têm opções binárias automatizadas como uma forma alternativa de proteger os negócios em moeda estrangeira. As opções binárias são um tipo de opção em que os desembolsos recebem um dos dois resultados: quer o comércio se ajuste a zero ou a um preço de exercício pré-determinado. Análise estatística No setor financeiro, a análise estatística continua sendo uma ferramenta importante na mensuração dos movimentos de preços de uma segurança ao longo do tempo. No mercado cambial, os indicadores técnicos são usados ​​para identificar padrões que podem ajudar a prever futuros movimentos de preços. O princípio de que a história se repete é fundamental para a análise técnica. Uma vez que os mercados FX operam 24 horas por dia, a quantidade robusta de informações aumenta a significância estatística das previsões. Devido à crescente sofisticação dos programas informáticos, os algoritmos foram gerados de acordo com indicadores técnicos, incluindo divergência de convergência média móvel (MACD) e índice de força relativa (RSI). Programas algorítmicos sugerem momentos particulares em que as moedas devem ser compradas ou vendidas. Execução Algorítmica A negociação algorítmica exige uma estratégia executável que os gestores de fundos podem usar para comprar ou vender grandes quantidades de ativos. Os sistemas de negociação seguem um conjunto de regras pré-especificado e são programados para executar uma ordem sob certos preços, riscos e horizontes de investimento. No mercado cambial, o acesso direto ao mercado permite que os comerciantes do buy-side executem ordens forex diretamente no mercado. O acesso direto ao mercado ocorre através de plataformas eletrônicas, que muitas vezes reduz os custos e os erros comerciais. Normalmente, a negociação no mercado é restrita aos corretores e aos fabricantes de mercado, no entanto, o acesso direto ao mercado oferece às empresas compradoras acesso a infra-estrutura do lado da venda, garantindo aos clientes um maior controle sobre os negócios. Devido à natureza da negociação algorítmica e dos mercados FX, a execução das encomendas é extremamente rápida, permitindo que os comerciantes aproveitem as oportunidades comerciais de curta duração. Negociação de alta freqüência Como o subconjunto mais comum de negociação algorítmica, a negociação de alta freqüência tornou-se cada vez mais popular no mercado cambial. Com base em algoritmos complexos, a negociação de alta freqüência é a execução de um grande número de transações em velocidades muito rápidas. À medida que o mercado financeiro continua a evoluir, velocidades de execução mais rápidas permitem que os comerciantes aproveitem oportunidades lucrativas no mercado cambial, uma série de estratégias de negociação de alta freqüência destinam-se a reconhecer situações lucrativas de arbitragem e liquidez. As ordens fornecidas são executadas rapidamente, os comerciantes podem alavancar arbitragem para bloquear lucros livres de risco. Devido à velocidade da negociação de alta freqüência, a arbitragem também pode ser feita em preços spot e futuros dos mesmos pares de moedas. Os defensores da negociação de alta freqüência no mercado de câmbio destacam seu papel na criação de alto grau de liquidez e transparência em negócios e preços. A liquidez tende a ser contínua e concentrada, pois há uma quantidade limitada de produtos em comparação com as ações. No mercado cambial, as estratégias de liquidez visam detectar desequilíbrios de ordem e diferenças de preços entre um par de divisas específico. Um desequilíbrio de ordem ocorre quando há um número excessivo de ordens de compra ou venda de um ativo ou moeda específica. Neste caso, os comerciantes de alta freqüência atuam como provedores de liquidez, ganhando o spread ao arbitrar a diferença entre o preço de compra e venda. A linha de fundo Muitos estão pedindo maior regulamentação e transparência no mercado cambial à luz dos recentes escândalos. A crescente adoção de sistemas de negociação algorítmica forex pode efetivamente aumentar a transparência no mercado cambial. Além da transparência, é importante que o mercado forex permaneça líquido com baixa volatilidade de preços. As estratégias de negociação algorítmica, como o hedging automático, a análise estatística, a execução algorítmica, o acesso direto ao mercado e a negociação de alta freqüência, podem expor as inconsistências de preços, que representam oportunidades rentáveis ​​para os comerciantes. Algoritmo genético de agora em sistemas de negociação FOREX usando algoritmos genéticos para criar rentabilidade FOREX Trading Estratégia. Algoritmo genético no sistema de Redes Neurais do Cortex FeedFair Backpropagation Neural Network Application para computação baseada em cálculos baseados em Forex. Este exemplo usa conceitos e idéias do artigo anterior, então leia Algoritmo Genético de Rede Neural em Sistemas de Negociação FOREX primeiro, embora não seja obrigatório. Sobre este texto Antes de tudo, leia o aviso legal. Este é um exemplo de usar a funcionalidade do algoritmo de algoritmo de algoritmo de redes neurônicas do Cortex, não um exemplo de como fazer negociações lucrativas. Eu não sou seu guru, nem eu deveria ser responsável por suas perdas. O software Cortex Neural Networks possui redes neurais, e a FFBP que discutimos antes é apenas uma maneira de escolher uma estratégia de negociação forex. É uma boa técnica, poderosa e quando aplicada corretamente, muito promissora. No entanto, tem um problema - para ensinar a Rede Neural. Precisamos saber o resultado desejado. É bastante fácil de fazer quando fazemos a aproximação da função, nós apenas tomamos o valor real de uma função, porque sabemos o que deveria ser. Quando fazemos a previsão da rede neural. Nós usamos a técnica (descrita em artigos anteriores) de ensinar a Rede Neural na história, novamente, se prevermos, digamos, uma taxa de câmbio, sabemos (durante a formação) qual é a previsão correta. No entanto, quando estamos construindo um sistema de negociação, não temos idéia de qual é a decisão de negociação correta, mesmo que conheçamos a taxa de câmbio. Como fato, temos muitas estratégias de negociação forex que podemos usar em qualquer ponto do tempo e Nós precisamos encontrar um bom - como o que devemos alimentar como o resultado desejado da nossa Rede Neural Se você seguiu o nosso artigo anterior, você sabe, que nos enganamos para lidar com esse problema. Ensinamos a Rede Neural a fazer uma previsão de taxa de câmbio (ou taxa de câmbio), e então usamos essa previsão para fazer negociação. Então, fora da parte da rede Neural do programa, tomamos uma decisão sobre a qual a Rede Neural é a melhor. Algoritmos genéticos podem lidar diretamente com este problema, eles podem resolver o problema declarado como encontrar os melhores sinais comerciais. Neste artigo, vamos usar o software Cortex Neural Networks para criar esse programa. Usando Algoritmos Genéticos Algoritmos Genéticos estão muito bem desenvolvidos e muito diversos. Se você quiser aprender tudo sobre eles, sugiro que você use a Wikipedia, pois este artigo é apenas sobre o que o Cortex Neural Networks Software pode fazer. Com o software Cortex Neural Networks. Podemos criar uma Rede Neural que adquire algum valor, digamos, valores de um indicador e produz algum resultado, digamos, sinais de negociação (comprar, vender, manter) e parar a perda, obter níveis de lucro para posições a serem abertas. Claro, se semearmos os pesos desta Rede Neural ao acaso, os resultados comerciais serão terríveis. No entanto, digamos que criamos uma dúzia de tais NNs. Então podemos testar o desempenho de cada um deles, e escolher o melhor, o vencedor. Esta foi a primeira geração de NNs. Para continuar a segunda geração, precisamos permitir que o nosso vencedor procria, mas para evitar a obtenção de cópias idênticas, vamos adicionar alguns sons aleatórios aos pesos das suas descendentes. Na segunda geração, temos o nosso vencedor da primeira geração e as cópias imperfeitas (mutadas). Vamos fazer testes novamente. Teremos outro vencedor, o que é MELHOR e qualquer outra Rede Neural na geração. E assim por diante. Nós simplesmente permitimos que os vencedores criem, e eliminem os perdedores, assim como na evolução da vida real, e nós teremos nossa Rede Neural de melhor negociação. Sem qualquer conhecimento prévio sobre o que o sistema de negociação (algoritmo genético) deveria ser. Algoritmo Genético da Rede Neural: Exemplo 0 Este é o primeiro exemplo do algoritmo genético. E muito simples. Nós vamos passar por isso passo a passo, para aprender todos os truques que os exemplos a seguir usarão. O código tem comentários em linha, então vamos apenas nos concentrar nos momentos-chave. Primeiro, criamos uma rede neural. É usar pesos aleatórios, e ainda não foi ensinado. Então, no ciclo, fazemos 14 cópias dele, usando a fumagem MUTATIONNN. Esta função faz uma cópia de uma rede neural de origem. Adicionando valores aleatórios de 0 para (no nosso caso) 0,1 para todos os pesos. Mantivemos alças para 15 NNs resultantes em uma matriz, podemos fazê-lo, pois o identificador é apenas um número inteiro. A razão pela qual usamos 15 NNs não tem nada a ver com a negociação: o software Cortex Neural Networks pode traçar até 15 linhas em um gráfico simultaneamente. Podemos usar diferentes abordagens para o teste. Primeiro, podemos usar o conjunto de aprendizagem, tudo ao mesmo tempo. Em segundo lugar, podemos testar, digamos, 12000 resores (de 100000), e caminhar através do conjunto de aprendizagem, do começo ao fim. Isso tornará os learnigs diferentes, pois buscaremos redes de redes neuronais que sejam rentáveis ​​em qualquer parte de dados, e não apenas em todo o conjunto. A segunda abordagem pode nos dar problemas, se a mudança de dados, desde o início até o fim. Em seguida, a rede evoluirá, obtendo a capacidade de trocar no final do conjunto de dados e perdendo a capacidade de trocar no seu início. Para resolver esse problema, vamos levar aleatoriamente 12000 fragmentos de registros de dados e alimentá-lo para a Rede Neural. É simplesmente um ciclo sem fim, já que 100000 ciclos nunca serão alcançados em nossa velocidade. Abaixo, adicionamos uma criança para cada rede, com pesos ligeiramente diferentes. Note-se que 0,1 para o tange de mutação não é a única escolha, como questão de fato, mesmo este parâmetro pode ser otimizado usando o algoritmo genético. NNs recém-criados são adicionados após 15 existentes. Desta forma, temos 30 NNs em uma matriz, 15 antigos e 15 novos. Então, vamos fazer o próximo ciclo de testes e matar perdedores, de ambas as gerações. Para fazer testes, aplicamos a Rede Neural aos nossos dados, para produzir saídas, e depois chamamos a função Test, que usa essas saídas para simular a negociação. Os resultados da negociação são usados ​​para desidir, quais NNs são melhores. Usamos um intervalo de registros nLearn, de nStart para nStart nLearn, onde nStart é um ponto aleatório dentro do conjunto de aprendizado. O código abaixo é um truque. A razão pela qual usamos é ilustrar o fato de que o algoritmo genético pode criar algoritmos genéticos. Mas não será necessariamente o melhor, e também, sugerir, que podemos melhorar o resultado, se implicarmos algumas limitações ao processo de aprendizagem. É possível que nosso sistema de negociação funcione muito bem em negócios longos, e muito pobre em curto, ou vice-versa. Se, digamos, os negócios longos são muito bons, esse algoritmo genético pode ganhar, mesmo com grandes perdas em transações curtas. Para evitá-lo, atribuímos mais peso a negócios longos em trocas ímpares e curtas em ciclos pares. Este é apenas um exemplo, não há garantia, que irá melhorar alguma coisa. Mais sobre isso abaixo, em discussão sobre correções. Tecnicamente, você não precisa fazê-lo, ou pode fazê-lo de forma diferente. Adicione lucro a uma matriz ordenada. Ele retorna uma posição de inserção, então usamos essa posição para adicionar identificadores de rede Neural, aprendendo e testando lucros para arrays não classificados. Agora, temos dados para a Rede Neural atual no mesmo índice de matrizes que seu lucro. A idéia é chegar à matriz de NNs, ordenados por rentabilidade. Como a matriz é classificada por lucro, para remover 12 das redes, que são menos rentáveis, precisamos apenas remover NNs 0 a 14 As decisões de negociação são baseadas no valor do sinal da Rede Neural, deste ponto de vista o programa é idêntico aos exemplos de Artigo anterior. FOREX Estratégia de negociação: exemplo de discussão 0 Em primeiro lugar, vamos examinar os gráficos. O primeiro gráfico para o lucro durante a primeira iteração não é bom, como seria de esperar, a Rede Neural perde dinheiro (imagem evolution00gen0.png copiado após a primeira iteração da pasta de imagens): a imagem com lucro no ciclo 15 é melhor, às vezes , O algoritmo genético pode aprender muito rápido: no entanto, observe a saturação em uma curva de lucro. É interessante também olhar para a forma como os lucros individuais mudam, tendo em mente, esse número de curva, digamos, 3 nem sempre é para a mesma Rede Neural. Como eles estão nascendo e terminaram o tempo todo: note também que o pequeno sistema de negociação automatizado forex é pobre em transações curtas e muito melhor em longos, o que pode ou não estar relacionado ao fato de que o dólar estava caindo em comparação com Euro durante esse período. Também pode ter algo a ver com os parâmetros do nosso indicador (talvez, precisamos de um período diferente para shorts) ou a escolha de indicadores. Aqui está o histórico após 92 e 248 ciclos: para nossa surpresa, o algoritmo genético falhou completamente. Procuremos descobrir o porquê, e como ajudar a situação. Em primeiro lugar, nenhuma geração deveria ser melhor do que a anterior. A resposta é não, pelo menos não dentro do modelo que usamos. Se tomarmos TODO o aprendizado definido ao mesmo tempo, e o usamos repetidamente para ensinar nossos NNs, então sim, eles melhorarão em cada geração. Mas, em vez disso, tomamos fragmentos aleatórios (12000 registros no tempo) e os usamos. Duas perguntas: por que o sistema falhou em fragmentos aleatórios de conjunto de aprendizado, e por que não usamos todo o conjunto de aprendizado bem. Para responder a segunda pergunta, eu fiz. NNs apresentaram um grande desempenho - no aprendizado definido. E eles falharam no conjunto de testes, pelo mesmo motivo que falha quando usamos o aprendizado da FFPB. Para dizer de maneira diferente, nossos NNs se especializaram demais, eles aprenderam a sobreviver no ambiente ao qual eles costumam, mas não fora dele. Isso acontece muito na natureza. A abordagem que tomamos em vez disso foi destinada a compensar isso, ao forçar NNs a ter um bom desempenho em qualquer fragmento aleatório do conjunto de dados, de modo que, espero, eles também possam realizar em um conjunto de testes desconhecido. Em vez disso, eles falharam tanto no teste quanto no conjunto de aprendizado. Imagine animais, vivendo em um deserto. Muito sol, sem neve. Este é um mercado de metafor para rizing, pois os nossos dados NNs desempenham o papel de meio ambiente. Os animais aprenderam a viver em um deserto. Imagine animais, que vivem em clima frio. Neve e sem sol. Bem, eles se ajustaram. No entanto, em nosso experimento, colocamos aleatoriamente nossos NNs em um deserto, na neve, na água, nas árvores. Apresentando-lhes diferentes fragmentos de dados (aumentando aleatoriamente, caindo, plano). Os animais morreram. Ou, de modo diferente, selecionamos a melhor Rede Neural para o conjunto de dados aleatórios 1, que, digamos, era para o mercado em expansão. Então apresentamos, aos vencedores e seus filhos, uma queda dos dados dos mercados. NNs funcionou mal, nós melhoramos os melhores artistas, talvez, uma das crianças mutantes, que perderam a capacidade de negociar no mercado em expansão, mas conseguiram ter capacidade para lidar com a queda de um. Então, voltamos a mesa novamente e, novamente, conseguimos o melhor desempenho -, mas o melhor entre os artistas pobres. Nós simplesmente não damos a nossos NNs chances de se tornarem universais. Existem técnicas que permitem ao algoritmo genético aprender novas informações sem perder o desempenho em informações antigas (afinal, os animais podem viver no verão e no inverno, certo, então a evolução é capaz de lidar com mudanças repetitivas). Podemos discutir essas técnicas mais tarde, embora este artigo seja mais sobre o uso do software Cortex Neural Networks. Do que sobre a construção de um sistema de negociação automatizado forex bem sucedido. Algoritmo Genético da Rede Neural: Exemplo 1 Agora é hora de falar sobre correções. Um algoritmo genético simples que criamos durante o passo anterior tem duas falhas principais. Primeiro, não conseguiu negociar com lucro. Está tudo bem, podemos tentar usar sistema parcialmente treinado (foi lucrativo no início). A segunda falha é mais séria: não temos controle sobre as coisas, que esse sistema faz. Por exemplo, pode aprender a ser rentável, mas com grandes remessas. É um fato bem conhecido que, na vida real, a evolução pode otimizar mais de um parâmetro simultaneamente. Por exemplo, podemos obter um animal, que pode correr rápido E ser resistente ao frio. Por que não tentar fazer o mesmo no nosso sistema de negociação automatizado forex. Isso é quando usamos correções, que são apenas o conjunto de punições adicionais. Digamos, o nosso sistema comercial com drawdown 0.5, enquanto queremos confirmá-lo para 0 a 0.3 intervalo. Para dizer ao sistema que cometeu um erro, diminuímos seu lucro (um usado para determinar, qual algoritmo genético ganhou) ao grau, que é proporcional ao tamanho do DD. Então, o algoritmo de evolução cuida do resto. Existem alguns outros fatores que queremos levar em consideração: podemos querer ter um número maior ou menor de operações de compra e venda, queremos ter mais operações lucrativas, e depois de falhas, podemos querer que a tabela de lucros Ser linear e assim por diante. Na evolution01.tsc implementamos um conjunto simples de correções. Em primeiro lugar, usamos um número grande para um valor de correção inicial. Nós o multiplicamos a um pequeno (geralmente, entre 0 e 1) valores, dependendo da punição que queremos aplicar. Então, multiplicamos nosso lucro por esta correção. Como resultado, o lucro é corrigido, para refletir o quanto o algoritmo genético corresponde aos nossos outros critérios. Então usamos o resultado para encontrar uma Rede Neural de vencedores. FOREX Estratégia de Negociação: Discutir o exemplo 1 O exemplo 1 funciona muito melhor do que o exemplo 0. Durante os primeiros 100 ciclos, ele aprendeu muito, e os gráficos de lucro parecem tranquilizadores. No entanto, como no exemplo 0, os negócios longos são muito mais rentáveis, o que provavelmente significa que existe um problema em nossa abordagem. No entanto, o sistema encontrou um equilíbrio entre algumas das condições iniciais contraditórias: há algumas dinâmicas positivas tanto no conjunto de aprendizado como, mais importante, no conjunto de testes. Quanto ao aprendizado adicional, no ciclo 278 podemos ver, que nosso sistema foi superado. Isso significa que ainda temos progresso no aprendizado definido: mas o conjunto de testes mostra fraqueza: Este é um problema comum com os NNs: quando ensinamos isso no aprendizado definido, ele aprende a lidar com isso e, às vezes, ele aprende muito bem - ao Grau, quando perde o desempenho no conjunto de testes. Para lidar com esse problema, uma solução tradicional é usada: continuamos procurando a Rede Neural. Que executa o melhor no conjunto de testes, e salve-o, substituindo o melhor anterior, cada vez que o novo pico é atingido. Esta é a mesma abordagem, que usamos no treinamento FFBP, exceto, desta vez, temos que fazê-lo nós mesmos (adicionando código, que procura uma melhor Rede Neural em um conjunto de testes, e chamando a SAVENN, ou exportando pesos da Rede Neural para um Arquivo). Desta forma, quando você parar seu treinamento, você terá o melhor desempenho ON TESTING SET salvo e esperando por você. Observe também que não é o máximo. Lucro que você está procurando, mas ótimo desempenho, então considere usar correções, ao procurar o melhor desempenho em um conjunto de testes. Algoritmo genético para Análise Técnica do FOREX: Onde agora Depois de ter obtido o seu vencedor Rede Neural. Você pode seguir as etapas, descritas no artigo anterior, para exportar pesos daquela Rede Neural. E depois usá-los em sua plataforma de negociação em tempo real, como Meta Trader, Trade Station e assim por diante. Alternativamente, você pode se concentrar em outras formas de otimizar a Rede Neural. Ao contrário do algoritmo FFBP, aqui você pode obter avay usando conjuntos de aprendizagem e teste e mover a aprendizagem seqüencial. Download Cortex Order Cortex View Price List A visibilidade é muito importante para este site. Se você gosta, por favor, vincule a este URL