Нейросети,как их освоить с чего начать? - страница 5

Простой линейный персептрон, использованный г-ном Решетовым, устарел больше чем на 40 лет.

Настоящая история нейронных сетей началась именно с персептрона Розенблатта с его функцией активации.

Но его персептрон тож не совершенен. И для прогнозирования направления движения курса не годен.

Т.е. в двух слойных персептронах Розенблатта (сначала он создал их) первый скрытый слой играл роль функции активации?

Ребята, пожалуйста пишите по теме, а то я отслеживаю тему, а тут  Вы о высших материях рассуждаете, нам бы хотябы разобраться в том, как что-то простенькое сделать...

Вот алгоритм простого советника:

Вот код этого советника:

extern double    Lot=0.1;
extern int       Slippage=3; // Проскальзывание
extern int       Magic=1;
//+------------------------------------------------------------------+
//| expert initialization function                                   |
//+------------------------------------------------------------------+
int init()
  {
//----
   
//----
   return(0);
  }
//+------------------------------------------------------------------+
//| expert deinitialization function                                 |
//+------------------------------------------------------------------+
int deinit()
  {
//----
   
//----
   return(0);
  }
//+------------------------------------------------------------------+
//| expert start function                                            |
//+------------------------------------------------------------------+
int start()
  {
//----
 int i;
 
// Фрактал вверх 
 int iUpFr;   // Номер бара на котором образовался последний фрактал вверх
 double UpFr; // Значение последнего фрактала вверх 

for (i=3;i<Bars;i++){
UpFr=iFractals(NULL,0,MODE_UPPER,i);
  if (UpFr>0){
  iUpFr=i;
  //Print ("UpFr = ", UpFr, ", ", " iUpFr = ", iUpFr);
  break;
  }
}   
// Проверяем прорван-ли найденый фрактал, если он прорван, то по нему не имеет смысла выставлять ордер
bool OkUpFr; // Если false, то прорван, если true, то не прорван
if(UpFr>=High[iHighest(NULL,0,MODE_HIGH,iUpFr,0)]){OkUpFr=true;}

double SellSl=High[iHighest(NULL,0,MODE_HIGH,iUpFr+1,0)]; // Минимальное значение цены от нулевого бара до номера на котором сформировался последний фрактал вверх


// Фрактал вниз
 int iDnFr;   // Номер бара на котором образовался последний фрактал вниз
 double DnFr; // Значение последнего фрактала вниз
 
for (i=3;i<Bars;i++){
DnFr=iFractals(NULL,0,MODE_LOWER,i);
  if (DnFr>0){
  iDnFr=i;
  //Print ("DnFr = ", DnFr, ", ", " iDnFr = ", iDnFr);
  break;
  }
} 
// Проверяем прорван-ли найденый фрактал, если он прорван, то по нему не имеет смысла выставлять ордер
bool OkDnFr; // Если false, то прорван, если true, то не прорван
if(DnFr<=Low[iLowest(NULL,0,MODE_LOW,iDnFr,0)]){OkDnFr=true;}

double BuySl=Low[iLowest(NULL,0,MODE_LOW,iDnFr+1,0)]; // Максимальное значение цены от нулевого бара до номера на котором сформировался последний фрактал вниз
 
 // Параметры ордеров
  double Tick=MarketInfo(Symbol(),MODE_TICKSIZE);
  double spread=MarketInfo(Symbol(),MODE_SPREAD)*Tick;

  double B;
  double Bsl;
  double S;
  double Ssl;    
  double Btp; 
  double Stp; 
  B=NormalizeDouble(UpFr+1*Tick+spread,Digits);      // Цена для покупки
  Bsl=NormalizeDouble(BuySl-1*Tick,Digits);          // Стоп лосс для ордера на покупку
  Btp=NormalizeDouble(B+(B-Bsl),Digits);             // Тейк профит для ордера на покупку
  S=NormalizeDouble(DnFr-1*Tick,Digits);             // Цена для продажи
  Ssl=NormalizeDouble(SellSl+spread+1*Tick,Digits);  // Стоп лосс для ордера на продажу
  Stp=NormalizeDouble(S-(Ssl-S),Digits);             // Тейк профит для ордера на продажу
  
bool Buy; // если Buy==true, значит появились условия для Buy stop
bool Sell;// если Sell==true, значит появились условия для Sell stop

if(OkUpFr==true){Buy=true;}
if(OkDnFr==true){Sell=true;}
 
// Проверка открытых ордеров и выставленых ордеров
int total = OrdersTotal(); // Общее кол-во открытых и отложеных ордеров.
int Ticket = OrderTicket( ); // Возвращает номер тикета для текущего выбранного ордера. 
bool PendingOrderBuy=false;  
bool PendingOrderSell=false;   
bool MarketOrderBuy=false;
bool MarketOrderSell=false;
if(total>0){  
  for(i=0;i<=total;i++){
     if (OrderSelect(i, SELECT_BY_POS)==true){
        if (OrderSymbol()==Symbol() && OrderMagicNumber()==Magic){
         double OpenPrice=NormalizeDouble(OrderOpenPrice(),Digits);
         double StopLoss=NormalizeDouble(OrderStopLoss(),Digits);
         double TakeProfit=NormalizeDouble(OrderTakeProfit(),Digits);
         Ticket = OrderTicket( );
           if (OrderType( )==OP_BUY){
           MarketOrderBuy = true;
           }
           if (OrderType( )==OP_SELL){
           MarketOrderSell = true;
           }
           if (OrderType( )==OP_BUYSTOP){
           PendingOrderBuy = true;
           if(OpenPrice!=B) {OrderDelete(Ticket,CLR_NONE);} 
           if(StopLoss!=Bsl){OrderDelete(Ticket,CLR_NONE);}       
           }
           if (OrderType( )==OP_SELLSTOP){
           PendingOrderSell = true;
           if(OpenPrice!=S) {OrderDelete(Ticket,CLR_NONE);} 
           if(StopLoss!=Ssl){OrderDelete(Ticket,CLR_NONE);}    
           }  
        }
     }
  }
} 
// Выставление отложеных ордеров
if(Buy==true && PendingOrderBuy==false && MarketOrderBuy==false){
         Ticket=OrderSend (Symbol(),OP_BUYSTOP,Lot,B,Slippage,Bsl,Btp,NULL,Magic,0,CLR_NONE);
         if(Ticket<0)
         {
         Print("OrderSend failed with error #",GetLastError());
         return(0);
         }
}
if(Sell==true && PendingOrderSell==false && MarketOrderSell==false){
         Ticket=OrderSend (Symbol(),OP_SELLSTOP,Lot,S,Slippage,Ssl,Stp,NULL,Magic,0,CLR_NONE);
         if(Ticket<0)
         {
         Print("OrderSend failed with error #",GetLastError());
         return(0);
         }
}     
//----
   return(0);
  }

В данном алгоритме можно выделить несколько опорных точек, на основе которых будет измеряться фрактальная модель:

Правильно ли я понимаю, что следующим этапом создания нейросети будет введение переменных, которые будут сравниваться с этими свойствами?

А сравнение будет происходить в процессе оптимизации?

Если я не прав, то какие дальнейшие практические шаги нужно сделать для того, чтобы прикрутить к этому советнику, простейшую нейросеть?

Математика нейронных сетей не такая уж сложная. Выбор входных параметров намного важнее для успеха сетевого предсказания. Вопрос здесь таков: какие индикаторы и их параметры полностью описывают состояние рынка на сию минуту и его историю? Зная только несколько последних цен валюты далеко не достаточно чтобы предсказать будующую цену независимо от количества слоев в сети. Поэтому нужно выбирать либо очень много прошлых цен, либо индикаторы разных периодов. В подавляющем большинстве используют индикаторы т.к. они позволяют более эффективно описать положение последней цены к прошлым ценам. Может переключим обсуждение на выбор входных параметров. Мне кажется взаимное отношение последних значений мувов разных периодов может быть хорошим входом сети. У кого другие мнения? Можно ли смешивать разные типы индикаторов, например MACD, RSI, AC, Stoch и т.п, на входе одной и той же сети?

Думаю, можно, если набор индикаторов дает хорошие входы в рынок. В догонку возникает еще один, не менее сложный вопрос - а что же подавать на выход сети при обучении? Чего мы хотим? Распознать паттерн? Предсказать цвет следующей свечи? А может не одной, а нескольких? Или может быть предсказать величину движения? )))

Хотелось бы найти ответы на эти вопросы.

Быть может практики подскажут, на чем тренируют свои сети? :))

Уважаемые участники форума, тема данной ветки - Нейросети,как их освоить с чего начать?

Давайте ближе к теме....

Ребзя, дело не в нейросетях - а в способах их применения......

Вот короткое описание forward сетей, которое я иногда цитирую когда возникает подобная тема. Итак, создаём простейшую forward сеть.

Шаг 1: Выбираем входные данные. Например,

x1 = WPR Per1

x2 = WPR Per2

x3 = WPR Per3

Шаг 2: Выбираем количество нейронов в hidden layer - например два нейрона, y1 и y2. Выбираем количество нейронов в выходном уровне - например два нейрона, z1 и z2. Таким образом, у нас создана 3-2-2 сеть. z1 и z2 это наши выходы.

Шаг 3: Задаём логику принятия решений. Например z1>=u покупаем, z1<=-u продаём, z2<=-v закрываем покупку, z2>=v закрываем продажу, где |u|<=1 и |v|<=1.

Шаг 4: Oписываем скрытые нейроны y1=F(x1,x2,x3) и y2=F(x1,x2,x3):

y1 = F(a0+a1*x1+a2*x2+a3*x3)

y2 = F(b0+b1*x1+b2*x2+b3*x3)

где F() - нелинейная функция (activation function). Например, F(x)=tanh(x)=(exp(x)-exp(-x))/(exp(x)+exp(-x)). Я предпочитаю более простую функцию для избежания ошибок при вычислении exp():

F(x) = -1 if x<=-1, x if -1<x<1, 1 if x>=1.

Шаг 5: Oписываем выходные нейроны z1=F(y1,y2) и z2=F(y1,y2):

z1 = F(c0+c1*y1+c2*y2)

z2 = F(d0+d1*y1+d2*y2)

где F() - та же функция активации нейрона.

Итак, сеть создана и описана. Здавайте периоды Per1, Per2 и Per3 для Williamps-Percent-Range (WPR) и оптимизируйте через метадрейдовский бактестер а0, а1, а2, а3, b0, b1, b2, b3, c0, c1, c2, d0, d1, d2, -1<=u<=+1, -1<=v<=+1. Можете также оптимизировать Per1, Per2 и Per3. Можете поиграть с разными входными данными. Например, вместо WPR попробуйте MACD или другой индикатор. Можете ограничиться одним выходным нейроном для открытия позиций: z(y1,y2)>=u покупаем, z(y1,y2)<=-u продаём. А закрываем по стоплоссу, трейлинг стопу или takeprofit.

Можно также создать более сложную сеть, в которой каждому торговому решению приписан соответствующий выходной нейрон. Например, при тех же входных данных и скрытых нейронов, создаём 4 выходных нейрона

z1(y1,y2)>u1 - открываем лонг

z2(y1,y2)>u2 - открываем шорт

z3(y1,y2)>u3 - закрываем лонг

z4(y1,y2)>u4 - закрываем шорт

В таком случае, количество оптимизируемых коеффициентов увеличивается значительно. Обычно, u1=u2=u3=u4=0.9.

Можно увеличить количество скрытых слоев и нейронов в них если у вас есть мощный компьютер.

Не заморачивайтесь самостоятельным программирование нейросетей, есть готовые програмы. Единственная, программа по которой есть книга на русском языке - Statistica Neural Networks, и притом эта книга производит впечатление, что написана действительно специалистами по нейронным сетям, и имеет вполне приличное введение и обзор методов работы с нейронными сетями и существующих типов нейросетей. Программа позволяет экспортировать обученные сети в виде dll, которыми можнопользоваться в советниках в МТ (правда сам пока не пробовал, если что не так извиняйте). Специализированные тредерские программы с неросетями не так просто к МТ прикрутить, а если можно, то криво или косо или очень дорого. Есть ДЦ с терминалами обеспечивающи экспорт данных в файлы метастока, здесь дегко прикрутить специализированную трейдерску программу для работы с неросетями. Ех! Ну почему бы разработчикам МТ не обеспечить возможность экспорта данных, чтобы можно было пользоваться любыми другим программами теханализа без лишних подпорок.

Для начала, имхо, лучшая программа это NeuroShell -2 есть русский хелп и примеры на русском языке. Также, нейросети из NS 2 можно легко прикручивать к советникам и индикаторам в МТ4.

Тут можно почитать: http://www.fxreal.ru/forums/forums.php?forum=3