Нейросетевая торговая система. Пошаговая разработка для платформы META TRADER 4 в среде MATLAB. Сокращенное издание. Андрей Дибров

Чтение книги онлайн.

СКАЧАТЬ можно на любых примерах даже, некорректных для тестового множества – ведь обучение мы проводим на событиях, которые уже произошли. Данный пример взят из реальной жизни. Данный способ работы с нейросетями продавался в интернете. Позиционировался как система, которая дает 80-90% прибыльных сделок. Причем продавец, мне кажется, искренне заблуждался в идеальной результативности данного способа подготовки нейросети. Я делаю этот вывод из того, что ошибка возникала на стадии тестирования отклика сети.

      Итак, сначала модернизируем и скомпилируем скрипт для получения исторических данных.

      //+–+

      //| History.mq4 |

      //| Copyright © 2009, Andrey Dibrov. |

      //+–+

      В результате работы скрипта получим файл. Создадим колонку “In” и заполним ее формулой.

      Добавим колонку “Out” и заполним ее формулой.

      Воспользуемся программой “NeuroSolutions 6”. С помощью ее надстройки колонку “In” обозначим как “Input”.

      А колонку “Out” как “Desired”.

      Энное количество строк обозначим, как “Training”

      Энное количество строк обозначим, как “Cross Validation”.

      И последние строки как “Production”.

      Далее создадим файлы для NS6.

      Запустим в рабочей среде NS – NeuralBilder.

      Здесь мы можем выбрать нейросеть нужной нам архитектуры. Остановимся на первой сети Multilayer perceptron. Нажимаем кнопку с правыми стрелками. Откроется окно Training Data. С помощью кнопки Browse откроем файл TrainingInput.

      Далее перейдем

      в окно

      Desired

      Response

      и откроем файл

      TrainingDesire

      .

      Откроем окно Cross Val. & Test Data. По умолчанию активно окошечко для ввода текста % of training data for CV. Введем 10%. Программа автоматически зарезервирует данное количество строк под CV из TD. Активировав радиокнопку Read from Separate File, мы можем выбрать файлы сохраненные, нами ранее.

      Далее продвигаемся по окнам ничего в них, не меняя, пока в рабочей среде не сформируется нейросеть.

      Для лучшей визуализации расширим окно Average Cost и нажмем кнопку Start. Подождем, пока закончится обучение.

      Жмем кнопку Testing, Next и в выпадающем окне выбираем Production. С помощью кнопки Browse находим файл ProductionInput.

      Двигаемся далее и в следующем окне активируем радиокнопку Export to a File. И находим заранее созданный нами текстовой файл с, допустим, выбранным нами именем Prod.txt.

      Нажимаем кнопки Next и Finish. Таким образом, СКАЧАТЬ