Главная | Новости FX CLUB | Торговые условия | Торговые платформы | Обучение трейдингу
О компании
Торговые условия
Открыть демо-счет
Открыть реальный счет
Ввод средств на счет
Вывод средств со счета
Торговая платформа
  Торговые платформы
Платформа Libertex
Платформа MetaTrader4™
Платформа Rumus
  Аналитика
Видеообзор рынков
Видео от FX CLUB
Аналитика Forex
Экономический календарь
  Обучающие материалы
Обучение Forex
Статьи форекс
Статьи forex











 





Поиск информации по сайту:
Пользовательского поиска

ВХОДЫ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ

Мы будем обучать три нейронные сети, дающие три модели входа. Две из них будут настроены на поиск точек разворота: одна будет определять минимумы, другая — максимумы. Если модель, определяющая минимум, покажет, что вероятность минимума на завтрашней цене открытия выше некоторого порога, то будет отдан приказ на покупку. Если модель, определяющая максимум, покажет, что вероятность максимума на завтрашней цене открытия выше некоторого другого порога, то будет отдан приказ на продажу. Ни одна из этих моделей не будет отдавать приказы при каких-либо других условиях. Таким образом, стратегия проста и основана только на предсказанных минимумах и максимумах. Если вероятность определения максимумов и минимумов будет выше случайной, то торговля будет прибыльной. Система обнаружения не должна быть идеальной, пусть вероятность правильного сигнала будет выше 50% — этого будет достаточно, чтобы преодолеть транзакционные затраты.

Для модели, использующей обращенный во времени Медленный %К, будет использоваться подобная стратегия. Если прогноз показывает, что обращенный во времени Медленный %К имеет вероятность быть ниже установленного порога, будет отдан приказ на покупку; это значит, что рынок находится вблизи минимума некоторого будущего ценового диапазона и можно быстро получить прибыль. Таким же образом, если прогнозируемое значение обращенного Медленного %К высоко и превышает некоторый верхний порог, будет отдан приказ на продажу.

Эти входы, как и многие другие, рассмотренные в предыдущих главах, являются прогностическими — они предсказывают рынок, а не следуют за ним. Они подходят для торговли против тренда и при точном предсказании могут резко снизить проскальзывание, обеспечить своевременное выполнение приказов, поскольку трейдер будет покупать, когда другие про дают, и наоборот. Хорошая прогностическая модель — Святой Грааль торговли, который дает возможность продавать вблизи максимума и покупать вблизи минимума. Однако при неточной работе все преимущества прогностической модели будут перевешены расходами на неудачные сделки.

Модель на обращенном во времени медленном %

Первый шаг в разработке нейронной сети с прогностическими функция ми — это подготовка обучающего набора фактов, т.е. выборки данных, содержащей примеры для обучения сети, а также для оценки некоторых статистических показателей. В данном случае набор фактов генерирует ся на основе данных из пределов выборки по всем рынкам в составе порт феля: таким образом, набор фактов будет велик — 88 092 точки данных. Этот набор генерируется только для обучения, но не для тестирования по причинам, которые будут пояснены далее.

Для получения набора фактов под данную модель сперва следует про извести расчеты целевого показателя — обращенного во времени Медленного %К. Каждый факт затем записывается в файл при проходе через все точки данных для всех рынков в составе портфеля. Для каждого тор гового дня процесс создания факта начинается с расчета входных переменных. Это делается путем расчета разности между парой цен и делени ем результата на квадратный корень количества дней, лежащих между этими двумя ценами. Квадратичная поправка используется, поскольку в случайном рынке стандартное отклонение между двумя днями примерно пропорционально квадратному корню от количества дней между ними. Эта поправка сделает вклад каждой разницы цен в факт примерно равным. В этом эксперименте в каждом факте содержится 18 изменений цены, рассчитанных с квадратичной поправкой. Эти 18 значений будут служить как 18 входов нейронной сети после дополнительной обработки.

Пары цен (использованные при расчете изменений) выбираются с возрастающим расстоянием между ценами, т.е. чем дальше во времени, тем расстояние между точками данных больше. Первые несколько пар перед текущим днем берутся с расстоянием в один день, т.е. цена предыдущего дня вычитается из цены текущего и т.д. После нескольких таких пар шаг изменяется до 2 дней, затем до 4,8 и т.д. Точная расстановка включена в код программы в виде таблицы. Смысл этого состоит в получении максимально точной информации о новейших процессах. Чем дальше во времени от текущего дня находятся данные, тем больше вероятность того, что только долговременные процессы будут иметь значение, следователь но, можно обойтись меньшим разрешением. Такая выборка дней должна обеспечивать достаточное разрешение для регистрации циклов и других явлений с периодом от 1 — 2 до 50 дней и более. Такой подход принят в соответствии с рекомендацией Марка Джурика ( jurikres . com ).

Статья размещена в рубрике: Модели торговых систем



 

Главная Софт Литература Читайте на сайте Советы новичкам Контакты

Copyright © 2007 fx-trader.ru