Mercado Forex Reshetov

MetaTrader 4 - Experts Quadomboquot Automatizado Trading System - perito para MetaTrader 4 O problema é indicado para este sistema automatizado de negociação (ATS) da seguinte forma: Vamos considerar que temos um sistema de negociação básico - BTS. É necessário criar e ensinar uma rede neural para fazê-lo fazer coisas que não podem ser feitas com o BTS. Isso deve resultar na criação de um sistema comercial consistindo em dois sistemas combinados e mutuamente complementares: BTS e NN (rede neural). Ou, o inglês disso é: não há necessidade de descobrir os continentes novamente, todos foram descobertos. Por que ensinar alguém a correr rápido, se tivermos um carro ou voar, se tivermos um avião. Uma vez que tenhamos um ATS de tendência, precisamos ensinar a rede neural na estratégia de contra-tendência. Isso é necessário, porque um sistema destinado à negociação baseada em tendências não pode negociar em tendências laterais ou reconhecer recortes ou reversões no mercado. Você pode, é claro, levar dois ATSes - uma sequência de tendência e uma contra-tendência - e anexá-los ao mesmo gráfico. Por outro lado, você pode ensinar uma rede neural para complementar seu sistema de negociação existente. Para este propósito, nós criamos uma rede neural de duas camadas composta por dois perceptrons na camada inferior e um perceptron na camada superior. A saída da rede neural pode ser em um desses três estados: Entrar no mercado com uma posição longa Entrar no mercado com uma posição curta Estado indeterminado Na verdade, o terceiro estado é o estado do controle de passagem para o BTS, enquanto que no Dois primeiros estados, os sinais comerciais são dados pela rede neural. O ensino da rede neural é dividido em três estágios, cada etapa para ensinar um perceptron. Em qualquer fase, o BTS otimizado deve estar presente para perceptrons saber o que pode fazer. O ensino separado de perceptrons por um algoritmo genético é determinado pela falta deste algoritmo, a saber: a quantidade de entradas pesquisadas com a ajuda desse algoritmo é limitada. No entanto, cada estágio de ensino é coerente e a rede neural não é muito grande, de modo que a otimização completa não leva muito tempo. O primeiro estágio, que precede o ensino de um NN, consiste na otimização do BTS. Para não nos perder, registraremos o número do estágio na entrada do ATS identificado como quotpassquot. Identificadores de insumos correspondentes com o número do estágio serão e no número igual a este número do estágio. Assim, vamos começar os preparativos para otimizar e ensinar o NN. Define o depósito inicial como 1000000 (para não criar uma chamada de margem artificial durante a otimização) e a entrada a ser otimizada como quotBalancequot nas propriedades Expert Advisor na guia de quotTestingquot no Strategy Tester e iniciar o algoritmo genético. Vamos para a guia quotInputsquot das propriedades EAs e especifique o volume de posições a serem abertas atribuindo o valor 1 ao quotlotsquot do identificador. A otimização será realizada de acordo com o modelo: quotOpen prices only (método mais rápido para analisar a barra acabada, apenas para EAs que explicitamente controlam a abertura da barra), uma vez que este método está disponível no algoritmo ATS. Etapa 1 da otimização. Otimização do BTS: Defina o valor 1 para o quotpassquot de entrada. Nós otimizaremos apenas as entradas que correspondem ao primeiro estágio, ou seja, o fim em 1. Assim, verificamos apenas essas entradas para otimização e desmarcamos todas as demais. Tp1 - TakeProfit do BTS. Está otimizado com os valores dentro do intervalo de 10 a 100, passo 1 sl1 - StopLoss do BTS. Está otimizado com os valores dentro do intervalo de 10 a 100, etapa 1 p1 - período de CCI usado no BTS. Está otimizado com os valores dentro do intervalo de 3 a 100, etapa 1, estágio 2. Ensinar o perceptron responsável por posições curtas: Defina o valor 2 (de acordo com o número do estágio) para o quotpassquot de entrada. Desmarque as entradas verificadas para otimização no estágio anterior. Apenas no caso, salve em um arquivo as entradas obtidas na fase anterior. Verifique as entradas para otimização de acordo com a nossa regra: seus identificadores devem terminar em 2: x12, x22, x32, x42 - números de peso do perceptron que reconhece posições curtas. Está otimizado com os valores dentro do intervalo de 0 a 200, passo 1 tp2 - TakeProfit de posições abertas pelo perceptron. Está otimizado com os valores dentro do intervalo de 10 a 100, passo 1 sl2 - StopLoss de posições abertas pelo perceptron. É otimizado com os valores dentro do intervalo de 10 a 100, etapa 1 p2 - o período dos valores de diferença de preço a serem analisados ​​pelo perceptron. É otimizado com os valores dentro do intervalo de 3 a 100, passo 1. Vamos começar a ensiná-lo usando otimização com um algoritmo genético. Etapa 3. Ensinar o perceptron responsável por posições longas: Defina o valor 3 (de acordo com o número do estágio) para o quotpassquot de entrada. Desmarque as entradas verificadas para otimização no estágio anterior. Apenas no caso, salve em um arquivo as entradas obtidas na etapa anterior. Verifique as entradas para otimização de acordo com nossa regra: seus identificadores devem terminar em 3: x13, x23, x33, x43 - números de peso do perceptron que reconhece posições longas. Está otimizado com os valores dentro do intervalo de 0 a 200, passo 1. tp3 - TakeProfit de posições abertas pelo perceptron. Está otimizado com os valores dentro do intervalo de 10 a 100, passo 1 sl3 - StopLoss de posições abertas pelo perceptron. Está otimizado com os valores dentro do intervalo de 10 a 100, etapa 1 p3 - o período dos valores de diferença de preço a serem analisados ​​pelo perceptron. É otimizado com os valores dentro do intervalo de 3 a 100, passo 1. Vamos começar a ensiná-lo usando otimização com um algoritmo genético. Fase 4 (final). Ensinar a primeira camada, ou seja, ensinar o perceptron que está na camada superior: Defina o valor 4 (de acordo com o número do estágio) para o quotpassquot de entrada. Desmarque as entradas verificadas para otimização no estágio anterior. Apenas no caso, salve em um arquivo as entradas obtidas na etapa anterior. Verifique as entradas para otimização de acordo com nossa regra: seus identificadores devem terminar em 4: x14, x24, x34, x44 - números de peso do perceptron da primeira camada. Está otimizado com os valores dentro do intervalo de 0 a 200, etapa 1. p4 - o período dos valores de diferença de preço a serem analisados ​​pelo perceptron. É otimizado com os valores dentro do intervalo de 3 a 100, passo 1. Vamos começar a ensiná-lo usando otimização com um algoritmo genético. Isso é tudo, a rede neural foi ensinada. O ATS tem mais uma entrada não otimizada, mn - Magic Number. É o identificador de posições para um sistema de negociação para não misturar seus pedidos com as ordens abertas manualmente ou por outros ATSes. O valor do número mágico deve ser exclusivo e não coincidir com os números mágicos das posições que não foram abertas por este Especial Expert Advisor. O tamanho do depósito inicial é encontrado como o abaixamento absoluto duplicado, ou seja, consideramos alguns recursos de segurança para isso. A EA fornecida nos códigos fonte não é otimizada. Se você precisar substituir o BTS incorporado pelo algoritmo de outro sistema comercial, você deve modificar o conteúdo da função basicTradingSystem (). Para não inserir os valores inicial e final e os valores das etapas de otimização, você pode pegar o arquivo pronto combo. set. Coloque-o na pasta testador MT4 e faça o upload para as propriedades EAs no Tester. A re-otimização da EA deve ser realizada em um fim de semana, ou seja, no sábado ou no domingo, mas apenas se os resultados da semana anterior não forem lucrativos. A presença de perdas significa que o mercado mudou e a re-otimização é necessária. A presença de lucros significa que o ATS não precisa de re-otimização e reconhece bastante os padrões de mercado. Mercados 50 50,,. ,. 24. 2 EURUSD, GBPUSD. . 200: 1,, -, - -. CFD,. .