Forex Genetiese Algoritme

Meta Trader 4 - Tester Genetiese algoritmes: Wiskunde Genetiese algoritmes gebruik vir die optimalisering doeleindes. 'N Voorbeeld van so 'n doel kan neuronet leer, maw seleksie van sodanige gewig waardes wat toelaat dat die bereiking van die minimum fout wees. Op hierdie, is die genetiese algoritme gebaseer op die ewekansige deursoeking metode. Die skoolhoof moeilikheid met 'n arbitrêre soek, is die feit dat ons nie kan bewus wees van hoeveel tyd wat dit neem om die probleem op te los. Beduidende afval van tyd te vermy, het hulle metodes ontwikkel in biologie van toepassing, naamlik, die metodes opgestel studies van oorsprong van spesies en evolusie. Slegs die sterkste diere is bekend om te oorleef tydens evolusie. As gevolg hiervan, die fiksheid van die bevolking groei wat dit in staat stel om die dinamiese omgewing aan te pas. Die algoritme van die soort vir die eerste keer deur John H. Holland, Universiteit van Michigan, VSA voorgestel, in 1975. Dit is aangewys as die Hollands Reproduktiewe Plan. en hierdie onderlaag byna alle vorme van genetiese algoritmes. Maar, voordat ons 'n blik van naderby te neem aan hierdie plan, ons sal die saak hoe werklikhede kan word geïnkripteer om gebruik te word in genetiese algoritmes te bespreek. Voorwerp Aanbieding Ons weet uit biologie dat enige organisme kan voorgestel word as die fenotipe. wat bepaal, in werklikheid, wat hierdie voorwerp in die werklike wêreld, en sy genotipe. wat bevat die hele inligting oor hierdie item op sy stel chromosome. Op hierdie, elke gene, maw elke element van die genotipe inligting, weerspieël in die fenotipe. So, om ons probleme op te los, moet ons elke karakter van die voorwerp aan te bied in so 'n vorm, wat gebruik kan word in 'n genetiese algoritme. Die meganismes van die genetiese algoritme sal bevorder funksie by die genotipe vlak, met geen behoefte aan inligting oor die voorwerpe innerlike patroon, wat bied die wye gebruik van hierdie algoritmes vir menigte van baie verskillende take. Die bietjie snare word vir aanbieding van die voorwerpe genotipe in die mees ontmoet variasie van genetiese algoritme. Op hierdie, een geen van die voorwerpe genotipe ooreenstem met al die eienskappe van die voorwerp in sy fenotipe. Gene is 'n vaste-lengte bietjie string wat die waarde van hierdie eienskap verteenwoordig. Enkodering van Integer skryf die eenvoudigste manier om die kodering sulke eienskappe is sy bietjie waarde gebruik. Dan sal dit eerder eenvoudig om 'n geen van 'n sekere lengte voldoende is om alle moontlike waardes van so 'n kenmerk verteenwoordig gebruik. Maar, helaas, hierdie manier van enkodering het sy nadele. Die sleutel nadeel is dat die naburige getalle van mekaar verskil in waardes van verskeie stukkies. So, 7 en 8 in hul bietjie verteenwoordiging verskil in 4 posisies wat funksionering van die genetiese algoritme moeiliker maak en verhoog die tyd wat dit neem vir sy konvergensie. Om dit te voorkom, is dit beter om te gebruik kodering waar die naburige getalle van mekaar verskil deur minder posisies, ideaal - deur die een-bietjie waarde. Sulke kodering word verteenwoordig deur die Gray-kode wat is raadsaam om gebruik te word in die verwesenliking van 'n genetiese algoritme. Die Gray-kode waardes word in die tabel hieronder: Table 1. Concordance van binêre kodes en Gray kodes. Dus, wanneer kodering 'n heelgetal kenmerk, deel ons dit in tetrads en transformeer elke tetrade volgens die Gray kodering reëls. In praktiese realisasies van genetiese algoritmes, daar is gewoonlik nie nodig om die kenmerk waardes te omskep in die gene waardes. In die praktyk, die omgekeerde probleem vind plaas waar 'n mens die waarde van die kenmerk vind deur die waarde van die ooreenstemmende gene. So, die taak van die dekodering van die waardes van gene, wat heelgetal eienskappe het, is triviaal. Enkodering van drywende-Point skryf die eenvoudigste manier om hier kodering blyk die gebruik van bietjie verteenwoordiging wees. Op hierdie manier het dieselfde nadele as wat vir heelgetalle, al is. Dit is die rede waarom, in die praktyk, die volgende volgorde van bedrywighede van toepassing sal wees: Die hele interval van toegelate waardes van die kenmerk is verdeel in dele met die verlangde akkuraatheid. Die gene waarde is geneem as 'n heelgetal wat getalle die interval (met behulp van die Gray-kode). Die getal wat in die middel van hierdie interval geneem word as die parameter waarde. Kom ons neem 'n tweede blik op die bogenoemde volgorde van bedrywighede in die volgende voorbeeld: Kom ons aanvaar dat die kenmerk waardes lê in die reeks van 0,1. Die reeks is verdeel in 256 intervalle vir enkodering. Na hulle getal enkodeer, sal ons 8 bit nodig. Die gene waarde is byvoorbeeld 00100101bG (die hoofletter G beteken dat dit die Gray-kode). In die eerste plek met behulp van die Gray-kode, laat ons vind die ooreenstemmende interval nommer: 25hG-gt36h-gt54d. Nou, laat kyk wat interval ooreenstem met dit. Deur eenvoudige berekeninge, kry ons die interval van 0,20703125, 0,2109375. Maw die waarde van die parameter sal wees (0,207031250,2109375) / 20,208984375. Enkodering van Nie-numeriese data Die nie-numeriese data moet omskep word in getalle voordat hulle word geïnkripteer. Dit word beskryf in meer besonderhede in die artikels op ons webwerf, wat die gebruik van neurale netwerke te beskryf. Hoe om die oogmerke fenotipe deur sy Genotipe van die oogmerke fenotipe (dit wil sê die waardes van die voorwerpe eienskappe) bepaal Bepaal, ons moet net die waardes van gene wat ooreenstem met hierdie eienskappe (dit wil sê die voorwerpe genotipe) ken. Op hierdie, die integriteit van gene wat die voorwerpe genotipe beskryf verteenwoordig 'n chromosoom. In sommige realisasies, is dit ook genoem eksemplaar. So, in die genetiese algoritme besef, die chromosoom verteenwoordig 'n vaste-lengte bietjie string. Op hierdie, elke interval van die string ooreenstem met 'n geen. Die lengte van gene binne 'n chromosoom kan dieselfde of anders wees. Die gene van dieselfde lengte is meer dikwels gebruik word. Kom ons kyk na 'n voorbeeld van 'n chromosoom en interpretasies van die waarde daarvan. Laat die voorwerp het 5 eienskappe, elke word geïnkripteer in 'n geen van 4-element lengte. Dan is die chromosoom lengte 5420 bit: Teoreties, hierdie twee genetiese operateurs is genoeg om die genetiese algoritme funksie maak. Maar in die praktyk, 'n paar ekstra operateurs gebruik, sowel as veranderinge van hierdie twee operateurs. Byvoorbeeld, kan daar nie net 'n enkele punt crossover (hierbo beskryf), maar ook 'n multi een wees. In laasgenoemde geval, 'n paar breek punte (gewoonlik twee) geskep. Naas, die mutasie operateur voer die inversie van slegs een lukraak gekies bietjie van 'n chromosoom in sommige implementasies van die algoritme. Genetiese algoritme Vloeidiagram Nou, met die kennis van hoe om die gene waardes te interpreteer, kan ons bespreek hoe die genetiese algoritme funksies. Kom ons nader kyk na die genetiese algoritme vloeidiagram in sy klassieke voorstelling. Inisialiseer die aanvang van die tyd, t0. Vorm lukraak die aanvanklike bevolking wat bestaan ​​uit k eenhede. B0 Bereken die fiksheid van elke eenheid, FAI pas (Ai). i1k, en die fiksheid van die hele bevolking, Ft pas (BT). Die waarde van hierdie funksie bepaal in watter mate die beskryf deur hierdie chromosoom pas eenheid om die probleem op te los. Kies die AC-eenheid in die bevolking. AC Kry (BT) Kies die tweede eenheid in die bevolking met 'n sekere waarskynlikheid (die crossover PC waarskynlikheid), c1 Kry (Bt), en voer die crossover operateur, AC Crossing (AC, AC1). Voer die mutasie operateur met 'n sekere waarskynlikheid (die mutasie Pm waarskynlikheid), Ac mutasie (AC). Voer die inversie operateur met 'n sekere waarskynlikheid (die inversie Pi waarskynlikheid), Ac inversie (AC). Plaas die verkry nuwe chromosoom in die nuwe bevolking, voeg (BT1, Ac). Stappe 3-7 moet k keer herhaal word. Verhoog die huidige tydvak nommer, TT1. As die stop toestand voldoen, beëindig die lus. Andersins, gaan na stap 2. Sommige stadiums van die algoritme moet nader oorweging. Stap 3 en 4, die stadium van ouer chromosome seleksie, speel die belangrikste rol in die suksesvolle funksionering van die algoritme. Daar kan verskeie moontlike alternatiewe in hierdie. Die mees gebruikte seleksie metode staan ​​bekend as roulette. Wanneer hierdie metode gebruik word, is die waarskynlikheid dat dit of dat chromosoom sal gekies word bepaal deur sy fiksheid, maw PGet (Ai) Fit (Ai) / Fit (BT). Die gebruik van hierdie metode lei tot die verhoging van die waarskynlikheid dat eienskappe wat deel uitmaak van die mees aangepaste eenhede sal gepropageer in die offsprings. Antoher dikwels gebruikte metode is die toernooi seleksie. Dit bestaan ​​in die sin dat 'n hele paar eenhede (2, as 'n reël) ewekansig gekies onder die bevolking. Die sterkste eenheid sal gekies word as 'n winner. Besides, in sommige van die implementering van die algoritme, is die sogenaamde elitisme strategie gebruik, wat beteken dat die beste aangepas eenhede is gewaarborg om die nuwe bevolking betree. Hierdie benadering kan gewoonlik aan die genetiese algoritme konvergensie versnel. Die nadeel van hierdie strategie is die verhoogde waarskynlikheid van die algoritme om in die plaaslike minimum. Die bepaling van die algoritme stop kriteria is nog 'n belangrike punt. Óf die beperking van die algoritme funksioneer epogge of bepaling van die sameloop van die algoritme (gewoonlik deur vergelyking van die bevolking fiksheid in verskeie tydperke van die stop wanneer hierdie parameter is gestabiliseer) word gebruik as sodanig kriteria. Waarskuwing: Alle regte om hierdie materiaal word voorbehou deur MQL5 Ltd kopiëring of herdruk van hierdie materiaal in sy geheel of gedeeltelik is prohibited. A forex stelsel wat gebaseer is op 'n genetiese algoritme Eerste Online: 4 April 2012 ontvang: 20 April 2010 aanvaar: 21 Maart 2012 Haal hierdie artikel as: Mendes, L. Godinho, P. Dias, J. J Heuristiek (2012) 18: 627. doi: 10,1007 / s10732-012-9201-y 5 aanhalings 843 Views Abstract In hierdie vraestel, 'n genetiese algoritme sal beskryf wat daarop gemik op die optimalisering van 'n stel reëls wat 'n handel stelsel vir die Forex mark uitmaak. Elke individu in die bevolking verteenwoordig 'n stel van tien tegniese reëls handel (vyf tot 'n posisie en vyf ander betree om af te sluit). Hierdie reëls het 31 parameters in totaal, wat ooreenstem met die individue gene. Die bevolking sal ontwikkel in 'n gegewe omgewing, gedefinieer deur 'n tydreeks van 'n spesifieke geldeenheid paar. Die fiksheid van 'n gegewe individu verteenwoordig hoe goed dit kan aanpas by die omgewing is, en dit word bereken deur die toepassing van die ooreenstemmende reëls om die tydreeks, en dan die berekening van die verhouding tussen die wins en die maksimum drawdown (die Stirling-verhouding) . Twee munt pare is gebruik: EUR / USD en GBP / USD. Verskillende data is gebruik vir die ontwikkeling van die bevolking en vir die toets van die beste individue. Die bereik van die stelsel resultate word bespreek. Die beste individue in staat is om 'n baie goeie resultate in die opleiding reeks te behaal. In die toetsreeks, die ontwikkelde strategieë toon 'n paar probleme in die bereiking van positiewe resultate, as jy transaksiekoste in ag neem. As jy transaksiekoste ignoreer, die resultate is meestal positief, wat daarop dui dat die beste individue het 'n paar voorspellings vermoë. Sleutelwoorde Genetiese algoritmes Finansies Tegniese handel reëls Buitelandse wisselkoerse Verwysings Alvarez-Diaz, M. Alvarez, A. vooruitskatting wisselkoerse met behulp van genetiese algoritmes. Appl. Econ. Lett. 10 (6), 319322 (2003) CrossRef Brabazonweg, A. Oneill, M. Ontwikkelende tegniese reëls handel vir spot buitelandse-valuta-markte met behulp van grammatikale evolusie. Computerized. Manag. Sci. 1 (3), 311327 (2004) MATH CrossRef Davis, L. Handboek van Genetiese algoritmes. Van die Kollege-Reinhold, New York (1991) Dempster, M. A.H. Jones, C. M. 'N real-time adaptive handel stelsel met behulp van genetiese programmering. Quant. Finansies 1 (4), 397413 (2001) CrossRef Dunis, C. Harris, A. et al. Optimalisering intraday handel modelle met genetiese algoritmes. Neurale Netw. Wêreld 9 (3), 193223 (1999) Eling, M. Schuhmacher, F. Is die keuse van prestasie maatstaf invloed die evaluering van verskansingsfondse J. Bank. Finansies 31 (9), 26322647 (2007) CrossRef Fama, E. F. doeltreffende kapitaalmarkte: 'n oorsig van die teorie en empiriese werk. J. Finansies 25 (2), 383417 (1970) CrossRef Goldberg, D. Genetiese algoritmes in Search, Optimization en masjien leer. Addison-Wesley, Reading (1989) MATH Grefenstette, J. J. Genetiese algoritmes vir veranderende omgewings. In: Parallel Probleemoplossing van Nature 2, Brussel (1992) Harding, D. Nakou, G. et al. Die voor - en nadele van onttrekking as 'n statistiese maatstaf van risiko vir beleggings. AIMA Journal April 1617 (2003) Hirabayashi, A. Aranha, C. et al. Optimalisering van die handel reël in buitelandse valuta met behulp van genetiese algoritme. In: Verrigtinge van die 11de Jaarlikse Konferensie oor genetiese en ewolusionêre Berekening GECCO09 (2009) Hryshko, A. Downs, T. Stelsel vir buitelandse valuta handel met behulp van genetiese algoritmes en versterking leer. Int. J. SYST. Sci. 35 (13), 763774 (2004) MATH CrossRef Kaboudan, M. A. genetiese programmering voorspelling van aandeelpryse. Computerized. Econ. 16 (3), 207236 (2000) MATH CrossRef LeBaron, B. Tegniese handel reël winsgewendheid en buitelandse valuta ingryping. J. Int. Econ. 49 (1), 125143 (1999) CrossRef LeBaron, B. Tegniese handel winsgewendheid in buitelandse valuta markte in die 1990's (2002) Levich, R. M. Thomas, L. R. Die belangrikheid van tegniese handel-reël winste in die valutamark: 'n bootstrap benadering. J. Int. Geld financ. 12 (5), 451474 (1993) CrossRef Kyk, A. W. Die aangepaste markte hipotese. J. Portf. Manag. 30 (5), 1529 (2004) CrossRef Menkhoff, L. Taylor, M. P. Die hardnekkige passie van buitelandse valuta professionele: tegniese ontleding. J. Econ. Aangesteek 45 (4), 936972 (2007) CrossRef Meyers, T. A. Die Tegniese Analise Kursus. McGraw-Hill, New York (1989) Mitchell, M. An Introduction te Genetiese algoritmes. MIT Press, Cambridge (1996) Neely, C. Weller, P. Intraday tegniese beurs in die buitelandse valuta mark. J. Int. Geld financ. 22 (2), 223237 (2003) CrossRef Neely, C. Weller, P. et al. Is tegniese ontleding in die buitelandse valuta mark winsgewend 'n genetiese programmering benadering. J. financ. Quant. Anal. 32 (4), 405426 (1997) CrossRef Neely, C. J. Weller, P. A. et al. Die aangepaste markte Hipotese: bewyse uit die buitelandse valuta mark. J. financ. Quant. Anal. 44 (02), 467488 (2009) CrossRef Olson, D. Het handel reël winste in die valuta-markte gedaal met verloop van tyd J. Bank. Finansies 28 (1), 85105 (2004) CrossRef Osman, I. H. Kelly, J. P. Meta-heuristiek: Teorie amp Aansoeke. Kluwer Academic, Dordrecht (1996) MATH Park, C.-H. Irwin, S. H. Wat weet ons van die winsgewendheid van tegniese ontleding J. Econ. Surv. 21 (4), 786826 (2007) CrossRef Pictet, O. V. Dacorogna, M. M. et al. Die gebruik van genetiese algoritmes vir robuuste optimalisering in finansiële toepassings. Neurale Netw. Wêreld 5 (4), 573587 (1995) Reeves, C. R. met behulp van genetiese algoritmes met klein bevolkings. In: Verrigtinge van die Vyfde Internasionale Konferensie oor Genetiese algoritmes. Morgan Kaufmann, San Mateo (1993) Rothlauf, F. Goldberg, D. Redundante vertoë in evolusionêre berekening. Illinois Genetiese algoritmes Laboratorium (IlliGAL) Verslag (2002) Schulmeister, S. komponente van die winsgewendheid van tegniese valuta handel. Appl. Financ. Econ. 18 (11), 917930 (2008) CrossRef Sweeney, R. J. Klop die buitelandse valuta mark. J. Finansies 41 (1), 163182 (1986) Wilson, G. Banzhaf, W. Interday buitelandse valuta handel met behulp van lineêre genetiese programmering. In: Verrigtinge van die 12de Jaarlikse Konferensie oor genetiese en ewolusionêre Berekening GECCO10 (2010) Kopiereg inligting Springer ScienceBusiness Media, LLC 2012 Skrywers en Toetredingen Lus Mendes 1 Pedro Godinho 2 Joana Dias 3 E skrywer 1. Faculdade de Economia Universidade de Coimbra Coimbra Portugal 2 . Faculdade de Economia en GEMF Universidade de Coimbra Coimbra Portugal 3. Faculdade de Economia en Inesc-Coimbra Universidade de Coimbra Coimbra Portugal oor hierdie artikel Druk ISSNSnowCron SnowCron genetiese algoritme in forex stelsels met behulp van genetiese algoritme om winsgewend forex strategie te skep. Genetiese algoritme in Cortex Neurale Netwerke sagteware waards Backpropagation Neurale netwerk Aansoek om genetiese berekeninge gebaseer forex. Hierdie voorbeeld gebruik konsepte en idees van die vorige artikel, so lees asseblief Neurale netwerk genetiese algoritme in forex stelsels eerste, maar dit is nie verpligtend nie. Oor hierdie teks In die eerste plek, lees asseblief die disclaimer. Dit is 'n voorbeeld van die gebruik van Cortex Neurale Netwerke sagteware genetiese algoritme funksionaliteit, nie 'n voorbeeld van hoe om winsgewend handel te doen. Ek is nie jou guru nie, moet ek verantwoordelik wees vir jou verliese. Cortex Neurale Netwerke sagteware het neurale netwerke in dit, en FFBP ons voor bespreek is net een manier om die keuse van 'n forex strategieë. Dit is 'n goeie tegniek, kragtige en wanneer dit behoorlik toegepas word, baie promicing. Maar dit het 'n probleem - om te leer aktief op neurale netwerk. ons nodig het om die verlangde uitset te leer ken. Dit is nogal maklik om te doen wanneer ons dit doen funksie benadering, ons neem net die werklike waarde van 'n funksie, want ons weet wat dit behoort te wees. Wanneer ons dit doen neurale netwerk vooruitskatting. Ons gebruik die tegniek (in vorige artikels beskryf) van die onderrig van die neurale netwerk op die geskiedenis, weer, as ons voorspel, sê, 'n wisselkoers, weet ons (tydens die opleiding) wat die korrekte voorspelling is. Maar wanneer ons bou 'n handel stelsel, ons het geen idee wat die korrekte handel besluit is, selfs al weet ons die wisselkoers As die saak van die feit, ons het baie forex strategieë wat ons kan gebruik op enige punt van die tyd, en ons nodig het om uit te vind 'n goeie een - hoe wat moet ons oppas as die verlangde uitset van ons Neurale Net as jy ons vorige artikel, jy weet, dat ons bedrieg om te gaan met hierdie probleem gevolg. Ons docent die neurale netwerk te wisselkoers (of wisselkoers gebaseer aanwyser) voorspelling te doen, en dan gebruik hierdie voorspelling te handel nie. Dan, buite die neurale netwerk deel van die program, het ons 'n besluit oor watter neurale netwerk is die beste een. Genetiese algoritmes kan gaan met hierdie probleem direk, hulle kan die probleem wat as die beste handel seine op te los. In hierdie artikel gaan ons Cortex Neurale Netwerke Sagteware gebruik om so 'n program te skep. Die gebruik van genetiese algoritme Genetiese algoritmes baie goed ontwikkel, en baie uiteenlopend. As jy wil om te leer alles oor hulle, ek stel voor jy Wikipedia gebruik, soos hierdie artikel is slegs oor wat Cortex Neurale Netwerke sagteware kan doen. Met Cortex Neurale Netwerke sagteware. Ons kan 'n neurale netwerk wat 'n paar insette, sê, waardes van 'n aanwyser neem, en produseer skep 'n uitset, sê, handel seine (koop, verkoop, te hou.) en stop verlies / neem winsvlakke vir posisies te oopgemaak word. Natuurlik, as ons hierdie neurale netwerk se gewigte saad na willekeur, handelsresultate sal verskriklik wees. Maar laat ons sê 'n dosyn van sodanige nns geskep. Dan kan ons toets prestasie van elkeen van hulle, en kies die beste een, die wenner. Dit was die eerste generasie van nns. Om voort te gaan om die tweede generasie, moet ons toelaat dat ons wenner om voort te plant, maar om te vermy om identiese kopieë, kan voeg 'n paar random noice sy descentants gewigte. In die tweede generasie, ons het ons eerste-generasie wenner en sy onvolmaakte (gemuteerde) afskrifte. Kom ons doen die toets weer. Ons sal 'n ander wenner, wat is beter as enige ander Neurale netwerk in die generasie het. En so aan. Ons laat net wenners te teel, en elimineer verloorders, net soos in die werklike lewe evolusie, en ons sal ons bes-handel Neurale netwerk te kry. sonder enige vooraf knowlege oor wat die handel stelsel (genetiese algoritme) moet wees nie. Neurale netwerk genetiese algoritme: Voorbeeld 0 Dit is die eerste genetiese algoritme voorbeeld. en 'n baie eenvoudige een. Ons gaan loop deur dit stap vir stap, om al truuks wat volgende voorbeelde sal gebruik leer. Die kode het inline kommentaar, so kan net fokus op die belangrikste oomblikke. In die eerste plek het ons 'n neurale netwerk geskep. Dit is die gebruik van ewekansige gewigte, en is nog nie docent. Dan, in siklus, ons maak 14 kopieë daarvan, met behulp van MUTATIONNN fumction. Hierdie funksie maak 'n afskrif van 'n bron Neurale netwerk. toevoeging van ewekansige waardes van 0 tot (in ons geval) 0.1 aan al gewigte. Ons hou handvatsels om gevolglike 15 nns in 'n skikking, kan ons dit doen, as handvatsel is net 'n heelgetal. Die rede waarom ons gebruik 15 nns het niks te doen met beurs: Cortex Neurale Netwerke sagteware kan plot tot 15 lyne op 'n grafiek gelyktydig. Ons kan verskillende benaderings tot die toetsing gebruik. In die eerste plek kan ons die leer stel te gebruik, al is dit in 'n keer. In die tweede plek kan ons toets op, sê, 12000 resords (uit 100000), en loop deur die leer stel, van die begin tot die einde. Dit sal learnigs verskillende maak, soos ons sal sien vir neurale netwerk is van wat nuttig is op enige gegewe deel van data, nie net op die hele stel. Die tweede benadering kan ons gee probleme, indien data verander, van die begin tot die einde. Dan sal die netwerk te ontwikkel, die verkryging van vermoë om handel te dryf op die einde van datastel, en die verlies van die vermoë om handel te dryf op die begin. Om die probleem op te los, gaan ons ewekansige 12000 rekords fragmente uit data, en voer dit na die neurale netwerk. is bloot 'n eindelose siklus, soos 100,000 siklusse nooit bereik sal word by ons spoed. Onder 'n kind by te voeg ons vir elke netwerk, met effens verskillende gewigte. Kennis dat 0,1 vir mutasie Tange is nie die enigste keuse, as die saak van die feit, selfs hierdie parameter kan geoptimaliseer word met behulp van genetiese algoritme. Nuutgeskepte nns bygevoeg na 15 bestaande. Op hierdie manier het ons 30 nns in 'n skikking, 15 oud en 15 nuwe. Dan gaan ons na die volgende siklus van die toets te doen, en om verloorders doodmaak, van beide geslagte. Om die toets te doen, pas ons neurale netwerk om ons data, om uitsette te produseer, en dan bel toets funksie, dat hierdie uitsette gebruik om handel te boots. Resultate van die saak word gebruik om deside, wat nns is die beste. Ons gebruik 'n tussenpose van nKom rekords van nbegin om nbegin nKom, waar nbegin is 'n arbitrêre punt binne leer stel. Die kode hieronder is 'n truuk. Die rede waarom ons dit gebruik is om die feit te illustreer, wat genetiese algoritme genetiese algoritme kan skep. maar dit sal nie noodwendig die beste een wees, en ook, voor te stel, dat ons gevolg kan verbeter, as ons 'n paar beperkings impliseer om die leerproses. Dit is moontlik dat ons handel stelsel werk baie goed op die lang ambagte, en baie swak op kort, of andersom. As, sê, 'n lang ambagte is baie goed, kan dit genetiese algoritme wen, selfs met 'n groot verliese op kort ambagte. Om dit te vermy, ons wys meer gewig aan lang ambagte in vreemde en kort ambagte in selfs siklusse. Dit is net 'n voorbeeld, daar is geen waarborg dat dit iets sal verbeter. Meer daaroor hieronder, in gesprek oor regstellings. Tegnies, jy hoef nie om dit te doen, of kan dit anders maak. wins Voeg 'n gesorteerde skikking. Dit gee 'n inplanting posisie, dan gebruik ons ​​hierdie posisie te voeg Neurale netwerk hanteer, leer en toets winste na nie-gesorteer skikkings. Nou het ons data vir die huidige neurale netwerk op dieselfde verskeidenheid indeks as sy wins. Die idee is om verskeidenheid van nns, gesorteer volgens winsgewendheid te kom. Soos skikking is SORTES deur wins, te verwyder 1/2 van netwerke, wat minder winsgewend, ons moet net nns verwyder 0-14 Trading besluite is gebaseer op waarde van neurale netwerk sein, uit hierdie oogpunt die program is identies aan voorbeelde uit vorige artikel. Forex strategie: Bespreek voorbeeld 0 In die eerste plek, kan 'n blik op kaarte. Die eerste grafiek vir wins in die eerste iterasie is glad nie goed nie, want moet verwag word, verloor die neurale netwerk geld (beeld evolution00gen0.png kopieer na die eerste iterasie van gids beelde): Die beeld vir 'n wins op siklus 15 is beter, soms , genetiese algoritme kan leer baie vinnig: Maar let op die volop op 'n wins kurwe. Dit is interessant ook te kyk na die manier waarop individuele winste verandering, in gedagte hou dat kurwe getal, sê, 3 is nie altyd vir dieselfde neurale netwerk. soos hulle word gebore en beëindig die hele tyd: Let ook op dat uit klein forex outomatiese handel stelsel verrig armes op kort ambagte, en baie beter op verlang, wat mag of nie mag wees met betrekking tot die feit dat die dollar was val in vergelyking met euro gedurende daardie tydperk. Dit kan ook iets te doen met parameters van ons aanwyser het (miskien moet ons ander tydperk vir kortbroek) of die keuse van aanwysers. Hier is die geskiedenis na 92 ​​en 248 siklusse: Tot ons verbasing, genetiese algoritme misluk heeltemal. Kom ons probeer om uit te vind waarom, en hoe om die situasie te help. In die eerste plek, isnt elke generasie veronderstel om beter as die Vorige een Die antwoord is nee wees, ten minste nie in die model wat ons gebruik. As ons het HELE leer stel in 'n keer, en gebruik dit herhaaldelik aan ons nns leer, dan ja, hulle sal verbeter elke generasie. Maar in plaas daarvan, het ons ewekansige fragmente (12000 rekords in die tyd), en gebruik hulle. Twee vrae: waarom die stelsel versuim het om op ewekansige fragmente van leer stel, en waarom havent ons hele leer gevlegte gebruik. Om die tweede vraag te beantwoord, het ek. Nns uitgevoer grootliks - op leer stel. En hulle versuim het om op die toets stel, vir dieselfde rede is dit ongehoorsaam wanneer ons gebruik FFPB leer. Om dit anders te stel, het ons nns overspecialized, het hulle geleer hoe om te oorleef in die omgewing waarin hulle gebruik word om 'n nie-daarbuite. Dit gebeur baie in die natuur. Die benadering wat ons het in plaas was bedoel om te vergoed vir wat, deur te dwing nns goeie op enige arbitrêre fragment van die datastel te voer, sodat hopelik, kan hulle ook uit te voer op 'n onbekende toets stel. In plaas daarvan, het hulle versuim het albei op die toets en op die leer stel. Stel jou diere, wat in 'n woestyn. Daar is baie van die son, geen sneeu nie. Dit is 'n metafoor vir rizing mark, soos vir ons nns data speel die rol van die omgewing. Diere geleer in 'n woestyn woon. Stel jou diere, wat in 'n koue klimaat leef. Sneeu en geen son nie. Wel, aangepas hulle. Maar in ons eksperiment, ons lukraak geplaas ons nns in 'n woestyn, in die sneeu, in die water, op die bome. deur dit met verskillende fragmente van data (lukraak styg, val plat.). Diere gesterf. Of, om dit anders te stel, ons gekies om die beste Neurale netwerk vir ewekansige datastel 1, wat, sê, was vir stygende mark. Dan aangebied ons, aan die wenners en hul kinders, 'n dalende markte data. Nns swak presteer, ons het die beste van swak presteerders, miskien, een van die mutant kinders, wat die vermoë om handel te dryf op stygende mark verloor, maar het 'n paar vermoë om te gaan met die val een. Daarna het ons die tafel weer, en weer, ons het die beste presteerder - maar die beste onder swak presteerders. Ons het eenvoudig didnt gee ons nns enige kanse om universele geword. Daar is tegnieke toe te laat genetiese algoritme om nuwe inligting te leer sonder om te verloor prestasie op ou inligting (na alles, diere kan lewe in die somer en in die winter, reg So evolusie in staat is om te herhaal veranderinge te hanteer). Ons kan hierdie tegnieke later bespreek, hoewel hierdie artikel is meer oor die gebruik van Cortex Neurale Netwerke sagteware. as oor die bou van 'n suksesvolle forex outomatiese handel stelsel. Neurale netwerk genetiese algoritme: Voorbeeld 1 Nou is dit tyd om te praat oor regstellings. 'N Eenvoudige genetiese algoritme ons geskep is tydens die vorige stap het twee groot foute. In die eerste plek is dit nie te handel met wins. Dit is ok, kan ons probeer om gedeeltelik opgeleide stelsel (dit was waardeloos aan die begin) gebruik. Die tweede fout is ernstiger: Ons het geen beheer oor dinge, dat hierdie stelsel nie. Byvoorbeeld, kan dit leer winsgewend, maar met 'n groot onttrekkings te wees. Dit is 'n bekende feit dat in die werklike lewe, evolusie kan meer as een parameter gelyktydig te optimaliseer. Byvoorbeeld, kan ons 'n dier, wat vinnig kan hardloop en word weerstand teen koue kry. Hoekom nie probeer om dieselfde te doen in ons forex outomatiese handel stelsel. Dis wanneer ons regstellings, wat niks anders as die stel van addisionele straf is. Sê, ons stelsel ambagte met drawdown 0.5, terwyl ons dit wil bevestig 0-0,3 interval. Om die stelsel wat dit 'n fout gemaak vertel, verminder ons die wins (een wat gebruik word om vas te stel, wat genetiese algoritme gewen) die graad, wat is eweredig aan die grootte van DD. Dan, die evolusie algoritme sorg vir die res. Daar is 'n paar meer faktore, wat ons wil in ag neem: kan ons wil min of meer ewe veel koop en verkoop transaksies, ons wil meer van winsgewende bedrywighede het, dan van mislukkings, ons wil die wins grafiek om wees lineêre en so aan. In evolution01.tsc voer ons 'n eenvoudige stel verbeteringe. In die eerste plek, gebruik ons ​​'n paar groot aantal vir 'n aanvanklike regstelling waarde. Ons vermenigvuldig dit met 'n klein (gewoonlik tussen 0 en 1) waardes, afhangende van die straf wat ons wil aansoek doen. Dan vermenigvuldig ons wins op hierdie regstelling. As gevolg, is wins reggemaak, om te besin hoeveel die genetiese algoritme ooreenstem met ons ander kriteria. Dan gebruik ons ​​die resultaat van 'n wenner Neurale netwerk te vind. Forex strategie: Bespreek voorbeeld 1 Voorbeeld 1 werk baie beter, as voorbeeld 0. In die eerste 100 siklusse, dit baie geleer, en wins kaarte kyk gerus te stel. Maar, soos in voorbeeld 0, lang ambagte is baie meer winsgewend, wat waarskynlik beteken dat daar 'n probleem in ons benadering. Tog het die stelsel het 'n balans te vind tussen paar teenstrydige aanvanklike voorwaardes: Daar is 'n paar positiewe dinamika beide in leer stel en, meer belangrik, in die toets stel. Soos vir verdere leer, by siklus 278 ons kan sien dat ons stelsel het overtrained. Dit beteken, het ons nog vordering op leer stel: Maar die toets stel toon swakheid: Dit is 'n algemene probleem met nns: wanneer ons dit leer oor leer stel, dit leer om dit te hanteer, en soms is dit leer te goed - om die graad, wanneer dit verloor prestasie op die toets stel. Om te gaan met die probleem, is 'n tradisionele oplossing gebruik: ons hou op soek na die neurale netwerk. wat die beste presteer op die toets stel, en stoor dit, te vervang vorige beste een, is elke keer nuwe hoogtepunt bereik. Dit is dieselfde benadering, wat ons gebruik in FFBP opleiding, behalwe hierdie keer moet ons dit self doen (die toevoeging kode, wat lyk vir 'n beste neurale netwerk op 'n toets stel, en 'n beroep SAVENN, of die uitvoer van gewigte van neurale netwerk om 'n lêer). Op hierdie manier, wanneer jy jou opleiding te stop, sal jy die beste presteerder op die toets SET gered en wag vir jou. Let ook dat dit nie die maksimum. wins wat jy na, maar optimale prestasie, so oorweeg om regstellings, wanneer jy soek na 'n beste presteerder op 'n toets stel. Genetiese algoritme vir FOREX Tegniese Analise: Waar nou Nadat jy jou wenner neurale netwerk het. jy kan volg die stappe in die vorige artikel beskryf, te gewigte van daardie Neurale netwerk uit te voer. en dan om dit te gebruik in jou real time handel platform, soos Meta Trader, Handel Station en so aan. Alternatiewelik kan jy fokus op ander maniere die optimalisering van die neurale netwerk. In teenstelling met met FFBP algoritme, hier kan jy avay kry van die gebruik van leer en toets stelle, en beweeg opeenvolgende leer. Aflaai Cortex Bestel Cortex View Pryslys Sigbaarheid is baie belangrik vir hierdie webwerf. As jy dit wil hê kan u skakel na hierdie URLNatural Seleksie: genetiese algoritme vir System Optimization Genetiese Programmering Evo 2 is 'n gevorderde genetiese algoritme biblioteek wat die nuutste in genetiese algoritme ontwerp inkorporeer, soos biologies identiese prosesse, epigenetiese skakelaars, gesimuleerde uitgloeiing, Westermarck inteling voorkoming ,-ouderdom beperk rekombinasie, en nog baie meer. Die Evo 2 algoritme is nie gebaseer op die standaard enkele chromosoom GA ontwerp. Evo 2 los meerveranderlike optimeringsprobleme vinnig en skubbe goed met kompleksiteit. Die Evo 2 algoritme is ontwerp vir genetiese programmering (outonome skepping van handel stelsels), handel stelsel optimalisering en portefeulje optimalisering. Evo 2 laat ontwikkelaars bou meerveranderlike handel stelsel optimalisaties met gemak. Bio-identiese genoom en Algoritme Evo 2 is nie net bio-geïnspireerd nie, maar dit is 'n bio-identiese in baie aspekte. Evo 2 bes elke natuurlike proses van maat keuse om DNA verpakking en volledige meiose. Die meeste standaard genetiese algoritmes nalaat om die verskeie stappe van meiose wat van kardinale belang om genetiese variasie, 'n uiters belangrike veranderlike in die voorkoms van plaaslike Optima is uit te voer. Profase Gedurende profase, chromosome sinaps en 'n klein hoeveelheid DNA uitgeruil tussen homoloë chromosome deur 'n proses wat bekend staan ​​as oorkruising. Die kritieke deel van profase is die voering-up van tetrads in homoloë pare. Die Evo 2 algoritme verseker dat homo net geskep uit onverwante, teenoorgestelde geslag chromosome. Metafase en Anafase metafase en anafase is die fases waar veel variasie is opgeneem in die genoom egter die meeste genetiese algoritmes heeltemal stappe uit te laat. Evo 2 simuleer beide fases volledig en akkuraat. Geen Inteling toegelaat meeste standaard genetiese algoritmes ingeteel sop, tegnies gesproke. Inteling verminder genetiese variasie, wat om te sê, verhoed stelsels van veranderende en aan te pas by hul omgewing. In standaard gas, beteken dit dat 'n stelsel meer geneig om vas in plaaslike Optima word mag wees. Terwyl die natuur het ten minste drie meganismes om inteling te voorkom, die meeste genetiese algoritmes versuim om hierdie probleem aan te spreek. Die eerste metode: Voorkom nageslag van reproduseer. Inteling lei tot verhoogde homozygosity, wat die kanse van die nageslag kan verhoog word geraak deur resessiewe of nadelige eienskappe. Die tweede meganisme: Ry weg jong mans om bloedskande paring tussen broers en susters te voorkom. Die derde meganisme: Die Westermarck effek. Dit is 'n sielkundige effek waardeur individue wat in die nabyheid is wat tydens die kinderjare desensitized om later seksuele aantrekkingskrag geword. Die finale gevolg van inteling is die uitsterwing van spesies as gevolg van 'n gebrek aan genetiese diversiteit. Die jagluiperd, een van die mees ingeteelde spesie op aarde, is 'n uitstekende voorbeeld. En dit gebeur ook in die gesig staar uitwissing. Twintig duisend jaar gelede, jagluiperds rondgeloop in Afrika, Asië, Europa en Noord-Amerika. Ongeveer 10,000 jaar gelede, as gevolg van klimaatsverandering, almal behalwe een spesie uitgesterf het. Met die drastiese afname in hul getalle, is naasbestaandes gedwing om te teel, en die jagluiperd is geneties ingeteelde, wat beteken dat al Cheetahs is baie nou verwant. Hoewel die natuur verbied inteling, byna al die rekenaar-gesimuleerde genetiese algoritmes miskyk hierdie probleem. Evo 2 verhoed inteling via die Westermarck effek en ander gesimuleerde effekte. Epigenetiese Skakelaars epigenetiese teorie beskryf hoe veranderinge in geenuitdrukking kan veroorsaak word deur ander as veranderinge in die onderliggende DNA volgorde, tydelik of deur middel van verskeie geslagte meganismes, deur 'n invloed 'n netwerk van chemiese skakelaars binne selle gesamentlik bekend as die Epigenome. Evo 2 kan simuleer epigenetiese skakelaars sodat die stelsel tydelik te penaliseer vir aksies soos om te gulsig of risiko-sku. Gesimuleerde Uitgloeiing Gesimuleerde uitgloeiing is 'n kans metaheuristic vir die globale optimalisering probleem van die opspoor van 'n goeie benadering tot die globale optimum van 'n gegewe funksie in 'n groot soek spasie. Dit word dikwels gebruik wanneer die soek spasie is diskrete. Vir sekere probleme, kan nageboots uitgloeiing meer doeltreffend as uitputtende opsomming wees. Family Tree Evo 2 kan genealogiese inligting te spaar vir elke genoom sodat gebruikers die vordering van die genetiese algoritme kan hersien om te sien hoe sekere gene ontwikkel met verloop van tyd. Karyogram Viewer Evo 2 beskik oor 'n ingeboude karyogram, wat visualisering van genome laat terwyl genetiese algoritmes ontwikkel. Die karyogram kan aangepas word om genealogiese inligting vir spesifieke genome vertoon deur 'n konteks kieslys. Evo 2 Aansoeke Evo 2 gebruik kan word op die kliënt of bediener kant vir genetiese programmering (outonome skepping van handel stelsels), handel stelsel optimalisering, portefeulje optimalisering, batetoewysing en nie-finansies-verwante aansoeke, insluitend maar nie beperk tot kunsmatige kreatiwiteit, outomatiese ontwerp, bioinformatika, chemiese kinetika,-kode-breaking, regeltechniek, Feynman-Kac modelle, filter en seinverwerking, skedulering aansoeke, meganiese ingenieurswese, stogastiese optimalisering en roosters probleme. Genetiese programmering Voorbeelde TradeScript programmering voorbeelde wys ontwikkelaars hoe om genetiese programmeringsmodelle kan toets terug en optimaliseer strategieë te skep. Programmering dokumentasie kan hier afgelaai word. Stands uit as die Forex STF tr 9 Mei 2012 150 12:29 staan ​​uit as die Forex STF werklik die mees indrukwekkende Forex robots vandag lief dit geadverteer, of kan dit wees net nog 'n tipiese handel sagteware wat is overhyped dit spesifieke belangrikste robot is geprys teen 149 wat reeds duurder in vergelyking met die gemiddelde buitelandse valuta handel sagteware, ook dit het my laat wonder of dit en / of is regtig die moeite werd dat fondse. Hierdie outomatiese robot is blykbaar die eerste een wat kan, binne die paar sekondes, aan te pas by veranderende ontwikkelinge en marktoestande met behulp van sy genetiese algoritme tegnologie. Dit is ten volle in staat om die hantering van ECN MAKELAAR Forex VPS review agente sowel as 4 asook 5 syfers verskaffers. In die geval wat jy gekoop het buitelandse valuta Expert Adviseur sagteware net voor, sou jy weet dat al die tipiese ondernemer net laat jou toe om hul stelsel laai en laat iemand om uit te vind en ook enige probleme wat jy mag ondervind op te los. Met buitelandse valuta STF, die besondere members8217 gebied alos kan die volgende insluit live chat en e-pos ondersteuning reageer op navrae consumers8217 24/7. Ek het gevind dat hierdie funksie vir die feit dat baie unieke en die verkopers het seker gemaak dat hulle kon kry al hul kliënte te stel om hul deskundige adviseurs soos hulle algemeen korrek verwys het. Die belangrikste robot is aanlyn, saam met video skoolopleiding tutoriale en gedetailleerde opleidingshandleidings. Die Encyclopedia of handel strategieë Book (McGraw-Hill) Forex vir beginners (Engels, 1/4) infomercials 2005-11-08 13:02:33 deur optioncoach so belaglik. Ek amazaed dat hulle infomericals vir opsie handel en forex, twee baie kompleks sekuriteite, en hulle bemark hul produkte te beginners Ek kan nie glo dat 'n maatskappy werklike glo dat hulle forex aan iemand wat nog nooit iets het verhandel voor in hul lewens en kan leer slaag dit as 'n vinnig ryk skema. Ek glo in caveat emptor en die meeste mense wat aanteken vir diegene 1000 s dollars in kursusse en sagteware kry wat hulle verdien, maar ek voel steeds jammer vir diegene wat nie. Heilige koei 2005-12-23 06:23:59 deur fiveten interessante keuse van voorstelle wat jy hier het my vrae aan jou: Het jy 'n skuld indien wel, betaal dit af NOU. het jy 'n noodfonds indien nie, dit is dit. put is 'n veilige plek soos die genoemde HSBC rekening. of dalk sit die helfte daar en die ander helfte in I-effekte (doen 'n soektog om uit te vind oor I-effekte). wanneer jy jou plan op hoef hierdie geld indien dit in 'n paar y. e artikel en begin lees. moet jy jouself op te voed nou, dit kon red jy 'n klomp geld in die lang termyn. vir beginners, soos ek belê vir persoonlike finansies vir dummies en die outomatiese miljoenêr. maar, as jy die forum vir boeke soek, sal jy ton van aanbevelings vind. alles wat jy doen, het 'n plan. hierdie 10k kan 'n groot verskil maak in jou lewe as jy dit hanteer reg. Ek wil weet 2006/10/13 22:21:38 deur Chile222 Wat mense ervarings is met forex Ek het 'n vriend wat het probeer om my te praat in die handel met hom. Ek het probeer om 'n bietjie navorsing te doen, maar die meeste van die webwerwe wat ek gevind wou hê ek moes opstel van 'n rekening, sodat ek nie weet hoe wettig die inligting op die webwerf is. Basies nou ek wil weet waar ek kan gaan na 'n paar inligting vir beginners valuta handel te kry is baie anders as aandele, 2008-03-05 23:44:29 deur bobov So wat jy nodig het om deeglik te vergewis jouself voordat jy jou eie geld te waag . Jy moet 'n rekening oop te maak met 'n buitelandse valuta (Forex) makelaar. Baie bied gratis praktyk rekeninge, sodat jy virtuele geld kan handel totdat jy gemaklik te kry. Hier is 'n paar plekke vir beginners: Waarskynlik is 'n bedrogspul 2007/11/04 08:43:11 deur livnprosper Doen jouself 'n guns op hierdie of enige ander omstrede geleentheid. Doen 'n Google-soektog van die proses betrokke saam met die woord bedrogspul en lees wat opkom. Ek het nou net die byna 2 miljoen hits om dit te doen vir forex en bedrogspul. As jy handel deur jouself, maar dat dit sou gebeur, sou dit net 'n slegte belegging idee wees. Maar die meeste mense koop duur sagteware en gebruik. maak jou geld deur uitoorlê ander handelaars. Natuurlik, sal jy ook betaal vir kommissies. Die retoriese vraag hier moet wees: wie vir julle verwag om te uitoorlê as jy nuut is tot die spel id is raai wat begin by die begin as 't ware met tradisionele belê, en tak uit daar net as jy meer inligting oor die verskillende alternatiewe tipes beleggings. Forex en beginners hoef meng goed. A af voor ons betaalstaat data mdash Die Wes-Australiese Maklik Forex valuta handelaar Anthony Botros gesê die geldeenheid gedryf laer as handelaars hulself geposisioneer voor die vrystelling van die Amerikaanse nie-plaas betaalstaat data Vrydagaand (AEST), wat na verwagting swak te wees . quotGenerally Ek dink die mark is 'n bietjie 8230 Markte Live: Aandele snoei winste mdash Sydney Morning Herald Maklik Forex valuta handelaar Tony Darvall gesê die plaaslike eenheid is vasgevang in 'n reeks as handelaars wag vir volgende week39s rentekoers besluit deur die RBA. 3939I dink ons ​​is vroeër in die week praat oor gevang in daardie reeks, we39ve het verwagtinge 8230 'n Hoër voor RBA tariewe besluit mdash Sky News Australië Maklik Forex valuta handelaar Tony Darvall gesê die plaaslike eenheid is vasgevang in 'n reeks as handelaars wag vir volgende week39s rentekoers besluit deur die Reserwebank van Australië (RBA) 'n koers tot 4.0 persent gesny uit 4.25 persent wyd verwag ná Maart 8230 Forex Investment (eToro)