Forex Neural Nettverk Indikatoren

GLOBAL TRADING SYSTEMS FOREX PRÆSISJON FOREX ROBOT BINARY OPTIONS ROBOT BINARY OPTIONS SIGNALER STOCK TRADING ROBOT STOCK PREDICTION Forex Scalper Profit Progressor Robot EA er sann multi-market condition robot: trending, non-trending, flyktig og ikke-flyktig. Handler alle store valutapar. 50-100 handler per dag. Profitt 250 per måned. Med denne komplekse Forex Robot Scalper EA skal du tjene stabilt solidt fortjeneste. Meget sikkerhet for kontoen. For forex nybegynnere eller avanserte handelsmenn også. Forex Indikator 3D Signaler - Forex Signaler Ny Generasjon Ny avansert premium kvalitet 3D-Forex Signals Indicator. Forex Indikatoren er basert på Neural Networks analyser markedet i 3D-dimensjoner og genererer statistisk pålitelige og nøyaktige valutasignaler i sanntid. Signaler er intuitive, enkle å bruke og har opprettholdt en fremragende vinnende hastighet. 500 pips avg. fortjeneste per måned. 60 sekunders binære opsjonssignalindikator (metatraderbasert). 90 dagers vinnersats. 100 signaler per dag. 100 fortjeneste per 1 time Ikke-omhyggelig Lett å bruke, fungerer med enhver megler, eventuelle eiendeler. Nøyaktighet verifisert med ekte handelskonto. Basert på avanserte Neural Networks Algorithms. Har testet med over 200 binære opsjonsmeglere og viser stabilt høyt fortjeneste. Binary Options Auto Trader 300 fortjeneste per måned 100 Binær Auto Trader for Metarader-baserte meglere som Core Liqudity Markets, NoaFX, GDMFX, GoMarkets, Grandcapital, WForex og andre. Basert på Neural Networks Algorithm. Innebygd kontovern og risikostyringssystem. 300 fortjeneste per måned 100 handler per dag 100 Automatiserte binære alternativer Robot for nettbaserte meglere Handler 60 sekunders og 30 sekunders binære alternativer. Har innebygd innskuddsbeskyttelse, pengestyringssystem. Utfører automatisk handler direkte til din koblede meglerkonto. 1500 FOR 1 ÅRS TILMELDING Leter du etter lønnsomme binære alternativsignaler og autotradere Det er usannsynlige binære valgsignaler som fører deg til suksess. Binary Options Signals Indicator (Metatrader 5 basert). 90 dagers vinnersats. 50 signaler per dag. Non-Repainting Fungerer med noen megler. Basert på Neural Networks. 60 sekunders binære valgsignalindikator (NinjaTrader-basert). 90 daglige vinnende, pålitelige, vinnende handelssignaler. 70 signaler per dag. Non-Repainting Super nøyaktig Enkel å bruke, arbeider med noen megler, eventuelle eiendeler. Synkronisert med eventuelle binære alternativer platfrom. Basert på Neural Networks. Binary Options Prediction og Trading Signal Indicator for Metatrader. Genererer 90 nøyaktige, pålitelige, vinnende handelssignaler. Non-Repainting Basert på Neural Networks Algorithm. Fungerer med enhver megler og hvilken som helst tidsramme. Kan sende varsel til mobile enheter, så skjer handelssignal. 10 og 15 minutter Binær opsjon Handel Signaler Indikator for Metatrader (MT4). 83 daglige gevinster 30 handelssignaler om dagen 100 Ikke REPAINTING 100 RELIABLE Binary Options (BO) Signalindikator vil gi deg råd når det oppstår høye handelsmuligheter. Viser stabilt høyt fortjeneste. Slapp av mens IQ Option Trade Copier Plugin handler i stedet for deg. IQ Option Trade Copier kopierer handler fra Metatrader direkte til IQ Options Platform. Automatiserer enhver lønnsom strategi og gjør det mulig å handle på full auto pilot. Kopier handler øyeblikkelig og pålitelig. Binary Options Trade Copier. Kopierer handler fra Metatrader direkte til din binære optionsplattform og implementerer handler på din meglerkonto. Umiddelbar. Pålitelig. Automatiserer enhver lønnsom strategi og gjør det mulig å handle på full auto pilot direkte fra Metatrader. Neural Networks Forex Prediction Indicator for Metatrader. Genererer 90 nøyaktige handelssignaler. Opptil 250 profitt pr. Måned Predicts høy, lav, nær pris, prisbevegelsesretning. 100 Non-Repainting Fungerer med eventuelle valutapar, noen tidsrammer. Det er den beste forex scalping roboten du kan bruke og kan vokse til og med den minste av trading kontoer til store kontoer i svært rask tid uten at du må løfte en finger. Forex Intradag Scalper EA analyserer Forex markedet for å finne den beste oppføringen og utgangspunkter. 250 fortjeneste per måned. Maksimal drawdown 3.5. 100 automatisert handel. Intelligent Forex trading robot (Forex robot eller EA) for Metatrader basert på Neural Networks og genetisk algoritme. Selvlæring og selvoppdatering Robot åpner posisjoner med 90 sannsynlighet for suksess. Metatrader - Interactive Brokers Trader Copier Bridge er en programmerbar utvidelse for Trader Workstation (TWS), som lar deg handle manuelt eller automatisk direkte fra Metatrader (MT4, MT5). Automatiser dine strategier for handel via interaktive meglere. 300 fortjeneste per måned. Maksimal drawdown 7. 90 vellykkede handler. 100 automatisert handel. Intelligent Forex trading robot (Forex robot eller EA) for Metatrader basert på Neural Networks. Forex Robot Scalper viser et stort antall handler per dag, med minimal tapstaking. Dukascopy binære alternativer Robot 50 handler per dag 100 Automatiserte binære alternativer Robot for Dukascopy meglerhandel 60 sekunders og 15 minutters binære alternativer. Har innebygd innskuddsbeskyttelse, risikostyringssystem. 75-90 Win-rate. 1500 FOR 1 ÅRS TILMELDING Metatrader Nadex Trade Copier kopimaskiner fra MT4 direkte til Nadex Trading Platform og implementere handler. Umiddelbar. Pålitelig. Tillater å teste og automatisere enhver handelsstrategi, og handle på full auto pilot direkte fra Metatrader. Fungerer for alle eiendeler. Nadex Trading Robot er en fullautomatisert handelsprogramvare som er spesialdesignet for handel med lønnsomhet med Nadex Binary Options. 100 handler per dag 100 Automatisert Har innebygd innskuddsbeskyttelse, pengestyringssystem. Basert på Neural Networks lavrisikostrategi. 1500 FOR 1 ÅRS TILMELDING Nadex Signaler og Prediksjonsindikator er spesialdesignet for handel med lønnsomhet med Nadex Binær Options. 90 ITM Nadex Signaler. 50 signaler per dag. Gjør konsekvent fortjeneste med den beste og mest pålitelige Nadex Signal Indicator. 90 nøyaktig Bitcoin Prediction Indicator for Metatrader basert på Neural Networks Algorith. Genererer streaming sanntidsspådommer og handelssignaler. Indikatoren er ikke-males. Predicts pris, pris bevegelsesretning, oppdager reverseringspunkter. IQ Alternativ Robot handler Binær alternativer 100 automatisert. 75-90 daglige vinnende hastighet 50-100 handler per dag. Basert på Neural Networks Aalgorithm. Intelligent IQ Option Robot genererer automatisk signaler, oppsett mye størrelse, har konto beskyttelse system. Kopier handler instanly og pålitelig mellom forskjellige datamaskiner via internett over hele verden og mellom forskjellige MT4-terminaler som kjører på samme datamaskin. Kompatibel på alle MT4-plattformer med hvilken som helst Forex megler. Kopier alle typer Markedsordrer. Gold Trading Robot er utviklet for GOLD 1H og SILVER 1H. 360 fortjeneste per måned. Maksimal drawdown 10. 90 vinnende handler. 100 automatisert handel. Langsiktig strategi. Hver ordre er beskyttet av Stop Loss og Take Profit. Fullt optimaliserte innstillinger. 90 nøyaktig. Genererer sanntids streaming handelssignaler. Har installert streaming live data feed for alle tidsrammer. Predicts pris, kursbevegelsesretning, trend, genererer handelssignaler. Du trenger ikke å installere. Nye signaler leveres dynamisk til sanntidsskjemaet. 260 FOR 1 MÅNED MELDING 90 Nøyaktig Forex Streaming Realtid Prisforutsigelse og Handelssignal Programvare. 300 pips garanterer hver måned. Dekker ikke Dased på Neural Networks Algorith. Fullautomatisert nettbasert Online Forex Predictor for stasjonære og mobile enheter. 260 FOR 1 Måned Meldinger 95 nøyaktig. Prognoser pris, pris bevegelsesretning, trend, genererer buysell signaler. Non-repainting Genererer real-time streaming trading signaler. Har installert streaming live data feed. Nettbasert grensesnitt. For stasjonære og mobile enheter. 260 FOR 1 Måned Meldinger Loss Recovery Trader Robot (EA) 100 vil automatisk reparere forex-kontoen din og gjenopprette tapte posisjoner, og du vil redusere og til og med eliminere dine tapende handler. Bare plasser handelen din, og vår Loss Recovery Trader Robot vil gjøre resten for deg. Binary Options Trade Copier Bridge Kopier vinnende handler, binære alternativer signaler mellom binær opsjonsplattform. Instant Pålitelig 100 Automatisert Støtter statisk masse størrelse, dynamisk masse størrelse, martingale. Kopier handler fra en lønnsom strategi for profesjonell handelsmann og tjene penger. 75-80 daglige gevinster 200 signaler per dag. Real-time streaming trading signaler. Eventuelt valutapar, enhver utløpsdato. Basert på Neural Networks. Nettbasert grensesnitt. Du trenger ikke å installere. Nye signaler leveres dynamisk til sanntidsskjemaet. 260 FOR 1 Måned Meldinger Forex Multi Valuta Scalper EA er 100 automatisert trading robot kan velge de beste mulige handler ut av 28 symboler. Basert på lavrisikostrategi. Sikrer at trades er oppgitt på best mulig tid. Utfører kjøp av handler til lavere pris og selger handler til høyere pris. Kopier lønnsomme handelssignaler fra det største sosialt nettverk for handelsfolk. Bli med i det globale fellesskapet av handelsfolk, finn ideer du liker, og kopier beste ideer og signaler direkte til din handelskonto og få fortjeneste med vårt Tradingview-signaler kopimaskinverktøy. Er du interessert i binær opsjonshandel (Aksjer, Valutaer, Gull) Det er en enkel, nybegynnere måte å tjene gode penger på siden. 24option Binær Options Robot Dette er alt du trenger for å lykkes i Binary Options Trading. Ingen erfaring nødvendig. Beskrivelse: To Forex - bruker indikator neuron direkte distribusjonsnettverk (feedforward neaural network), som lærer ved tilbakeføring av feil (backpropagation). Nettverket lastes gjennom en DLL-fil, C-kildekoden som er vedlagt. Neuron-nettverket er ikke noe mer enn en ikke-lineær modellutgang som en funksjon av innganger. Ved inngangene serveres brukerdata, for eksempel prøve tidsseriene. Betydningen av utgangen er også satt av brukeren, for eksempel signaler 1 kjøpe 0 selge. Strukturen av nettverket, igjen satt av brukeren. Nettverket består av en direkte distribusjon - Inndata laget (inngangslag), hvis elementer er innganger, Skjulte lag (skjulte lag), som består av beregningsnoder kalt neuron s og Utgangslaget (utgangslag), som består av en eller flere neuron s, utbytter er utbyttet over nettverket. Alle knuter i nabolagene er koblet sammen. Disse forbindelsene kalles synapser. Hver synaps har en vekt (vekt w i, j, k), som multipliseres med dataene som overføres av synapsene. Databevegelser fra venstre til høyre er innganger fra nettverket til utgangene. Dermed navnet direkte distribusjonsnettverk. Den totale prøven av dette nettverket er avbildet i bildet nedenfor. Dataene behandles neuron s i to trinn: 1. 1. Alle inngangene multiplisert med riktig vekt, du legges til 2. 2. Deretter blir den resulterende mengdehåndterte aktiveringen funksjon nevron (aktiverings - eller avfyringsfunksjon) og (aktiverings - eller avfyringsfunksjon) og sendt til den eneste utgangen. Betydningen av aktiveringsfunksjonen neuron som er modelleringsarbeidet neuron og hjernen: neuron utløses først etter at informasjonen har nådd en viss terskel. I de matematiske aspektene gir det bare ikke-lineærnettverket. Uten det ville nerveutslipp være en lineær autoregressiv modell (lineær prediksjonsmodell). Den vanligste aktiveringsfunksjonen neuron er en sigmoidfunksjon f (x) 1 (1exp (-x)) f (x) 1 (1 exp (-x)) Terskelen for aktivering av denne funksjonen er 0. Denne terskelen kan forskyves på den horisontale aksen på bekostning av en ytterligere inngangsnoron (forspenningsinngang), og kalt input bias (bias input), som tilordnes en viss vekt på samme måte som andre innganger neuron. Dermed er antall innganger, lag, nevroner i hvert lag og vektene av innganger nevron s hele nevronnett, dvs. ikke-lineær modell, som den skaper. For å bruke denne modellen må du vite vekten. Vektene beregnes ved å trene nettverket på tidligere data, dvs. med tidligere inngangsdata var kjente verdier av utgangssignalet. Nettvektene er optimalisert for å matche utgangen med testløsningen. Vanligvis arkiverte innganger til nettverket flere sett med inngang og tilsvarende utdata og beregnet gjennomsnittlig feilavvik for utdata fra nettverksprøven. Opplæringsnettverket er å redusere dette problemet ved å optimalisere vektene. Det finnes flere optimaliseringsmetoder, blant annet den viktigste måten å forplante seg feil (ALO) og metoden for genetisk forbedring. Vedlagte filer: Train () Test (). Bibliotek BPNN. cpp-filen inneholder to funksjoner: Train () og Test (). Train () er designet for å trene nettverket for å gi inn - og utdata. Test () er beregnet for beregning av utdata basert på vikter oppnådd etter kjøring av tog (). Input (grønn farge) og utgang (blå) parametere for funksjonen Train () er: double inpTrain - input (eldre først) double outTarget - Imprint (eldste først) double outTrain - avslutter nettverket etter trening int ntr - antall trening sett av input-output int UEW - Administrere nøkkel eksterne verdier for å initialisere vektene (1 bruk extInitWt, 0 bruk tilfeldige tall) ekstInitWt - opprinnelige verdier doblet opplærtWt - verdiene av vekt etter trening int numLayers - antall lag i nettverket inkludert input, skjult og utdata int lSz - array size numLayers, som holdt antall neuron s i hvert lag. lSz0 lSz 0 angir antall nettverksinnganger int OAF - en nøkkelfunksjon ved aktivering av utgangssignaler s (1 funksjon aktivert, 0 nei) dobbelt LR-hastighetsopplæring dobbelt MF - øyeblikket for læringsfrekvens int nep - maksimum antall trening trinn (epoker). Epok består av å sjekke alle treningssettene. dobbelt maxMSE - gjennomsnittlig feil, der læringen stopper. Input (grønn) og utgang (blå) parametere for funksjonen Test () er: dobbelt inpTest - inngangsdata (eldre først) dobbelt utTest - Innholdsfortegnelse int ntt - sett av inngangs - og utdata data dobbelt utløp - opprinnelige verdier verdier numLayers - nummer av lag i nettverket, inkludert inndata, skjulte og output int lSz - array size numLayers, som holdt antall neuron s i hvert lag. l lSz 0 angir antall nettverksinnganger int OAF - en nøkkelfunksjon ved aktivering av utgangssignaler s (1 funksjon aktivert, 0 nei) Ved å aktivere utgangssignalet, er det avhengig av utgangens art. Hvis utgangssignalene til nettverket er binomial (0 1), må du bruke aktiveringsfunksjonen (OAF 1). Hvis utgangen er en prediksjon av pris, er aktiveringsfunksjonen i utgangslaget ikke nødvendig (OAF 0). Eksempler på indikatorer brukt neuron Nettverk: BPNN Predictor. mq4 - forutsi fremtidige priser. Nettverksinngangsparametere er de relative prisintervallene: x i Åpne testbar Åpne testbarforsinkelse i -1,0 hvor forsinkelse jeg har tatt fra Fibonacci-serien. Nettverksproduksjonen forutsettes en relativ økning i fremtidige priser. Aktiveringsfunksjonen i utgangslaget er deaktivert. Inngangsparametere er en indikator Ekstern Int LastBar - Nummer på den siste linjen Eksterne int FutBars - Antall fremtidige predicted bars Eksterne int NumLayers - Antall lag i nettverket inkludert inntasting, Skjult og Utgang ekstern Int NumInputs - Antall nettverksinnganger eksternt int numNeurons1 - antall neuron s i et lag nummer 1 ekstern int numNeurons2 - antall neuron s i lag nummer 2 ekstern int numNeurons3 ekstern int numNeurons4 ekstern int numNeurons5 ekstern int ntr - antall treningssett med inngangsutgang ekstern dobbelt LR - hastigheten på læring nettverk ekstern dobbel MF - koeffisient av tid læring nettverk ekstern int nep - det maksimale antall trenings trinn (epoker) ekstern int maxMSEpwr - eksponent brukes til å beregne maksimal tillatelse gjennomsnittlig kvadrat feil læring maxMSE 10 maxMSEpwr Kjøp-selg Classificator. mq4 - buysell. Buy-Sell Classificator. mq4 - predictive indicator kjøpe selgesignaler. Som i det forrige eksempelet, ble inntastingsnettverket servert xiOpentestbarOpentestbardelayi-1.0 x i Åpne testbar Åpne testbarforsinkelse i -1,0 for barer, som tidligere mottok signal for å kjøpe eller selge. Disse siste signalene er ideelle som inngangssignaler for å oppnå et gitt overskudd. Nettverksutgangssignal er 1 eller 0 kjøpssalg. Utgangslagsaktiveringsfunksjonen. ekstern int lastBar - nummer for siste stang ekstern int minProfit - minimumsresultatet for å finne det ideelle inngangspunktet i den tidligere eksterne dobbelte terskelen - terskelen for å gjenkjenne utgangssignalene som 0 eller 1 ekstern int numLayers - antall lag i nettverket inkludert inntasting, skjult og utdata ekstern int numInput - antall nettverksinnganger ekstern int numNeurons1 - antall neuron s i et lag nummer 1 ekstern int numNeurons2 - antall neuron s i lag nummer 2 ekstern int numNeurons3 ekstern int numNeurons3 ekstern int numNeurons4 ekstern int numNeurons4 ekstern int numNeurons5 ekstern int ntr - antall treningssett av inngangsutgang (avhenger av antall kjøpssalgssignaler i det siste, 0 velger alle gyldige signaler) ekstern dobbel LR - læringshastigheten nettverk eksternt dobbelt MF - koeffisient av tid læring nettverk ekstern int nep - det maksimale antall trening trinn (epoker) ekstern int maxMSEpwr - eksponent brukes til å beregne det maksimale alt owable mean-square feil læring maxMSE 10 maxMSEpwr Pil til høyre for de vertikale grønne linjene indikerer kjøp selgesignaler generert av nettverket for å teste fremtidige barer. Pilene til venstre viser det optimale inngangspunktet i det siste. Installasjon av filer: Kopier vedlagt DLL-fil i C: Programfiler MetaTrader 4 ekspertbiblioteker Aktiverer bruk av DLL i metatrader: Verktøy - Valg - Ekspertrådgivere - Tillat DLL-import Hvis DLL-filen ikke fungerer, kompilere selv. Alle nødvendige filer er inkludert i BPNN. zip. Hybrid Neural Network Stopp-og-Reverse Strategier for Forex av Michael R. Bryant Nevrale nettverk har blitt brukt i handelssystemer i mange år med varierende grad av suksess. Deres primære attraksjon er at deres ikke-lineære struktur er bedre i stand til å fange kompleksiteten til prisbevegelsen enn standard, indikatorbaserte handelsregler. En av kritikkene har vært at nevrale nettbaserte handelsstrategier pleier å være overpassede og derfor ikke fungerer bra på nye data. En mulig løsning på dette problemet er å kombinere nevrale nettverk med regelbasert strategisk logikk for å skape en hybrid-type strategi. Denne artikkelen viser hvordan dette kan gjøres ved hjelp av Adaptrade Builder. Spesielt vil denne artikkelen illustrere følgende: Kombinere nevrale nettverk og regelbasert logikk for handelsoppføringer En tre-segmentet data tilnærming vil bli brukt, med det tredje segmentet som brukes til å validere de endelige strategiene. Den resulterende strategikoden for både MetaTrader 4 og TradeStation vil bli vist, og det vil bli demonstrert at valideringsresultatene er positive for hver plattform. Neural Networks som Trade Entry Filters Matematisk er et neuralt nettverk en ikke-lineær kombinasjon av en eller flere vektede innganger som genererer en eller flere utgangsverdier. For handel er et nevralt nettverk vanligvis brukt på en av to måter: (1) som en prognose for fremtidig prisbevegelse, eller (2) som en indikator eller et filter for handel. Her vil bruken som indikator eller handelsfilter bli vurdert. Som en indikator virker et neuralt nettverk som en ekstra betingelse eller filter som må tilfredsstilles før en handel kan innføres. Inngangene til nettverket er vanligvis andre tekniske indikatorer, for eksempel momentum, stokastikk, ADX, glidende gjennomsnitt og så videre, samt priser og kombinasjoner av det foregående. Inngangene er skalert, og det nevrale nettverket er utformet slik at utgangen er en verdi mellom -1 og 1. En tilnærming er å tillate en lang oppføring hvis utgangen er større enn eller lik en terskelverdi, for eksempel 0,5 og en kort oppføring hvis utgangen er mindre enn eller lik negativet av terskelen f. eks -0,5. Denne tilstanden vil være i tillegg til eventuelle eksisterende oppførselsforhold. For eksempel, hvis det var en lang inngangsbetingelse, måtte det være sant, og den neurale nettverksutgangen må minst være terskelverdien for en lang oppføring. Når du etablerer et neuralt nettverk, vil en næringsdrivende typisk være ansvarlig for å velge inngangene og nettverkstopologien og for quottrainingquot nettverket, som bestemmer de optimale vektverdiene. Som det vises nedenfor, utfører Adaptrade Builder disse trinnene automatisk som en del av den evolusjonære byggeprosessen som programvaren er basert på. Ved å bruke det neurale nettverket som et handelsfilter, kan det enkelt kombineres med andre regler for å skape en hybrid handelsstrategi, en som kombinerer de beste funksjonene i tradisjonelle, regelbaserte tilnærminger med fordelene ved nevrale nettverk. Som et enkelt eksempel kan Builder kombinere en glidende gjennomsnittlig crossover-regel med et neuralt nettverk slik at en lang posisjon blir tatt når det bevegelige gjennomsnittsgruppen krysser over det langsomme glidende gjennomsnittet og den nevrale nettverksutgangen er over eller over terskelen. Stopp-og-omvendt handelsstrategier En stopp-og-omvendt handelsstrategi er en som alltid er i markedet, enten lang eller kort. Strikt sett betyr quotstop-and-reversequot at du reverserer handelen når stoppordre er truffet. Imidlertid bruker jeg det som en kort hånd for enhver handelsstrategi som reverserer fra lang til kort til lang og så videre, slik at du alltid er i markedet. Ved denne definisjonen er det ikke nødvendig for ordrene å være stoppordrer. Du kan skrive inn og reversere ved hjelp av markeds - eller begrensningsordrer også. Det er heller ikke nødvendig at hver side bruker samme logikk eller til og med samme ordretype. For eksempel kan du skrive inn lang (og avslutte kort) på en stoppordre og angi kort (og avslutte lang) på en markedsordre, ved hjelp av forskjellige regler og betingelser for hver oppføring. Dette ville være et eksempel på en asymmetrisk stopp-og-omvendt strategi. Den primære fordelen med en stopp-og-omvendt strategi er at ved alltid å være i markedet, savner du aldri noen store trekk. En annen fordel er enkelhet. Når det er egne regler og vilkår for å komme inn og ut av handel, er det mer kompleksitet og mer som kan gå galt. Kombinere oppføringer og utganger betyr færre tidsavgjørelser må gjøres, noe som kan bety færre feil. På den annen side kan det hevdes at de beste vilkårene for å utveksle en handel sjelden er de samme som de for å komme inn i motsatt retning at inntreden og spennende handler er iboende egne beslutninger som derfor skal benytte separate regler og logikk. En annen potensiell ulempe ved alltid å være i markedet er at strategien vil handle gjennom alle åpningsgapene. Et stort åpningsgap mot stillingen kan bety et stort tap før strategien er i stand til å reversere. Strategier som går inn og ut mer selektivt eller det går ut på slutten av dagen, kan minimere effekten av åpningsgap. Siden målet er å bygge en forexstrategi, er MetaTrader 4 (MT4) et åpenbart valg for handelsplattformen gitt at MetaTrader 4 er utviklet primært for forex og er mye brukt for handel med disse markedene (se for eksempel MetaTrader vs. TradeStation : En språklig sammenligning). I de senere år har TradeStation imidlertid målrettet valutamarkedet mye mer aggressivt. Avhengig av handelsvolumet og eller på kontonivået, er det mulig å handle forexmarkedet gjennom TradeStation uten å pådra seg noen plattformavgift eller betale noen provisjoner. Spread er etter hvert stramt med god likviditet på de store forexparene. Av disse grunnene var begge plattformene rettet mot dette prosjektet. Flere problemer oppstår når du målretter mot flere plattformer samtidig. For det første kan dataene være forskjellige på forskjellige plattformer, med forskjeller i tidssoner, prisopplysninger for noen barer, volum og tilgjengelige datoperioder. For å glatte over disse forskjellene, ble data oppnådd fra begge plattformene, og strategiene ble bygget over begge dataseriene samtidig. De beste strategiene var derfor de som fungerte bra på begge dataseriene til tross for eventuelle forskjeller i dataene. Datainnstillingene som brukes i Builder er vist nedenfor i figur 1. Som kan utledes av Market Data-tabellen i figuren, ble Eurodollar forexmarkedet målrettet (EURUSD) med en barstørrelse på 4 timer (240 minutter). Andre bar størrelser eller markeder ville ha tjent like godt. Jeg var bare i stand til å skaffe så mye data gjennom MT4-plattformen min som angitt i datoperioden vist i figur 1 (dataserie 2), slik at samme datoperiode ble brukt til å skaffe tilsvarende dataserier fra TradeStation (datareg 1) . 80 av dataene ble brukt til Building (kombinert i sample og quotout-of-samplequot), med 20 (62014 til 21015) satt til side for validering. 80 av den opprinnelige 80 ble deretter satt til kvoteprøvekvot med 20 satt til utskrift av prøve, som vist i figur 1. Budspredet ble satt til 5 pips og handelsutgifter på 6 pips eller 60 pr. Størrelsesparti (100.000 aksjer) ble antatt per rundtur. Begge dataseriene ble inkludert i byggingen, som angitt av merket i venstre kolonne i Market Data-tabellen. Figur 1. Markedsdatainnstillinger for å bygge en forexstrategi for MetaTrader 4 og TradeStation. Et annet potensielt problem når du målretter mot flere plattformer er at Builder er utformet for å duplisere måten hver støttet plattform beregner sine indikatorer, noe som kan bety at indikatorverdiene vil variere avhengig av hvilken plattform som er valgt. For å unngå denne mulige uoverensstemmelseskilden, bør alle indikatorer som vurderes annerledes i MetaTrader 4 enn i TradeStation elimineres fra byggingen, noe som betyr at følgende indikatorer bør unngås: Alle andre indikatorer som er tilgjengelige for begge plattformene, beregnes på samme måte i begge plattformene. TradeStation inneholder alle indikatorene som er tilgjengelige i Builder, mens MetaTrader 4 ikke gjør det. Derfor, for å bare inkludere indikatorer som er tilgjengelige på begge plattformene, bør MetaTrader 4-plattformen velges som koden i Builder. Det vil automatisk fjerne indikatorer fra byggsettet som ikke er tilgjengelige for MT4, som vil forlate indikatorene som er tilgjengelige på begge plattformene. I tillegg, siden jeg la merke til forskjeller i volumdataene fra hver plattform fjernet jeg alle volumavhengige indikatorer fra byggesettet. Til slutt ble tidsindikatoren fjernet på grunn av forskjeller i tidssonene mellom datafiler. I figur 2 nedenfor vises listen over indikatorer som brukes i byggesettet, sortert etter om indikatoren ble vurdert av byggeprosessen (quotConsiderquot-kolonnen) eller ikke. Indikatorene fjernet fra vurdering av årsakene som er diskutert ovenfor, vises øverst på listen. De resterende indikatorene, som begynte med quotSimple Mov Avequot, var alle en del av byggesettet. Figur 2. Indikatorvalg i Builder, som viser indikatorene fjernet fra byggsettet. Evalueringsalternativene som brukes i byggeprosessen er vist i figur 3. Som diskutert, ble MetaTrader 4 valgt som valg av kodeutgang. Etter at strategier er bygget i Builder, kan noen av alternativene i kategorien Evalueringsalternativer, inkludert koden, endres og strategiene revurderes, som også omskriver koden i hvilket språk som er valgt. Denne funksjonen ble brukt til å skaffe TradeStation-koden for den endelige strategien etter at strategiene ble bygget for MetaTrader 4. Figur 3. Evalueringsalternativer i Builder for EURUSD-forexstrategien. For å lage stopp og revers strategier ble alle utgangstyper fjernet fra byggsettet, som vist nedenfor i figur 4. Alle tre typer inngangsordrer - marked, stopp og grense - ble igjen som quotconsiderquot, hvilket betyr at byggeprosessen kan vurdere noen av dem under byggeprosessen. Figur 4. Ordre typer valgt i Builder for å lage en stopp-og-omvendt strategi. Builder-programvaren genererer automatisk regelbaserte logiske forhold for inngang og exit. For å legge til et neuralt nettverk i strategien, er det bare nødvendig å velge alternativet quotInclude et neuralt nettverk i opptaksbetingelser på fanen Strategialternativer, som vist nedenfor i figur 5. De neuralnettverksinnstillingene ble igjen på standardinnstillingene. Som en del av stop-and-reverse-logikken ble Market Sides-alternativet satt til LongShort, og muligheten til å quotWait for exit før du angav ny tradequot, ble ikke merket av. Sistnevnte er nødvendig for å gjøre det mulig for inngangsordren å gå ut av gjeldende posisjon ved reversering. Alle andre innstillinger ble igjen på standardinnstillingene. Figur 5. Strategialternativer valgt i Builder for å lage en hybridstrategi som bruker både regelbaserte og neurale nettverksforhold. Den evolusjonerende naturen til byggeprosessen i Builder styres av treningen. som beregnes ut fra målene og betingelsene som er definert på tabellen Metrics, som vist nedenfor i figur 6. Byggemålene ble holdt enkle: Maksimering av nettoresultatet samtidig som kompleksiteten ble minimert, noe som ble gitt en liten vekt i forhold til nettoresultatet. Mer vekt ble lagt på byggevilkårene, som inkluderte korrelasjonskoeffisienten og betydningen for generell strategi kvalitet, samt gjennomsnittlig barer i bransjer og antall bransjer. I utgangspunktet ble bare de gjennomsnittlige barene i bransjer inkludert som en byggebetingelse. Men i noen av de tidlige byggene ble nettoresultatet favorisert over handelslengden, slik at tallverdien ble målt. Det angitte området for antall handler (mellom 209 og 418) tilsvarer gjennomsnittlig handelslengde mellom 15 og 30 bar basert på antall barer i byggeperioden. Som følge av dette ble det lagt vekt på handel lengdemål, noe som resulterte i flere medlemmer av befolkningen med ønsket rekkevidde av handelslengder. Figur 6. Bygg mål og forhold som er angitt på tabellen Metrics, bestemme hvordan treningen beregnes. Kvotkriteriene for valg av Top Strategiesquot dupliserer byggevilkårene, bortsett fra at de øverste strategibetingelsene blir vurdert over hele spekteret av data (ikke inkludert valideringssegmentet, som er separat), i stedet for like over byggeperioden, som det er tilfellet for byggeforhold. De øverste strategiske forholdene brukes av programmet til å avsette noen strategier som oppfyller alle forholdene i en egen befolkning. De endelige innstillingene er gjort på kategorien Byggalternativer, som vist nedenfor i figur 7. De viktigste alternativene her er populasjonsstørrelsen, antall generasjoner og muligheten til å tilbakestille basert på quote-of-samplequot-ytelsen. Befolkningsstørrelsen ble valgt for å være stor nok til å få godt mangfold i befolkningen, mens den fortsatt var liten nok til å bygge i en rimelig tid. Antall generasjoner var basert på hvor lang tid det tok i løpet av noen foreløpige bygg, for resultatene begynte å konvergere. Figur 7. Byggemuligheter inkluderer befolkningens størrelse, antall generasjoner og alternativer for tilbakestilling av befolkningen basert på quotout-of-samplequot-ytelse. Alternativet til quotReset på Out-of-Sample (OOS) Performancequot starter byggeprosessen over etter det angitte antall generasjoner hvis den angitte tilstanden er oppfylt i dette tilfellet, vil befolkningen bli tilbakestilt dersom nettouttektene for kvotering av samplequot er mindre enn 20.000. Denne verdien ble valgt basert på foreløpige tester for å være en høy nok verdi som det sannsynligvis ikke ville bli nådd. As a result, the build process was repeated every 30 generations until manually stopped. This is a way to let the program identify strategies based on the Top Strategies conditions over an extended period of time. Periodically, the Top Strategies population can be checked and the build process cancelled when suitable strategies are found. Notice that I put quotout-of-samplequot in quotes. When the quotout-of-samplequot period is used to reset the population in this manner, the quotout-of-samplequot period is no longer truly out-of-sample. Since that period is now being used to guide the build process, its effectively part of the in-sample period. Thats why its advisable to set aside a third segment for validation, as was discussed above. After several hours of processing and a number of automatic rebuilds, a suitable strategy was found in the Top Strategies population. Its closed trade equity curve is shown below in Fig. 8. The equity curve demonstrates consistent performance across both data segments with an adequate number of trades and essentially the same results over both data series. Figure 8. Closed-trade equity curve for the EURUSD stop-and-reverse strategy. To check the strategy over the validation period, the date controls on the Markets tab (see Fig. 1) were changed to the end date of the data (2112015), and the strategy was re-evaluated by selecting the Evaluate command from the Strategy menu in Builder. The results are shown below in Fig. 9. The validation results in the red box demonstrate that the strategy held up on data not used during the build process. Figure 9. Closed-trade equity curve for the EURUSD stop-and-reverse strategy, including the validation period. The final check is to see how the strategy performed on each data series separately using the code output option for that platform. This is necessary because, as explained above, there may be differences in the results depending on (1) the code type, and (2) the data series. We need to verify that the chosen settings minimized these differences, as intended. To test the strategy for MetaTrader 4, the data series from TradeStation was deselected on the Markets tab, and the strategy was re-evaluated. The results are shown below in Fig. 10, which duplicates the bottom curve in Fig. 9. Figure 10. Closed-trade equity curve for the EURUSD stop-and-reverse strategy, including the validation period, for MetaTrader 4. Finally, to test the strategy for TradeStation, the data series from TradeStation was selected and the series for MetaTrader 4 was deselected on the Markets tab, the code output was changed to quotTradeStation, quot and the strategy was re-evaluated. The results are shown below in Fig. 11 and appear to be very similar to the middle curve in Fig. 9, as expected. Figure 11. Closed-trade equity curve for the EURUSD stop-and-reverse strategy, including the validation period, for TradeStation. The code for both platforms is provided below in Fig. 12. Click the image to open the code file for the corresponding platform. Examining the code reveals that the rule-based part of the strategy uses different volatility-related conditions for the long and short sides. The neural network inputs consist of a variety of indicators, including day-of-week, trend (ZLTrend), intraday high, oscillators (InvFisherCycle, InvFisherRSI), Bollinger bands, and standard deviation. The hybrid nature of the strategy can be seen directly in the code statement (from the TradeStation code): If EntCondL and NNOutput gt 0.5 then begin Buy(quotEnMark-Lquot) NShares shares next bar at market The variable quotEntCondLquot represents the rule-based entry conditions, and quotNNOuputquot is the output of the neural network. Both conditions have to be true to place the long entry order. The short entry condition works the same way. Figure 12. Trading strategy code for the EURUSD stop-and-reverse strategy (left, MetaTrader 4 right, TradeStation). Click the figure to open the corresponding code file. Download a Builder project (.gpstrat) file containing the settings described in this article . This article looked at the process of building a hybrid rule-basedneural network strategy for the EURUSD using a stop-and-reverse (always in the market) approach with Adaptrade Builder. It was shown how the strategy code can be generated for multiple platforms by selecting a common subset of the indicators that work the same way in each platform. The settings necessary to generate strategies that reverse from long to short and back were described, and it was demonstrated that the resulting strategy performed positively on a separate, validation segment of data. It was also verified that the strategy generated similar results with the data and code option for each platform. As discussed above, the stop-and-reverse approach has several drawbacks and may not appeal to everyone. However, an always-in-the-market approach may be more attractive with forex data because the forex markets trade around the clock. As a result, there are no session-opening gaps, and the trading orders are always active and available to reverse the trade when the market changes. The use of intraday data (4-hour bars) provided more bars of data for use in the build process but was otherwise fairly arbitrary in that the always-in-the-market nature of the strategy means that trades are carried overnight. The build process was allowed to evolve different conditions for entering long and short, resulting in an asymmetric stop-and-reverse strategy. Despite the name, the resulting strategy enters both long and short trades on market orders, although market, stop, and limit orders were all considered by the build process independently for each side. In practice, reversing from long to short would mean selling short twice the number of shares at the market as the strategy was currently long e. g. if the current long position was 100,000 shares, you would sell short 200,000 shares at market. Likewise, if the current short position was 100,000 shares, you would buy 200,000 shares at market to reverse from short to long. A shorter price history was used than would be ideal. Nonetheless, the results were positive on the validation segment, suggesting the strategy was not over-fit. This supports the idea that a neural network can be used in a trading strategy without necessarily over-fitting the strategy to the market. The strategy presented here is not intended for actual trading and was not tested in real-time tracking or trading. However, this article can be used as a template for developing similar strategies for the EURUSD or other markets. As always, any trading strategy you develop should be tested thoroughly in real-time tracking or on separate data to validate the results and to familiarize yourself with the trading characteristics of the strategy prior to live trading. This article appeared in the February 2015 issue of the Adaptrade Software newsletter. HYPOTHETICAL OR SIMULATED PERFORMANCE RESULTS HAVE CERTAIN INHERENT LIMITATIONS. I FORBINDELSE MED EN AKTUELL PRESTASJONSOPPTAK, FORTSATT SIMULERTE RESULTATER IKKE VIRKELIG HANDEL. ALSO, SINCE THE TRADES HAVE NOT ACTUALLY BEEN EXECUTED, THE RESULTS MAY HAVE UNDER - OR OVER-COMPENSATED FOR THE IMPACT, IF ANY, OF CERTAIN MARKET FACTORS, SUCH AS LACK OF LIQUIDITY. SIMULERTE HANDELSPROGRAMMER I ALMINDELIGE ER OGSÅ FØLGENDE AT DE ER DESIGNERT MED HINDSIGHT. INGEN REPRESENTASJON SKAL GJORT AT ENKEL KONTO VIL ELLER ER LIKELIG Å HENT RESULTATER ELLER TAPER SOM LIGER TIL DINE VISTE. If youd like to be informed of new developments, news, and special offers from Adaptrade Software, please join our email list. Thank you. NN Trend Predictor PRO The Neural Network Trend Predictor PRO The NNEA Trend Predictor PRO uses a state-of-the-art artificial intelligence technique called 8220neural networks8221 to predict the behavior of the global financial markets. Technical analysis of global financial markets mainly focuses on the study of irregularities, which is a non-trivial task. Because one time scale alone cannot be applied to all analytical processes, the identification of typical patterns on a financial markets requires considerable knowledge and experience of the stock market. It is also important for predicting stock market trends and turns. The last two decades has seen attempts to solve such non-linear financial forecasting problems using AI technologies such as neural networks. If you are interested in NNEA Trend Predictor PRO for yourself, you can oreder latest version with no time limit and all features enabled. The Neural Network Trend Predictor PRO indicator provides users with: Easy Graphical User Interface (GUI). Possibility for day-trading and long-term trade. Trend prediction using two different methods. Support and resistance levels Prognosis on whether next period would be favorable for trade or not. Use of color to determine price movement probability and favorable periods for trade from unfavorable once. Open the 8220Scripts8221 folder From the 8220Navigator8221 panel and attach the script 8220NNEA NN-TP8221 to an arbitrary chart (by a right click 8220Execute on Chart8221, Drag and Drop or a double click). 8211 NNEA Trend Predictor Pro. ex4 8211 NeuralNetworkTrendPredictorManual. pdf 8211 NsBridge. dll 8211 pr2.5.dll 8211 pr2.5.nsw 8211 WinUser32.mqh 8211 Your personal license will cover one demo account and one 8220live8221 account. 8211 Det vil aldri utløpe og det er ingen 8220monthly fees8221 eller andre gjentatte gebyrer for bruk Filtype og krav: - Dette er et digitalt element - Du trenger: MetaTrader 4.0-plattform. 8211 The files you8217ll get is ZIP archive.