Forex Neuronale Netzwerk Vorhersage

Forex-Vorhersage Dieses Beispiel ist dem vorherigen sehr ähnlich. Der einzige Unterschied ist, dass es Daten für Devisen (Forex) Währungspaare zeigt. Wie man mit dem Applet arbeitet Wenn man das erste Beispiel nicht gesehen hat. Bitte erforschen Sie es zuerst - Grundbeschreibung gibt es dort. In diesem Applet stehen folgende Daten zur Verfügung. Alle von ihnen sind Ende des Tages schließen Werte für das ganze Jahr 2007, d. h. 313 Werte. Wie im vorherigen Applet hat jede dieser Zeitreihen folgende Werte: Null für das Intervall unter 0, schließt den Wert im Intervall 0-Anzahl der Werte und wieder Null nach dem letzten bekannten Wert. EURUSD - EUR USD Forex Währungspaar Daten USDJPY - EUR USD Forex Währungspaar Daten USDCHF - EUR USD Forex Währungspaar Daten EURJPY - EUR USD Forex Währung Paar Daten Wieder beachten Sie, dass dieses Beispiel nur zur Veranschaulichung zur Verfügung gestellt wird. Der Handel mit diesem einfachen Setup ist in der Regel nicht weit entfernt von der Vorhersage durch den letzten verfügbaren Wert. Beachten Sie auch, dass für den Handel müssen wir Einreise-und Ausreise-Regeln zu entwickeln, und dass sie wichtiger als exakte Vorhersage sind. Bitte warten Sie, bis das Applet geladen ist. Applet und Beschreibung (c) Marek Obitko, 2008 Das neuronale Netzwerk im Applet nutzt die Java-Klassen BPNeuron und BPNet aus NeuralWebspace, (c) Tom Vehovsk, 1998, die für die Zwecke dieses Appletes modifiziert wurden. Predict Predicting macht Ansprüche an etwas Das wird passieren, oft auf Informationen aus Vergangenheit und aus dem aktuellen Zustand basiert. Jeder löst das Problem der Vorhersage jeden Tag mit verschiedenen Erfolgsgraden. Zum Beispiel Wetter, Ernte, Energieverbrauch, Bewegungen von Forex (Devisen) Währungspaare oder Aktien von Aktien, Erdbeben und eine Menge anderer Sachen muss vorhergesagt werden. Im technischen Bereich können vorhersehbare Parameter eines Systems oft ausgedrückt und mit Gleichungen ausgewertet werden - Vorhersage ist dann einfach Auswertung oder Lösung solcher Gleichungen. Trotzdem stehen wir vor Problemen, wo eine solche Beschreibung zu kompliziert oder gar nicht möglich wäre. Darüber hinaus könnte die Lösung durch diese Methode sehr kompliziert rechnerisch kompliziert sein, und manchmal würden wir die Lösung erhalten, nachdem das Ereignis vorhergesagt wurde. Es ist möglich, verschiedene Approximationen zu verwenden, z. B. die Regression der Abhängigkeit der vorhergesagten Variablen auf andere Ereignisse, die dann in die Zukunft extrapoliert werden. Eine solche Annäherung zu finden, kann auch schwierig sein. Dieser Ansatz bedeutet generell das Erstellen des Modells des vorhergesagten Ereignisses. Neuronale Netze können für die Vorhersage mit verschiedenen Ebenen des Erfolgs verwendet werden. Der Vorteil von dann beinhaltet das automatische Lernen von Abhängigkeiten nur aus Messdaten, ohne dass weitere Informationen hinzugefügt werden müssen (zB Art der Abhängigkeit wie bei der Regression). Das neuronale Netzwerk wird aus den historischen Daten mit der Hoffnung geschult, dass es versteckte Abhängigkeiten entdecken wird und dass es in der Lage sein wird, sie für die Vorhersage in Zukunft zu nutzen. Mit anderen Worten, das neuronale Netzwerk wird nicht durch ein explizit gegebenes Modell dargestellt. Es ist mehr eine Black Box, die etwas lernen kann. Es ist möglich, verschiedene Arten von Daten vorherzusagen, aber im Rest dieses Textes werden wir uns auf die Vorhersage von Zeitreihen konzentrieren (siehe Abbildung 1). Zeitreihen zeigen die Entwicklung eines Wertes in der Zeit. Natürlich kann der Wert auch durch andere Faktoren beeinflusst werden als nur die Zeit. Zeitreihen repräsentieren eine diskrete Historie eines Wertes und aus einer kontinuierlichen Funktion kann man sie mit Stichproben erhalten. Abbildung 1 - Beispiel für ZeitreihenNeurale Netzwerke: Prognosegewinne Neuronale Netze sind hochmoderne, trainierbare Algorithmen, die bestimmte Hauptaspekte im Funktionieren des menschlichen Gehirns emulieren. Dies gibt ihnen eine einzigartige, selbsttragende Fähigkeit, die Fähigkeit, nicht klassifizierte Informationen zu formalisieren und vor allem die Fähigkeit, Prognosen auf der Grundlage der historischen Informationen, die sie zur Verfügung haben, zu machen. Neuronale Netze wurden zunehmend in einer Vielzahl von Geschäftsanwendungen eingesetzt, einschließlich Prognose - und Marketingforschungslösungen. In einigen Bereichen, wie Betrugserkennung oder Risikobewertung. Sie sind die unbestreitbaren Führer. Die wichtigsten Bereiche, in denen neuronale Netze gefunden haben, sind Finanzoperationen, Unternehmensplanung, Handel, Business Analytics und Produktpflege. Neuronale Netze können von allen Arten von Händlern erbracht werden, also wenn du ein Trader bist und du noch nicht in neuronale Netze eingeführt wurdest, gehst du durch diese Methode der technischen Analyse und zeig dir, wie du sie auf deinen Tradingstil anwenden kannst. Gemeinsame Wahnvorstellungen Die meisten Menschen haben noch nie von neuronalen Netzwerken gehört, und wenn sie arent Händler sind, müssen sie wahrscheinlich nicht wissen, was sie sind. Was aber wirklich überraschend ist, ist die Tatsache, dass eine riesige Anzahl von denen, die von der neuronalen Netzwerktechnologie reich profitieren konnten, noch nie davon gehört haben, es für eine hohe wissenschaftliche Idee nehmen oder es von einem glatten Marketing-Gimmick denken. Es gibt auch diejenigen, die alle ihre Hoffnungen auf neuronale Netze, lionisieren die Netze nach einigen positiven Erfahrungen mit ihnen und in Bezug auf sie als Silber-Kugel-Lösung für jede Art von Problem. Doch wie jede Handelsstrategie. Neuronale Netze sind keine Schnell-Fix, die es Ihnen erlauben, es reich zu schlagen, indem Sie auf einen Knopf oder zwei klicken. In der Tat ist das richtige Verständnis der neuronalen Netze und deren Zweck für ihre erfolgreiche Anwendung unerlässlich. Was den Handel betrifft, so sind neuronale Netze eine neue, einzigartige Methode der technischen Analyse, die für diejenigen gedacht ist, die einen Denkansatz für ihr Geschäft einnehmen und bereit sind, Zeit und Mühe zu leisten, diese Methode für sie zu nutzen. Das Beste von allen, wenn richtig angewendet, können neuronale Netze einen Gewinn auf einer regelmäßigen Basis zu bringen. Benutze neuronale Netze, um Chancen zu entdecken Ein großes Missverständnis ist, dass viele Händler neuronale Netze für ein Prognosewerkzeug verkennen, das Ratschläge geben kann, wie man in einer bestimmten Marktsituation handeln kann. Neuronale Netze machen keine Prognosen. Stattdessen analysieren sie Preisdaten und entdecken Chancen. Mit einem neuronalen Netzwerk können Sie eine Handelsentscheidung treffen, die auf sorgfältig analysierten Daten basiert, was bei der Anwendung herkömmlicher technischer Analysemethoden nicht unbedingt der Fall ist. Für einen ernsthaften, denkenden Händler sind neuronale Netze ein Werkzeug der nächsten Generation mit großem Potenzial, das subtile nichtlineare Interdependenzen und Muster erkennen kann, die andere Methoden der technischen Analyse nicht aufdecken können. Die besten Netze Gerade wie jede Art von großartigen Produkt oder Technologie, neuronale Netze haben angefangen, alle diejenigen, die auf der Suche nach einem knospen Markt. Torrents von Anzeigen über die nächste Generation Software haben die Markt-Anzeigen feiern die mächtigsten aller neuronalen Netzwerk-Algorithmen jemals erstellt. Auch in diesen seltenen Fällen, wenn Werbeansprüche der Wahrheit ähneln, denken Sie daran, dass eine 10 Effizienzsteigerung wahrscheinlich die meisten ist, die Sie jemals aus einem neuronalen Netzwerk bekommen werden. Mit anderen Worten, es macht keine wunderbare Rückkehr und unabhängig davon, wie gut es in einer bestimmten Situation funktioniert, gibt es einige Datensätze und Aufgabenklassen, für die die bisher verwendeten Algorithmen überlegen bleiben. Denken Sie daran, dies ist nicht der Algorithmus, der den Trick macht. Gut vorbereitete Input-Informationen zum Zielindikator sind der wichtigste Bestandteil Ihres Erfolges mit neuronalen Netzwerken. Ist schneller Konvergenz Besser Viele von denen, die bereits neuronale Netze fälschlicherweise glauben, dass je schneller ihr Netz liefert Ergebnisse, desto besser ist es. Dies ist jedoch eine Täuschung. Ein gutes Netzwerk ist nicht durch die Rate bestimmt, mit der es Ergebnisse erzeugt und die Benutzer müssen lernen, das beste Gleichgewicht zwischen der Geschwindigkeit, mit der das Netzwerk trainiert und die Qualität der Ergebnisse, die es produziert, zu finden. Richtige Anwendung von Neuronalen Netzen Viele Händler wenden neuronale Netze falsch an, weil sie zu viel Vertrauen in die Software setzen, die sie alle verwenden, ohne dass sie mit ordnungsgemäßen Anweisungen versehen wurden, wie man sie richtig benutzt. Um ein neuronales Netzwerk den richtigen Weg zu nutzen und damit einen Händler zu gewinnen, sollte man auf alle Stufen des Netzwerkvorbereitungszyklus achten. Es ist der Händler und nicht sein Netz, das dafür verantwortlich ist, eine Idee zu erfinden, diese Idee zu formalisieren, zu testen und zu verbessern, und schließlich den richtigen Moment zu wählen, um es zu entsorgen, wenn es nicht mehr nützlich ist. Lassen Sie uns die Stufen dieses entscheidenden Prozesses genauer betrachten: 1. Finden und Formalisieren einer Handelsidee Ein Händler sollte vollständig verstehen, dass sein oder ihr neuronales Netzwerk nicht dazu bestimmt ist, gewinnbringende Ideen und Konzepte zu erfinden. Es ist für die Bereitstellung der vertrauenswürdigsten und genaue Informationen möglich, wie effektiv Ihre Trading Idee oder Konzept ist. Deshalb solltest du mit einer originellen Trading-Idee kommen und den Zweck dieser Idee klar definieren und was du erwarten wirst, indem du sie einsetzt. Dies ist die wichtigste Stufe im Netzwerkvorbereitungszyklus. (Für verwandte Lesung siehe Lektionen aus einem Trader-Tagebuch.) 2. Verbesserung der Parameter Ihres Modells Als nächstes sollten Sie versuchen, die Gesamtmodellqualität zu verbessern, indem Sie den verwendeten Datensatz ändern und die verschiedenen Parameter anpassen. Abbildung 1: Festlegung des Optimierungsalgorithmus und seiner Eigenschaften 3. Entsorgung des Modells, wenn es veraltet wird Jedes neuronale Netzwerk-basierte Modell hat eine Lebensdauer und kann nicht unbegrenzt verwendet werden. Die Langlebigkeit einer Modelllebensdauer hängt von der Marktsituation ab und wie lange sich die Marktinterdependenzen in ihr widerspiegeln, bleibt aktuell. Doch früher oder später wird jedes Modell obsolet. Wenn dies geschieht, können Sie das Modell entweder mit völlig neuen Daten umschulen (d. h. alle verwendeten Daten ersetzen), fügen Sie dem vorhandenen Datensatz neue Daten hinzu und trainieren Sie das Modell erneut oder rufen Sie das Modell ganz einfach zurück. Viele Händler machen den Fehler, den einfachsten Weg zu verfolgen - sie verlassen sich stark und nutzen den Ansatz, für den ihre Software die benutzerfreundlichste und automatisierte Funktionalität bietet. Dieser einfachste Ansatz prognostiziert einen Preis ein paar Bars vor und basiert Ihr Handelssystem auf diese Prognose. Andere Händler prognostizieren Preisänderung oder Prozentsatz der Preisänderung. Dieser Ansatz liefert selten bessere Ergebnisse als die Prognose des Preises direkt. Sowohl die vereinfachten Ansätze versagen, die meisten längerfristigen Interdependenzen aufzudecken und erfolgreich zu nutzen und dadurch wird das Modell schnell veraltet, wenn sich die globalen Triebkräfte ändern. Der optimale Gesamtansatz für die Verwendung von neuronalen Netzwerken Ein erfolgreicher Trader wird sich konzentrieren und viel Zeit damit verbringen, die regulierenden Eingabepunkte für sein neuronales Netzwerk auszuwählen und ihre Parameter anzupassen. Er oder sie verbringt von (mindestens) mehreren Wochen - und manchmal bis zu mehreren Monaten - die Bereitstellung des Netzwerks. Ein erfolgreicher Trader wird auch sein Netz an die sich ändernden Bedingungen während seiner Lebensdauer anpassen. Da jedes neuronale Netzwerk nur einen relativ kleinen Marktteilnehmer abdecken kann, sollten auch neuronale Netze in einem Komitee eingesetzt werden. Benutze so viele neuronale Netze wie nötig - die Fähigkeit, mehrere auf einmal zu nutzen, ist ein weiterer Vorteil dieser Strategie. Auf diese Weise kann jeder dieser Mehrfachnetze für einen bestimmten Aspekt des Marktes verantwortlich sein, was Ihnen einen großen Vorteil auf der ganzen Linie gibt. Es empfiehlt sich jedoch, die Anzahl der Netze, die Sie verwenden, im Bereich von fünf bis 10 zu halten. Schließlich sollten neuronale Netze mit einem der klassischen Ansätze kombiniert werden. Dies ermöglicht es Ihnen, die erzielten Ergebnisse besser nach Ihren Handelspräferenzen zu nutzen. Fazit Sie erleben echten Erfolg mit neuronalen Netzen nur, wenn Sie auf der Suche nach dem besten Netz aufhören. Denn der Schlüssel zu Ihrem Erfolg mit neuronalen Netzwerken liegt nicht im Netzwerk selbst, sondern in Ihrer Handelsstrategie. Deshalb, um eine profitable Strategie zu finden, die für Sie arbeitet, müssen Sie eine starke Idee entwickeln, wie man ein Komitee von neuronalen Netzwerken schafft und sie in Kombination mit klassischen Filtern und Geldmanagementregeln einsetzt. Für verwandte Lesung, check out Neural Trading: Biologische Schlüssel zu Profit und die Trading Systems Coding Tutorial.