Reshetov विदेशी मुद्रा बाजार

मेटाट्रेडर 4 - विशेषज्ञों का स्वचालित ट्रेडिंग सिस्टम क्मोटकोक्ोट - मेटाट्रेडर के लिए विशेषज्ञ 4 समस्या इस स्वचालित ट्रेडिंग सिस्टम (एटीएस) के लिए निम्नानुसार है: चलो मान लें कि हमारे पास एक बुनियादी व्यापार प्रणाली है- बीटीएस यह उन चीजों को करने के लिए तंत्रिका नेटवर्क बनाने और सिखाने के लिए आवश्यक है जो बीटीएस के साथ नहीं किया जा सकता। इसका एक व्यापारिक प्रणाली का निर्माण होना चाहिए जिसमें दो संयुक्त और परस्पर पूरक प्रणालियां शामिल हैं: बीटीएस और एनएन (तंत्रिका नेटवर्क)। या, इस का अंग्रेजी है: महाद्वीपों को फिर से खोजने की कोई आवश्यकता नहीं है, वे सभी की खोज की गई थी अगर हमारे पास एक विमान है, तो किसी को चलाने के लिए किसी को सिखाने के लिए, या यदि हम एक विमान हैं, तो हम एक ट्रेंड के बाद एटीएस का इस्तेमाल कर रहे हैं, हमें सिर्फ काउंटरस्टैंड रणनीति में तंत्रिका नेटवर्क को सिखाना होगा। यह जरूरी है, क्योंकि प्रवृत्ति आधारित व्यापार के लिए एक प्रणाली बग़ल में प्रवृत्तियों पर ट्रेड नहीं कर सकती है या बाजार की असफलताओं या रिवर्सल्स को पहचान सकता है। आप निश्चित रूप से, दो एटीएसस ले सकते हैं - एक प्रवृत्ति के बाद एक और एक काउंटर-रेड एक - और उन्हें एक ही चार्ट में संलग्न कर सकते हैं। दूसरी तरफ, आप अपने मौजूदा व्यापार प्रणाली के पूरक के लिए एक तंत्रिका नेटवर्क को सिखा सकते हैं। इस उद्देश्य के लिए, हमने दो परत वाले तंत्रिका नेटवर्क को डिज़ाइन किया है जिसमें निचली परत में दो पेरेसिट्रॉन्स होते हैं और ऊपरी परत में एक पेपरट्रोन होते हैं। तंत्रिका नेटवर्क का उत्पादन इन तीनों राज्यों में से एक में हो सकता है: एक लंबी स्थिति के साथ बाजार में प्रवेश करना एक छोटी स्थिति के साथ बाजार में प्रवेश अनिश्चित राज्य वास्तव में, तीसरा राज्य बीटीएस को नियंत्रित करने की स्थिति है, जबकि पहले दो राज्य बताते हैं कि तंत्र संबंधी नेटवर्क द्वारा व्यापार संकेत दिए जाते हैं। तंत्रिका नेटवर्क के शिक्षण को तीन चरणों में विभाजित किया जाता है, प्रत्येक परिधीय शिक्षण के लिए प्रत्येक चरण। किसी भी स्तर पर, अनुकूलित बीटीएस को यह पता चलाना चाहिए कि यह क्या कर सकता है। आनुवंशिक एल्गोरिथ्म द्वारा प्रतिेंद्र के अलग शिक्षण को इस एल्गोरिथ्म की कमी से निर्धारित किया जाता है, अर्थात्: ऐसे एल्गोरिदम की सहायता से खोजा जाने वाले इनपुट की मात्रा सीमित है। हालांकि, प्रत्येक शिक्षण चरण सुसंगत है और तंत्रिका नेटवर्क बहुत बड़ा नहीं है, इसलिए संपूर्ण अनुकूलन बहुत अधिक समय नहीं लेता है। सबसे पहले चरण, एक एनएन शिक्षण के पूर्व में, बीटीएस के अनुकूलन में होते हैं। अपने आप को खोने के लिए, हम एटीएस के इनपुट में चरण संख्या को रिकॉर्ड करते हैं, जिसे quotpassquot कहा जाता है। मंच संख्या के साथ संगत इनपुट के पहचानकर्ता और इस चरण संख्या के बराबर संख्या में होगा। इस प्रकार, अनुकूलन और एन एन को अध्यापन के लिए तैयारी शुरू करें। चलो 1000000 के रूप में आरंभिक जमा (ऑप्टिमाइज़ेशन के दौरान कृत्रिम मार्जिन कॉल बनाने के लिए नहीं) और इनपुट टेस्टिंग सोट्राट में टैबलेट पर विशेषज्ञ सलाहकार प्रॉपर्टी में उद्धरण के रूप में अनुकूलित होने के लिए सेट करें, और आनुवंशिक एल्गोरिथम शुरू करें। ईएएस प्रॉपर्टी के quotInputsquot टैब पर जाकर पहचानकर्ता कोट्लॉटस्क्ोटस के लिए मान 1 निर्दिष्ट करके खोले जाने वाले पदों का वॉल्यूम निर्दिष्ट करें। ऑप्टिमाइज़ेशन मॉडल के अनुसार किया जाएगा: केवल ओपन कीमतें (केवल बार के विश्लेषण के लिए सबसे तेज़ तरीका है, केवल ईए के लिए जो स्पष्ट रूप से बार खोलने पर नियंत्रण करता है), क्योंकि यह विधि एटीएस एल्गोरिथम में उपलब्ध है। अनुकूलन के चरण 1 बीटीएस का अनुकूलन: इनपुट कोटेपॉट के लिए मान 1 सेट करें। हम पहले चरण के अनुरूप केवल इनपुट का अनुकूलन करेंगे, अर्थात् 1 के अंत में। इसलिए, हम ऑप्टिमाइज़ेशन के लिए केवल इन इनपुट की जांच करते हैं, और अन्य सभी को अनचेक करते हैं टीपी 1 - बीटीएस का लो पीफिट यह 10 से 100 की सीमा के भीतर मूल्यों के साथ अनुकूलित है, चरण 1 एसएल 1 - बीटीएस के स्टॉपलॉस यह 10 से 100 की सीमा के भीतर मूल्यों के साथ अनुकूलित है, चरण 1 पी 1 - बीटीएस में इस्तेमाल किया सीसीआई की अवधि। यह 3 से 100 की सीमा के भीतर मूल्यों के साथ अनुकूलित है, चरण 1 चरण 2. लघु पदों के लिए जिम्मेदार पेरिसस्ट्रॉन को पढ़ना: इनपुट कोटेक्वेॉट के लिए मान 2 (चरण संख्या के हिसाब से) निर्धारित करें। पिछले चरण में ऑप्टिमाइज़ेशन के लिए निविष्टियां चेक की गईं अनचेक करें बस के मामले में, एक फ़ाइल में सहेजते हुए पिछले चरण में प्राप्त इनपुट हमारे नियम के अनुसार ऑप्टिमाइज़ेशन के लिए इनपुट की जांच करें: उनके पहचानकर्ता 2: x12, x22, x32, x42- में अंत होनी चाहिए - छोटे पदों को पहचानने वाले परिसेप्टियन के वजन संख्या यह 0 से 200 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित है, चरण 1 टीपी 2 - पिक्सिट्रॉन द्वारा खोले गए पदों की लोफ्रोफाइट। यह 10 से 100 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित किया गया है, चरण 1 स्लिप्स - पेरस्टस्ट्रान द्वारा खोले गए पदों के स्टॉपलॉस। इसे 10 से 100 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित किया गया है, चरण 1 पी 2 - पेरिसस्ट्रॉन द्वारा मूल्य अंतर के मूल्यों की अवधि का विश्लेषण किया जाना है। यह 3 से 100 की सीमा के भीतर मूल्यों के साथ अनुकूलित है, चरण 1। यह एक आनुवंशिक एल्गोरिथ्म के साथ अनुकूलन के उपयोग से इसे पढ़ना शुरू कर देता है। स्टेज 3. दीर्घ पदों के लिए जिम्मेदार पेसिस्ट्रॉन को पढ़ना: इनपुट कोटेपॉट के लिए मान 3 (स्टेज नंबर के अनुसार) सेट करें। पिछले चरण में ऑप्टिमाइज़ेशन के लिए निविष्टियां चेक की गईं अनचेक करें बस के मामले में, एक फ़ाइल में सहेजते हुए पिछले चरण में प्राप्त इनपुट हमारे नियम के अनुसार ऑप्टिमाइज़ेशन के लिए इनपुट की जांच करें: उनके पहचानकर्ता 3: x13, x23, x33, x43- में समाप्त होने चाहिए। यह 0 से 200 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित है, चरण 1। टीपीपी - पैसिस्ट्रॉन द्वारा खोले गए पदों की टेकप्रोफिट। यह 10 से 100 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित किया गया है, चरण 1 स्ल 3 - पिक्सिस्ट्रॉन द्वारा खोले गए पदों के स्टॉपलॉस। इसे 10 से 100 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित किया गया है, चरण 1 पी 3 - पेरिसस्ट्रॉन द्वारा मूल्य अंतर के मूल्यों की अवधि का विश्लेषण किया जाना है। यह 3 से 100 की सीमा के भीतर मूल्यों के साथ अनुकूलित है, चरण 1। यह एक आनुवंशिक एल्गोरिथ्म के साथ अनुकूलन के उपयोग से इसे पढ़ना शुरू कर देता है। चरण 4 (अंतिम) पहली परत को पढ़ाने, अर्थात ऊपरी परत में पेसिस्ट्रेशन को पढ़ना: इनपुट कोटेक्वेॉट के लिए मान 4 (चरण संख्या के हिसाब से) निर्धारित करें। पिछले चरण में ऑप्टिमाइज़ेशन के लिए निविष्टियां चेक की गईं अनचेक करें बस के मामले में, एक फ़ाइल में सहेजते हुए पिछले चरण में प्राप्त इनपुट हमारे नियम के अनुसार ऑप्टिमाइज़ेशन के लिए इनपुट देखें: उनके पहचानकर्ता 4: x 14, x24, x34, x44- में समाप्त होने चाहिए, पहले परत के पेस्टस्ट्रान के वजन संख्या। यह 0 से 200 की सीमाओं के भीतर मूल्यों के साथ अनुकूलित है, चरण 1। पी 4 - पेरिसस्ट्रॉन द्वारा मूल्य अंतर के मूल्यों की अवधि का विश्लेषण किया जाना है। यह 3 से 100 की सीमा के भीतर मूल्यों के साथ अनुकूलित है, चरण 1। यह एक आनुवंशिक एल्गोरिथ्म के साथ अनुकूलन के उपयोग से इसे पढ़ना शुरू कर देता है। सब कुछ, तंत्रिका नेटवर्क को सिखाया गया है। एटीएस में एक और गैर-अनुकूलन योग्य इनपुट, एमएन - जादू संख्या है यह एक ट्रेडिंग सिस्टम के लिए पदों की पहचानकर्ता है, जो अपने ऑर्डर को मैन्युअल रूप से खोले गए ऑर्डर या अन्य एटीएसएस के साथ नहीं मिलाएं। जादू संख्या का मूल्य अनूठा होना चाहिए और न ही उन जादू की स्थिति के साथ मेल खाता है जो इस विशिष्ट विशेषज्ञ सलाहकार द्वारा खोले नहीं गए हैं। प्रारंभिक जमा का आकार दोगुना पूर्ण गिरावट के रूप में पाया जाता है, यानी हम इसके लिए कुछ सुरक्षा संसाधनों पर विचार करते हैं। स्रोत कोड में दिए गए ईए अनुकूलित नहीं हैं यदि आपको किसी अन्य व्यापार प्रणाली के एल्गोरिथ्म के साथ बिल्ट-इन बीटीएस को बदलने की आवश्यकता है, तो आपको फ़ंक्शन मूलभूत सिस्टम () की सामग्री को संशोधित करना होगा। प्रारंभिक और अंतिम मूल्यों और अनुकूलन के लिए चरणों के मूल्यों को दर्ज न करने के लिए, आप तैयार फ़ाइल combo. set ले सकते हैं इसे फ़ोल्डर परीक्षक MT4 में रखें, और परीक्षक में ईएएस प्रॉपर्टी पर अपलोड करें। ईए का पुनः अनुकूलन एक सप्ताह के अंत में किया जाता है, अर्थात् शनिवार या रविवार को, लेकिन तभी यदि पिछले हफ्ते के नतीजे लाभहीन थे। घाटे की उपस्थिति का अर्थ है कि बाजार में बदलाव आया है, और फिर से अनुकूलन आवश्यक है। मुनाफे की उपस्थिति का मतलब है कि एटीएस को फिर से अनुकूलन की ज़रूरत नहीं है और बाज़ार के पैटर्न को काफी अच्छी तरह से पहचानता है। बाजार 50 50,, ,, 24 2 EURUSD, GBPUSD । 200: 1,,। -, - -। सीएफडी, ।