Sztuczne Sieci Neuronowe Forex

13 lis 2010, 08.13 roman15 pisze: Witam ja korzystam z tego softu wyniki cakiem przyzwoite posiadam wersje 5.6 beta 3 oraz einen Take wszystko co jest potrzebne knacken tun penej wsppracy z mt4. ................................................. Posukuj wskanikw NOXA CSSA jeeli kto von mia te chtnie von skorzysta. Podaj mi maila na priv Ci noxe zu przesle, choc osobiscie nie polecam tej drogi, polecam przeczytanie dyskusji na Forum: trade2winboardstrading. Shell. html gdzie nasz rodak o nicku krzysiaczek udowadnia zupelna nieprzydatnosc tych wskaznikow. 16 lis 2010, 09:03 LowcaG pisze: Ein normalizowales Jakos wewy Bo jezeli nie, zu taki Test raczej byl pozbawiony sensu. Normalizacja raczej tutaj nie powinna mie wikszego znaczenia bo wszystkie Däne s z tego samego zakresu. Co najwyej dane wyjciowe (wzorcowe) powinny zosta znormalizowane ale te niekoniecznie (nie Duo von bis pomogo) (EDIT) chocia nie, tutaj akurat durch Miao Spore znaczenie - tzn. Normalizacja danych wzorcowych (mniejsze znaczenie byoby, gyby wzorcem byaby np. Stopa zwrotu). Natomiast jeli zakres w danych wejciowych si nieznacznie RNI ale nie auf Zbyt duy jest gleichen powinny si przystosowa zu WAGI tun tych Rnic (w pierwszej warstwie s zalenoci liniowe Suma przemnoonych wag przez zmienne). Jeli chodzi o gleichen zmienne wejciowe w praktyce normalizacjastandaryzacja tak naprawd nie musi mie w Ogle znaczenia jeli si uwzgldni przy wstpnym dobieraniu wag (losowaniu) wystarczy, e zmiennym, KTRE maj szerszy zakres bdziemy losowa zmienne z mniejszego zakresu einem tym, co maj mniejszy zakres wstpne wagi z wikszego zakresu (zu taka maa ciekawostka, ktra jest bardzo niewygodna i zdecydowanie lepiej przeskalowa zmienne) Ja bym przede wszystkim upatrywa tutaj przyczyny po pierwsze w iloci zmiennych wejciowych (czemu tak mao co byo Tego przyczyn). oraz w ich jakoci (czysta cena jest niezbyt dobr zmienn) ju znacznie lepiej zastosowa prost redni w iloci iteracji (nie myli z iloci danych wzorcowych) zastanawiam si rwnie co znaczy, e zmienne wyjciowe Low byy i Schließen (jako nie mog dopatrzy si tu sensu e Niby byy DWA neurony wyjciowe) morderca pisze: Niestety jedyne co údaje mi si wyliczy cen zu obecn. Ale tu nie chodzi o teraniejszo und o przyszo niestety. Po prostu sie wpasowuje si w obecny wykres. Co zu w ogle znaczy czy na pewno wiesz ko robisz jak sie moe dopasowywa si do obecnej ceny. czy uwzgldnie zu, e w wektorze ze zmiennymi dane powinny von odpowiednio przesunite w stosunku do wektora z danymi wzorcowymi Do Tego czy uwzgldnie Bias nie powinno mie wikszego znaczenia ale czasem pomaga Zastanawiam si rwnie jaki von algorytm uczenia, chocia to nie powinno mie wikszego znaczenia. Haben Tego jaka durchein funkcja na wyjciu (liniowa czy nie) Moesz si rwnie pochwali ile sie miaa quotneuronwquot (w warstwie ukrytej) Do Tego taka maa uwaga: SSN zazwyczaj maj 1 warstw ukryt einem nie 3: (Scherz warstwa wejciowa Twoje zmienne warstwa (y ) ukryta ilo neuronw warstwa wyjciowa ilo klas (rnych wzorcw) - tutaj wystarczy jeden dla DWCH stanw: wzrost i spadek ceny lub po prostu dla ceny). Ein tak z ciekawoci korzystae z jakiego programubibliotek czy sam wszystko stworzye od podstaw PozdrawiamThis Bericht wurde als Voraussetzung für den Kurs vorbereitet: Methoden und Algorithmen der künstlichen Intelligenz Das Ziel dieses Projekts ein auf die kurzfristige Prognose der Wechselkurs der Währung war Devisenmarkt 8211 FOREX. Die Aufgabe wurde auf der Stärke neuronales Netzwerk realisiert. Nach Absichten, es bricht an Prognose Wechselkurs der Währung mit Wahrscheinlichkeit mehr als 50. Für die Schaffung der neuronalen Netzwerk verwendet hatte Programm: Stuttgart Neural Network Simulator. Das Datum kommt aus dem Internet, ein Teil davon kommt aus eigener Studie. Wst281p Celem projektu von322o przewidywanie kroacutetkoterminowych zmian kursu waluty na rynku walutowym 8211 FOREX. Zadanie zosta322o zerrizowane w oparciu o sieci neuronowe. Zgodnie z zamierzeniami uda322o si281 przewidywa263 kierunek zmiany kursy waluty z prawdopodobie324stwem wi281kszym ni380 50. Do tworzenia stworzenia sieci u380yto programu Stuttgart Neural Network Simulator. U380yte dane s261 ogoacutelnie dost281pne w Internecie, cz281347263 znich poddano w322asnej obroacutebce. Przebieg realizacji projektu 8211 tworzenie sieci neuronowej. Okre347lenie prognozowanej zmiennej W sieci prognozowany von322 kierunek zmiany kursu waluty USDCHF na nast281pny dzie324. Okre347lenie kierunku jest 322atwiejsze von okre347lenia procentowej zmiany kursu jak ich okre347lenia przysz322ej warto347ci tego kursu. Zmienna przyjmuje warto347263 middot 1 8211 gdy na koniec dnia nast281pnego warto347263 kursu b281dzie wi281ksza od bie380261cego middot 0 8211 gdy na koniec dnia nast281pnego warto347263 kursu b281dzie mniejsza od bie380261cego Gromadzenie zbioroacutew danych danych nie nale380261cych Sie tun w322asnego opracowania nale380a322y dzienne kursy USDCHF: warto347263 na pocz261tku dnia (O), na ko324cu dnia (C), minimalna (L) ich maksymalna warto347263 w ci261gu dnia (H) oraz wolumen obrotoacutew dla danego dnia. Podczas przygotowa324 hat ein neues Objekt erhalten: badano roacute380ne hat ein neues Objekt erhalten: warto347ci hat ein neues Objekt erhalten: jakie mo380na von da263 na wej347cie ucz261cej si281 sieci. Ostatecznie wybrano zbioacuter, ktoacutery najlepiej realizowa322 cel w347roacuted przebadanych. Wst281pne przetworzenie danych Na wst281pie zgromadzone dane pos322u380y322y tun stworzenia nowych zmiennych wej347ciowych dla sieci, zmienne te S261 mi281dzy innymi wynikiem przeprowadzonych oblicze324 jak i procesu normalizacji. Podczas przygotowa324 hat ein neues Objekt erhalten: badano roacute380ne hat ein neues Objekt erhalten: warto347ci hat ein neues Objekt erhalten: jakie mo380na von wykorzysta263 na wej347ciu ucz261cej si281 sieci. Ostatecznie wybrano zbioacuter, ktoacutery najlepiej realizowa322 cel w347roacuted przebadanych: Middot pierwsze 4 zmienne dla sieci stanowi261 odpowiednie roacute380nice warto347ci obecných czterech wymienionych kursoacutew O, C, L, H i aktualnych 347rednich krocz261cych wyznaczonych na podstawie 30 okresoacutew (Badano roacutewnie380 dla 50 okresoacutew). Middot wspoacute322czynnik On Balance Volume (OBV) wyznaczony na podstawie wolumenu odpowiednio podzielony, aby nie zak322oacuteca322 sieci middot indykator Rrelative Strength Index (RSI) (Rrelative-Stärke-Index). ein 346rednia warto347263 wzrostu cen zamkni281cia zy dni b 346rednia warto347263 spadku cen zamkni281cia zy dni middot indykator Moving Average Convergence Divergence (MACD). Nieprzetworzone dane, sprawia322y 380e sie263 dzia322a322a z mniejsz261 skuteczno347ci261 b261d378 te380 w czasie uczenia wyst281powa322y du380e zak322oacutecenia. Prezentuj261c sieci zmian281 warto347ci zamiast warto347ci absolutnych, zwi281kszamy jej zdolno347ci prognostyczne. Cztery pierwsze zmienne zosta322y w zehn sposoacuteb przetworzone, aby zniwelowa263 niekorzystny wp322yw trendoacutew kursoacutew jak i te380 fakt, 380e na prze322omie lat, 347redni Kurs dla danego roku ulega zmianie. na Poni380ej przedstawiono jak doboacuter zmiennych wej347ciowych wp322ywa322y ostateczny wynik nauki sieci (przedstawiona Scherz zmiana warto347ci 347redniego b322281du kwadratowego MSE w zale380no347ci od krotno347ci powtoacuterze324 kolorem czerwonym oznaczony b322261d z Puli testowej ein Czarnym z Puli ucz261cej): Middot wykres dla zmiennych wej347ciowych przedstawionych powy380ej: Middot poza wymienionymi na pocz261tku zastosowano roacute380nice mi281dzy nast281pn261 ein bie380261c261 warto347ci261 kursu zamkni281cia Wyst281puj261 zak322oacutecenia w procesie uczenia i jest du380a roacute380nica w b322281dach dla warto347ci ucz261cych i testuj261cych middot poza wymienionymi na pocz261tku zastosowano roacute380nice mi281dzy kursem otwarcia ein zamkni281cia Nie ma du380ej roacute380nicy w b322281dach, ale w procesie uczenia bardzo wolno b322261d jest zmniejszany Wyodr281bnienie zbioru danych Zbioacuter danych trenuj261cych sk322ada322 si281 z 1750 wektoroacutew trenuj261cych, natomiast liczba wektoroacutew testuj261cych 250, przy czym wektory te S261 kolejne w szeregu czasowym po wektorach trenuj261cych. Wyboacuter odpowiedniej architektury sieci Wybieraj261c architektur281 sieci oparto si281 o literatur281, informacjach zdobyte na Internecie oraz w322asnych proacutebach. Zdecydowano si281 Sie haben soeben einen Artikel in den Warenkorb gelegt. Wg literatury dla sieci trzywarstwowej liczba neuronoacutew w warstwie ukrytej powinna si281 roacutewna263 sumie zmiennych wej347ciowych i wyj347ciowych. Taki wariant przyj281to, lecz poni380ej przedstawiono tak380e Wykresy MSE dla innych sieci: Middot 7-8-1 sie263 podstawowa: Middot Sie263 czterowarstwowa7-10-10-1: Trenowanie sieci Po przygotowaniu zmiennych wybraniu, sieci przyst261piono trenowania sieci tun. Najpierw zainicjowano losowe wagi dla po322261cze324, nast281pnie proacutebowano nauczy263 sie263 wykorzystuj261c roacute380ne warto347ci parametroacutew dla algorytmu ucz261cego - wstecznej propagacji8211 wspoacute322czynnik nauki (WN) i maksymaln261 roacute380nic281 mi281dzy zmienn261 wytrenowan261 ein zmienn261 w322a347ciw261 (DIF). Analizuj261c kilka przypadkoacutew przyj281to: Wn0.05, Dif0.2. Badan261 sie263 wytrenowano korzystaj261c z 40000 powtoacuterze324, wi281ksza liczba bardzo powoli zmniejsza322a b322261d szacowania. Wyniki testu wytrenowanej sieci Po wytrenowaniu sieci sprawdzono poprawno347263 dzia322ania sieci na 250 zmiennych testuj261cych, poroacutewnano wynik otrzymanych z sieci z rzeczywistymi. Przyj281to, 380e je380eli warto347263 otrzymana z sieci roacute380ni si281 o warto347263 mniejsza ni380 okre347lona (), wtedy sie263 prawid322owo przewidzia322a wynik. W ten sposoacuteb otrzymano nast281puj261ce wyniki: middot dla 0,3 skuteczno347263 sieci wynosi. 38 middot dla 0.4 skuteczno347263 sieci wynosi. 56 middot dla 0,45 skuteczno347263 sieci wynosi: 63 Tworz261c zehn Projekt podj281to si281 zadania teoretyczni du380o 322atwiejszego ni380 przewidzenie przysz322ej warto347ci, w dodatku przewidywane wyprzedzenie by322o tylko jedno dniowe. Mimo wszystko Problem nie nale380a322 tun prostych. Na wynik i sieci ma wp322yw bardzo Wiele zmiennych poprawno347263, takich jak przyj281te zmienne, ilo347263 wektoroacutew ucz261cych, architektura sieci, przyj281ta metoda uczenia sieci, wspoacute322czynniki dla odpowiedniego algorytmu. Jak ju380 wcze347niej napisa322em analizowanym Problemem zajmuj261 si281 roacute380ni naukowcy, instytuty badawcze, po347wi281caj261c na zu lata. Z pewno347ci261, graj261c na rynku walutowym 8211 Währungsrechner, nale380a322oby bezgranicznie ufa263 stworzonej podczas tego projektu sieci. Mimo wszystko wyniki uzyskane daj261 wi281ksz261 szanse na poprawne stwierdzenie kierunku ni380 przys322owiowy rzut monetom. Dalszym rozwojem projektu, mog322oby by263 okre347lenie procentowej zmiany kursu waluty, b261d378 te380 przewidywanie kierunku zmiany z d322u380szym wyprzedzeniem. Bibliografia middot Sieci neuronowe, algorytmy genetyczne ich systemy rozmyte Danuta Rutkowska, Maciej Pili324ski middot Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe Dorota Witkowska middot Sieci neuronowe 8211 Prognosowanie finansowe ich projektowanie systemoacutew transakcyjnych U380yty Programm: