Нейронные индикаторы: NN TREND PREDICTOR + NN PATTERN RECOGNIZER V1.1
- Автор темы Darksie
- Дата начала
mistreated
Местный житель
Darksie
Почетный гражданин
Мануал к нему в папке есть. Сегодня постараюсь перевести (промтом
), чтобы точно понять что к чему. А так визуально я заметил закономерность.
Kurtэ
Новичок форума
Мануал к нему в папке есть. Сегодня постараюсь перевести (промтом
Жду!!!
поручик
Гость
Neural Net Trend Predictor
В последние несколько лет мы наблюдаем взрыв интереса к нейронным сетям, которые успешно применяются в самых различных областях - бизнесе, медицине, технике, геологии, физике. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Такой впечатляющий успех определяется несколькими причинами:
Богатые возможности. Нейронные сети - исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. В частности, нейронные сети нелинейны по свой природе. На протяжении многих лет линейное моделирование было основным методом моделирования в большинстве областей, поскольку для него хорошо разработаны процедуры оптимизации. В задачах, где линейная аппроксимация неудовлетворительна , линейные модели работают плохо. Кроме того, нейронные сети справляются с "проклятием размерности", которое не позволяет моделировать линейные зависимости в случае большого числа переменных
Простота в использовании. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики.
Нейронные сети привлекательны с интуитивной точки зрения, ибо они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейро-биологических моделей может привести к созданию действительно мыслящих компьютеров.
В последнее десятилетие наблюдается устойчивый рост популярности технического анализа - набора правил, основанных на различного рода индикаторах поведения рынка. Но технический анализ очень субъективен и плохо работает на правом краю графика – именно там, где нужно прогнозировать направление цены. Поэтому все большую популярность приобретает нейросетевой анализ, поскольку в отличие от технического, не предполагает никаких ограничений на характер входной информации. Недаром нейросети активно используют именно институциональные инвесторы (например, крупные пенсионные фонды), работающие с большими портфелями, для которых особенно важны взаимосвязи между различными рынками.
Лаборатория торговых роботов "NNEA" предлагает вам свою разработку: Nеural Nеtwork Trеnd Prеdictor - Нейросетевой индикатор распознавания ценовых фигур и прогнозирования направления тренда.
Прогнозирование поведения цены, рассчитывается с помощью полносвязной нейронной сети (feedforward neaural network), которая распознает ценовые фигуры и расчитывает вероятностный прогноз изменения цены.
Индикатор отображает ценовые зоны, через которые должна пройти цена. Прогноз отображается красным цветом: чем цвет насыщеннее , тем больше вероятность того, что цена пойдёт в данном диапазоне. Также, в левом верхнем углу, отображается процентное соотношение цены и общее движение тренда.
автор Andrew Opeyda
_http://www.onix-trade.net/forum/index.php?showtopic=84960
В последние несколько лет мы наблюдаем взрыв интереса к нейронным сетям, которые успешно применяются в самых различных областях - бизнесе, медицине, технике, геологии, физике. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления. Такой впечатляющий успех определяется несколькими причинами:
Богатые возможности. Нейронные сети - исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости. В частности, нейронные сети нелинейны по свой природе. На протяжении многих лет линейное моделирование было основным методом моделирования в большинстве областей, поскольку для него хорошо разработаны процедуры оптимизации. В задачах, где линейная аппроксимация неудовлетворительна , линейные модели работают плохо. Кроме того, нейронные сети справляются с "проклятием размерности", которое не позволяет моделировать линейные зависимости в случае большого числа переменных
Простота в использовании. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики.
Нейронные сети привлекательны с интуитивной точки зрения, ибо они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейро-биологических моделей может привести к созданию действительно мыслящих компьютеров.
В последнее десятилетие наблюдается устойчивый рост популярности технического анализа - набора правил, основанных на различного рода индикаторах поведения рынка. Но технический анализ очень субъективен и плохо работает на правом краю графика – именно там, где нужно прогнозировать направление цены. Поэтому все большую популярность приобретает нейросетевой анализ, поскольку в отличие от технического, не предполагает никаких ограничений на характер входной информации. Недаром нейросети активно используют именно институциональные инвесторы (например, крупные пенсионные фонды), работающие с большими портфелями, для которых особенно важны взаимосвязи между различными рынками.
Лаборатория торговых роботов "NNEA" предлагает вам свою разработку: Nеural Nеtwork Trеnd Prеdictor - Нейросетевой индикатор распознавания ценовых фигур и прогнозирования направления тренда.
Прогнозирование поведения цены, рассчитывается с помощью полносвязной нейронной сети (feedforward neaural network), которая распознает ценовые фигуры и расчитывает вероятностный прогноз изменения цены.
Индикатор отображает ценовые зоны, через которые должна пройти цена. Прогноз отображается красным цветом: чем цвет насыщеннее , тем больше вероятность того, что цена пойдёт в данном диапазоне. Также, в левом верхнем углу, отображается процентное соотношение цены и общее движение тренда.
автор Andrew Opeyda
_http://www.onix-trade.net/forum/index.php?showtopic=84960
Вложения
Последнее редактирование модератором:
Darksie
Почетный гражданин
Жду!!!
Винду 32бит снес, поставил 64бита, теперь промт с рутрекера не идет. поручику +
Darksie
Почетный гражданин
Darks-ай. Сегодня постараюсь с работы бук с промтом забрать, или на всякий человека с другого форума попрошу перевести.
shymaser
Элитный участник
Дарксай думаю я тоже присоединяюсь. Перевод уже начинаю. А ты уже пробовал как то пользоваться ими хоть на демке? как результаты?
shymaser
Элитный участник
После того, как подлинник сделает все вычисления, Вы будете видеть подобное изображение в Вас в терминале.
Обратите внимание на следующее:
Прогноз показан красным цветом, цвет более силен, это - больше вероятности этого
цена войдет в данный диапазон как в левом главном углу паритет процента цены и
общее движение тенденции показано.
Интерпретировать его возможно так:
Вот и все что в мануале есть по поводу установки не стал переводить
Обратите внимание на следующее:
Прогноз показан красным цветом, цвет более силен, это - больше вероятности этого
цена войдет в данный диапазон как в левом главном углу паритет процента цены и
общее движение тенденции показано.
Интерпретировать его возможно так:
Вот и все что в мануале есть по поводу установки не стал переводить
Последнее редактирование: