Требуются единомышленники-энтузиасты для создания серьезного советника. Как говорится одна голова хорошо, а две лучше.
Готов взять на себя множество аспектов (начиная от программирования, заканчивая экономикой), однако учитывая объем работы и количество необходых знаний для получения качественного продукта требуются дополнительные руки и головы.
В качестве вознаграждения за труд, мы все получим эффективного трейдера (в случае своместного успеха).
Вот собственно предлагаемый проект:
__________________________________________________________________
Цель проекта: Создать эффективного, сложноорганизованного автоматического трейдера;
База построения: использование методов нейронных сетей;
Закладываемая идея: Поскольку финансовый рынок динамичный механизм, учитывающий множество различных факторов при формировании конечных ценовых котировок, его анализ посредством человеческого мышления сталкивается с определенными трудностями. Созда-ваемый компьютерный эксперт даже на сотую долю процента не сможет сравниться способностями к классификации, анализу и прогнозирования с человеческим мозгом, однако, учитывая то, что мозг направлен на решения огромного комплекса задач, его алгоритмы универ-сальны, что затрудняет возможность углубленного анализа определенной сферы. При этом советник, оптимизирован на решение именно одной конкретной задачи.
Преимущества перед человеческим мозгом:
В свою очередь, советник, основывающихся на тех же принципах классификации информации, что и человеческий мозг, имеет перед ним ряд преимуществ в конкретной задаче:
Работа советника будет основываться на построении сложной нейронной сети и постепенного ее обучения. Основным преимуществом нейронной сети является следующее:
Начальная (приблизительная) принципиальная схема:
Алгоритм:
1. Программа получает параметры рынка (рецепторы принимают сигнал). Каждый параметр принимается отдельным рецептором;
2. Сигнал подается на агрегаторы, которые его буферизируют, т.к. для думающих частей программы сигнал за единицу времени, не всегда приемлем. В данных модулях сигнал претерпевает различные математические преображения (суммируется, усредняется, находятся максимальные или минимальные значения за установленный промежуток времени);
3. Агрегированные значения различных сигналов по различным принципам создают множество факторов. Для этого множества факторов выделяется один классификационный признак (ситуация запоминается) в отдельном «нейроне». Проверяется конечный результат данной ситуации. Если он оказался верным, то сила влияния каждого фактора (сказавшего правильно), увеличивается, а сила влияния каждого фактора (сказавшего неверно), снижается именно для данного варианта классификации, для данного «нейрона».
4. Для каждого классификационного признака устанавливается порог приемлемости, т.е. если совокупность признаков в сумме не преодолевает порог, то такая ситуация игнорируется «нейроном» (не активирует его). Если ситуация незнакома всем «нейронам» программы, значит такая ситуация еще не встречалась и она не классифицирована. Тогда для нее создается новый классификационный признак («нейрон»).
В процессе свое работы такая структура научится разделять ситуации на определенное (заранее неизвестное) подмножество, запоминая характеристики каждой из них. Каждый раз, при встрече с таким же признаком, программа будет уточнять классификационные параметры для данной ситуации, оставляя лишь существенные.
Сложности:
На этапе планирования для меня представляют сложности следующие моменты:
Инструментарий:
Программа планируется к реализации на языке MQL4, но возможны и другие варианты.
________________________________________________________________
Коммуникация между разработчиками будет вестись либо посредством электронной почты, либо посредством создания специализированного сайта (форума).
Активным и грамотным людям, желающим поучавствовать в совместном деле - пишите на email: [email protected]
Готов взять на себя множество аспектов (начиная от программирования, заканчивая экономикой), однако учитывая объем работы и количество необходых знаний для получения качественного продукта требуются дополнительные руки и головы.
В качестве вознаграждения за труд, мы все получим эффективного трейдера (в случае своместного успеха).
Вот собственно предлагаемый проект:
__________________________________________________________________
Цель проекта: Создать эффективного, сложноорганизованного автоматического трейдера;
База построения: использование методов нейронных сетей;
Закладываемая идея: Поскольку финансовый рынок динамичный механизм, учитывающий множество различных факторов при формировании конечных ценовых котировок, его анализ посредством человеческого мышления сталкивается с определенными трудностями. Созда-ваемый компьютерный эксперт даже на сотую долю процента не сможет сравниться способностями к классификации, анализу и прогнозирования с человеческим мозгом, однако, учитывая то, что мозг направлен на решения огромного комплекса задач, его алгоритмы универ-сальны, что затрудняет возможность углубленного анализа определенной сферы. При этом советник, оптимизирован на решение именно одной конкретной задачи.
Преимущества перед человеческим мозгом:
В свою очередь, советник, основывающихся на тех же принципах классификации информации, что и человеческий мозг, имеет перед ним ряд преимуществ в конкретной задаче:
- Скорость обработки целевой информации;
- Точность обработки целевой информации;
- Объем обрабатываемой целевой информации в единицу времени;
- Более надежное сохранение накапливаемого опыта;
- Более полное сохранение накопленного опыта со значительно большей точностью;
- невозможности быстро провести просчет ситуации, исходя из нескольких десятков различных входных параметров;
- полученный опыт не сохраняется в формальных значениях, в памяти не остаются все параметры рынка;
- полученный опыт стремится перейти в образную форму, а также зашумляется эмоциональными переживаниями;
- человек не может отслеживать движения рынка постоянно (24 часа в сутки), в резуль-тате теряется часть потенциального опыта, а также потенциально прибыльные ситуации.
- на принятие решения влияет эмоциональный опыт и психическое состояние.
Работа советника будет основываться на построении сложной нейронной сети и постепенного ее обучения. Основным преимуществом нейронной сети является следующее:
- Нейронная сеть сама классифицирует различные рыночные ситуации за счет получаемого опыта (обучается). В линейной системе человек должен заложить в ТС известные ему ситуации;
- Нейронная сеть способна сама учиться на ошибках, изменяя свое отношение к важности тех или иных показателей в определенных движениях рынка, увеличивая важность одних, снижая важность других, и придавая другим тормозящую (ограничивающую) роль;
- Нейронная сеть не действует в точности с заложенными шаблонами, она достаточно гибка, и может распознать ту или иную тенденцию, даже если она будет несколько отлична от шаблона;
Начальная (приблизительная) принципиальная схема:
Алгоритм:
1. Программа получает параметры рынка (рецепторы принимают сигнал). Каждый параметр принимается отдельным рецептором;
2. Сигнал подается на агрегаторы, которые его буферизируют, т.к. для думающих частей программы сигнал за единицу времени, не всегда приемлем. В данных модулях сигнал претерпевает различные математические преображения (суммируется, усредняется, находятся максимальные или минимальные значения за установленный промежуток времени);
3. Агрегированные значения различных сигналов по различным принципам создают множество факторов. Для этого множества факторов выделяется один классификационный признак (ситуация запоминается) в отдельном «нейроне». Проверяется конечный результат данной ситуации. Если он оказался верным, то сила влияния каждого фактора (сказавшего правильно), увеличивается, а сила влияния каждого фактора (сказавшего неверно), снижается именно для данного варианта классификации, для данного «нейрона».
4. Для каждого классификационного признака устанавливается порог приемлемости, т.е. если совокупность признаков в сумме не преодолевает порог, то такая ситуация игнорируется «нейроном» (не активирует его). Если ситуация незнакома всем «нейронам» программы, значит такая ситуация еще не встречалась и она не классифицирована. Тогда для нее создается новый классификационный признак («нейрон»).
В процессе свое работы такая структура научится разделять ситуации на определенное (заранее неизвестное) подмножество, запоминая характеристики каждой из них. Каждый раз, при встрече с таким же признаком, программа будет уточнять классификационные параметры для данной ситуации, оставляя лишь существенные.
Сложности:
На этапе планирования для меня представляют сложности следующие моменты:
- выбор необходимых показателей (входных критериев) и способы их автоматического получения;
- процесс обучения такой программы, т.к. здесь потребуется обширная статистическая выборка + значительный период реального времени.
Инструментарий:
Программа планируется к реализации на языке MQL4, но возможны и другие варианты.
________________________________________________________________
Коммуникация между разработчиками будет вестись либо посредством электронной почты, либо посредством создания специализированного сайта (форума).
Активным и грамотным людям, желающим поучавствовать в совместном деле - пишите на email: [email protected]