Не так давно решил я свой взгляд обратить на нейросети, как на очень интересный, на мой взгляд способ предсказания движений цены на рынке. Я сам в своё время обращал внимание, что у цены часто встречаются ценовые паттерны, которые часто одинаково отрабатываются. Применить их в реальной торговле постоянно мешал психологический фактор. Даже такой, как например, поиск несуществующих паттернов, когда очень хотелось войти в рынок. Думаю, что нейросети помогут автоматизировать процесс принятия решения о входе в рынок. В данной ветке я буду выкладывать термины и определения, с которыми буду встречаться в процессе освоения нейросетей. Буду рад любым подсказкам. Ну а теперь - вперёд, на мины!
Что такое нейросеть? Я нашёл для себя несколько определений, которые позволяют максимально представить, что такое нейросеть. 1) Нейросеть, как правило, представляет собой многослойную сетевую структуру однотипных элементов — нейронов, соединенных между собой и сгруппированных в слои (многослойные нейросети). Входная информация (многомерный информационный поток) подается на нейроны так называемого входного слоя. После прохождения через многослойную структуру выходная информация снимается с выходного слоя нейросети. При прохождении по сети мощность входных сигналов усиливается или ослабляется сетью, что определяется межнейронными связями. Перед непосредственным использованием нейросети на практике ее необходимо «обучить» на примерах, т. е. с помощью коррекции весов межнейронных связей по известным входным параметрам и результатам нейросеть настраивают таким образом, чтобы получить ответ, максимально близкий к правильному. Отметим, что проблему оценки постоянно изменяющихся внешних условий и соответственно степени влияния на рынок тех или иных параметров нейросеть решает благодаря самому принципу построения. 2) Нейросеть – это своего рода алгоритм, который позволяет реализовать идентификацию огромного количества данных для осуществления наиболее вероятного прогноза необходимой нам ситуации. 3) Искусственная нейронная сеть (ИНС) — это математическая модель, представляющая собой систему соединённых и взаимодействующих между собой нейронов. <a href="http://www.onix-trade.net/wiki/index.php/ИНС" target="_blank">Подробнее</a> 4) Нейронная сеть - математический алгоритм, состоящий из простейших вычислительных элементов – искусственных нейронов, функционально подобных нейронам мозга. Каждый нейрон вычисляет взвешенную сумму входных параметров и производит нелинейное преобразование. Основной этап работы с нейросетью – её обучение. Нейросети получили распространение с 1980-х гг для решения экономических задач, в том числе для предсказания значений временного ряда на основе предыдущих. <a href="http://www.onix-trade.net/wiki/index.php/Нейронная_сеть" target="_blank">Подробнее</a> Из определений в архив ИНС - Искусственная нейронная сеть. Не искусственная нейронная сеть - биологический термин, нейросетью в биологии считается мозг человека и нервная система.
Итак, нейросеть представляет из себя некое количество нейронов соединённых между собой. Что такое нейрон можно прочитать в вики <a href="http://www.onix-trade.net/wiki/index.php/Нейрон" target="_blank">тут</a> Для себя решил отметить свойства нейросетей, которые мне показались интересными: 1. Сбор и введение данных в сеть - работа самого трейдера; 2. Программы форекс нейросеть не примут за Вас решение о том или ином поведении в этой ситуации, здесь всё зависит только от Вас, а нейросеть только покажет возможные варианты и направления развития рынка; 3. Точная цена, это также не то, чего следует ждать от сети, она дает только прогнозы развития ситуации; 4. Не стоит ждать чудес от программ функционирующих на основе нейросети, нельзя ждать от них больше, чем от самой форекс нейросети; 5. При выборе программного обеспечения для нейронной сети обязательно поинтересуйтесь, кто его создавал, хотя цены могут колебаться всего в пределах 10 процентов, но нужно быть уверенным, что создатели понимают, что такое Форекс и как он работает, поинтересуйтесь также отзывами о различных программах и выберите лучшую нейросеть; 6. Точность и развернутость прогноза будет зависеть от нейросети и от данных, вводимых пользователем, данные должны отражать основные направления изменения рынка. 7. Всегда используйте нейросеть в купе с другими индикаторами!
Ещё один важный термин. СИНАПС (от греч. synapsis - соединение), область контакта (связи) нервных клеток (нейронов) друг с другом и с клетками исполнительных органов. Межнейронные синапсы образуются обычно разветвлениями аксона одной нервной клетки и телом, дендритами или аксоном другой. Между клетками имеется т. н. синаптическая щель, через которую возбуждение передается посредством медиаторов (химический синапс), ионов (электрический синапс) или тем и др. способом (смешанный синапс). <a href="http://www.onix-trade.net/wiki/index.php/Синапс" target="_blank">Информация в Wiki</a>
<b>Пример работы нейросети</b> Как правило, передаточные функции всех нейронов в нейронной сети фиксированы, а веса являются параметрами нейронной сети и могут изменяться. Некоторые входы нейронов помечены как внешние входы нейронной сети, а некоторые выходы - как внешние выходы нейронной сети. Подавая любые числа на входы нейронной сети, мы получаем какой-то набор чисел на выходах нейронной сети. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети. Практически любую задачу можно свести к задаче, решаемой нейронной сетью. В этой таблице показано, каким образом следует сформулировать в терминах нейронной сети задачу распознавания рукописных букв. Итак, рассмотрим задачу распознавания рукописных букв. Дано: растровое черно-белое изображение буквы размером 30x30 пикселов Надо: определить, какая это буква (в алфавите 33 буквы) Формулировка для нейронной сети: Дано: входной вектор из 900 двоичных символов (900=30x30) Надо: построить нейронную сеть с 900 входами и 33 выходами, которые помечены буквами. Если на входе нейронной сети изображение буквы "А", то максимальное значение выходного сигнала достигается на выходе "А". Аналогично нейронная сеть работает для всех 33 букв. Поясним, зачем требуется выбирать выход нейронной сети с максимальным уровнем сигнала. Дело в том, что уровень выходного сигнала, как правило, может принимать любые значения из какого-то отрезка. Однако, в данной задаче нас интересует не аналоговый ответ, а всего лишь номер категории (номер буквы в алфавите). Поэтому используется следующий подход - каждой категории сопоставляется свой выход, а ответом нейронной сети считается та категория, на чьем выходе уровень сигнала максимален. В определенном смысле уровень сигнала на выходе "А" - это достоверность того, что на вход нейронной сети была подана рукописная буква "A". Задачи, в которых нужно отнести входные данные к одной из известных категорий, называются задачами классификации. Изложенный подход - стандартный способ классификации с помощью нейронных сетей. Как постороить нейронную сеть Теперь, когда стало ясно, что именно мы хотим построить, мы можем переходить к вопросу "как строить такую нейронную сеть". Этот вопрос решается в два этапа: Выбор типа (архитектуры) нейронной сети. Подбор весов (обучение) нейронной сети. На первом этапе следует выбрать следующее: какие нейроны мы хотим использовать (число входов, передаточные функции); каким образом следует соединить их между собой; что взять в качестве входов и выходов нейронной сети. Эта задача на первый взгляд кажется необозримой, но, к счастью, нам необязательно придумывать нейронную сеть "с нуля" - существует несколько десятков различных нейросетевых архитектур, причем эффективность многих из них доказана математически. Наиболее популярные и изученные архитектуры - это многослойный перцептрон, нейронная сеть с общей регрессией, нейронные сети Кохонена и другие. Про все эти архитектуры скоро можно будет прочитать в специальном разделе этого учебника. На втором этапе нам следует "обучить" выбранную нейронную сеть, то есть подобрать такие значения ее весов, чтобы она работала нужным образом. Необученная нейронная сеть подобна ребенку - ее можно научить чему угодно. В используемых на практике нейронных сетях количество весов может составлять несколько десятков тысяч, поэтому обучение - действительно сложный процесс. Для многих архитектур разработаны специальные алгоритмы обучения, которые позволяют настроить веса нейронной сети определенным образом. Наиболее популярный из этих алгоритмов - метод обратного распространения ошибки (Error Back Propagation), используемый, например, для обучения перцептрона. <i>Материал взят с сайта neuroproject.ru</i>
<b>Обучение нейронных сетей</b> Обучить нейронную сеть - значит, сообщить ей, чего мы от нее добиваемся. Этот процесс очень похож на обучение ребенка алфавиту. Показав ребенку изображение буквы "А", мы спрашиваем его: "Какая это буква?" Если ответ неверен, мы сообщаем ребенку тот ответ, который мы хотели бы от него получить: "Это буква А". Ребенок запоминает этот пример вместе с верным ответом, то есть в его памяти происходят некоторые изменения в нужном направлении. Мы будем повторять процесс предъявления букв снова и снова до тех пор, когда все 33 буквы будут твердо запомнены. Такой процесс называют "обучение с учителем". При обучении нейронной сети мы действуем совершенно аналогично. У нас имеется некоторая база данных, содержащая примеры (набор рукописных изображений букв). Предъявляя изображение буквы "А" на вход нейронной сети, мы получаем от нее некоторый ответ, не обязательно верный. Нам известен и верный (желаемый) ответ - в данном случае нам хотелось бы, чтобы на выходе нейронной сети с меткой "А" уровень сигнала был максимален. Обычно в качестве желаемого выхода в задаче классификации берут набор (1, 0, 0, ...), где 1 стоит на выходе с меткой "А", а 0 - на всех остальных выходах. Вычисляя разность между желаемым ответом и реальным ответом сети, мы получаем 33 числа - вектор ошибки. Алгоритм обратного распространения ошибки - это набор формул, который позволяет по вектору ошибки вычислить требуемые поправки для весов нейронной сети. Одну и ту же букву (а также различные изображения одной и той же буквы) мы можем предъявлять нейронной сети много раз. В этом смысле обучение скорее напоминает повторение упражнений в спорте - тренировку. Оказывается, что после многократного предъявления примеров веса нейронной сети стабилизируются, причем нейронная сеть дает правильные ответы на все (или почти все) примеры из базы данных. В таком случае говорят, что "нейронная сеть выучила все примеры", "нейронная сеть обучена", или "нейронная сеть натренирована". В программных реализациях можно видеть, что в процессе обучения величина ошибки (сумма квадратов ошибок по всем выходам) постепенно уменьшается. Когда величина ошибки достигает нуля или приемлемого малого уровня, тренировку останавливают, а полученную нейронную сеть считают натренированной и готовой к применению на новых данных. Важно отметить, что вся информация, которую нейронная сеть имеет о задаче, содержится в наборе примеров. Поэтому качество обучения нейронной сети напрямую зависит от количества примеров в обучающей выборке, а также от того, насколько полно эти примеры описывают данную задачу. Так, например, бессмысленно использовать нейронную сеть для предсказания финансового кризиса, если в обучающей выборке кризисов не представлено. Считается, что для полноценной тренировки нейронной сети требуется хотя бы несколько десятков (а лучше сотен) примеров. Повторим еще раз, что обучение нейронных сетей - сложный и наукоемкий процесс. Алгоритмы обучения нейронных сетей имеют различные параметры и настройки, для управления которыми требуется понимание их влияния. <b>Применение нейронной сети</b> После того, как нейронная сеть обучена, мы можем применять ее для решения полезных задач. Важнейшая особенность человеческого мозга состоит в том, что, однажды обучившись определенному процессу, он может верно действовать и в тех ситуациях, в которых он не бывал в процессе обучения. Например, мы можем читать почти любой почерк, даже если видим его первый раз в жизни. Так же и нейронная сеть, грамотным образом обученная, может с большой вероятностью правильно реагировать на новые, не предъявленные ей ранее данные. Например, мы можем нарисовать букву "А" другим почерком, а затем предложить нашей нейронной сети классифицировать новое изображение. Веса обученной нейронной сети хранят достаточно много информации о сходстве и различиях букв, поэтому можно рассчитывать на правильный ответ и для нового варианта изображения. <i>Материал взят с сайта neuroproject.ru</i>
Применение нейронных сетей в задачах прогнозирования Задачи прогнозирования особенно важны для практики, в частности, для финансовых приложений, поэтому поясним способы применения нейронных сетей в этой области более подробно. Рассмотрим практическую задачу, ответ в которой неочевиден - задачу прогнозирования курса акций на 1 день вперед. Пусть у нас имеется база данных, содержащая значения курса за последние 300 дней. Простейший вариант в данном случае - попытаться построить прогноз завтрашней цены на основе курсов за последние несколько дней. Понятно, что прогнозирующая нейронная сеть должна иметь всего один выход и столько входов, сколько предыдущих значений мы хотим использовать для прогноза - например, 4 последних значения. Составить обучающий пример очень просто - входными значениями нейронной сети будут курсы за 4 последовательных дня, а желаемым выходом нейронной сети - известный нам курс в следующий день за этими четырьмя. Если нейронная сеть совместима с какой-либо системой обработки электронных таблиц (например, Excel), то подготовка обучающей выборки состоит из следующих операций: Скопировать столбец данных значений котировок в 4 соседних столбца. Сдвинуть второй столбец на 1 ячейку вверх, третий столбец - на 2 ячейки вверх и т.д. Смысл этой подготовки легко увидеть на рисунке - теперь каждая строка таблицы представляет собой обучающий пример, где первые 4 числа - входные значения нейронные сети, а пятое число - желаемое значение выхода нейронной сети. Исключение составляют последние 4 строки, где данных недостаточно - эти строки не учитываются при тренировке нейронной сети. Заметим, что в четвертой снизу строке заданы все 4 входных значения, но неизвестно значение выхода нейронной сети. Именно к этой строке мы применим обученную нейронную сеть и получим прогноз на следующий день. Как видно из этого примера, объем обучающей выборки зависит от выбранного нами количества входов нейронной сети. Если сделать 299 входов, то такая нейронная сеть потенциально могла бы строить лучший прогноз, чем нейронная сеть с 4 входами, однако в этом случае мы имеем всего 1 обучающий пример, и обучение бессмысленно. При выборе числа входов нейронной сети следует учитывать это, выбирая разумный компромисс между глубиной предсказания (число входов нейронной сети) и качеством обучения нейронной сети (объем тренировочного набора).
Советник с использованием искусственного интеллекта - однослойной нейронной сети. Для распознавания направления движения котировок используется "Perceptron". Настройки для оптимизации советника для финансовых инструментов: 1. Генетический алгоритм обязательно должен быть включен - 32 миллиарда прогонов 2. Внешние переменные x1, x2, x3 и x4 могут принимать значения от 0 до 200 3. Маржинколл поставим на 30% от депо
Ice! Когда то 89-90г. Мы взяли "пионерку" в Дюсельдорфе на международном институте экспертов ( мы увидили кровь в "лоб"- у нее спектр поглащения вне диапазона человека). Мы сделали программу распознования образов - мало не показалось, не верю я в нейросети - обоснуй? С Уважением.
Так сказал - "обоснуй", как будто я пахан на зоне :gq: Я сам пока точно сказать не могу что из этого выйдет, но затея интересная.
Вот так интересные темы и умирают. Тема "для начинающих". Начинающих чего делать? Изучать теорию, программить на С, MQL`е, юзать НСДТ и НШ2, или ТрейдингСолюшн вкупе с НейроСолюшн или еще чего. Делать, а не доказывать. А вы тут: "докажи да обоснуй". Уважаемый balbesik06, обоснуйте, а зачем и почему именно Вы взяли "пионерку" в Дюсельдорфе... бла бла бла. Оно Вам надо? "Я сам пока точно сказать не могу что из этого выйдет, но затея интересная." цэ Ice. Вот и весь посыл. А вот пришло в голову и одно из обоснований: на этом форуме кто-то написал, что один чел вложил в супер-пупер крутую военную прогу кучу денех, приспособил ее под Форекс и сейчас миллионерит себе потихоньку. :tatice_06: ИМХО, с этим можно только согласиться и, кому действительно интересно, двигаться дальше. Кто такой "начинающий" в теме Форекса?. Опять ИМХО: это чел, который где-то чего-то услышал про заработок и стал ковыряться глубже. Чел этот не программер и не нейросетевик, тем более. Звезд с неба не хватает и в Дюссельдорфах не бывает. Чел хочет денежку и в меру своего понимания решил для себя, что кряченые НСДТ и НШ2, или Трейдинг/Нейро Солюшены, или еще чего, помогут ему решить проблему. У чела куча других проблем: кризис, возможно безработица, семья-дети, долги и тд. и т.п. Куча проблем по теме: опасения и страшилки про Форекс, образование не в профиль математики-финансов, непонимание/нежелание изучать ТА и ФА и пр. С таким набором невозможно круто развернуться по жизни и в одночасье сделаться асом не только в нейроделах, но и в торговле на Форексе. Таков портретец и ему не интересны, да и не помогут ни какие "пионэрки" 89-90гг. Классика: "Если Вы такой умный, то чего на этом форуме делаете (=бедный)? Для чего собственно все это ИМХО накалякано, тем более что в умершей ветке? Для следующих целей: 1. Оживить интересную тему. 2. Оживив, попробовать сочетать теорию с практикой. В частности, применить идеи и знания конкретно в НСДТ 5.5+аддоны. 3. Попытаться подзаработать на этом денежек и ничего в этом постыдного нет. Совки всячески это порицали и где они теперь? Вымирают как мамонты. Да и зачем еще люди интересуются Форексом?
Чет завелся сегодня. Поскольку в теме значится "пошаговая" инструкция, то хочу поделиться опытом установки НСДТ 5.5 в виртуальные машины. 1. Как уже писал ранее, пользую виртуальные машинки. Просто и удобно, а смысл в том, что не теряю время, когда нсдт проводит Фулл Оптимизейшн над предиктом. 30 мин - 2 часа, хоть 20 часов (и такое встречал). Мне по барабану:созданный по-быстрому файл с предиктом и индюками передаю в другую машинку для фулл опт и... вуаля, зайду к вам попозже за результатом. 2. В этом ключе, в VMWare создаю виртуальную машину (вм), ставлю на нее вин xp sp3 урезанную умелыми ручками и с отключенным обновлением (для нсдт и метатрейдера, которые будут жить в этой вм, обновление винды не нужно). Более ничего не ставлю в вм и получаю быструю и не глючную систему. 3. Далее еще интересней становится. Процедура установки НСДТ стандартна, как и для любой вин-программы, а вот крякать ее... нудное дело для неспеца. Тем не менее этот вопрос тоже удалось решить. Установил и аддоны, которые были. И снова прелесть VMWare (Варя): нет необходимости каждую ВМ крякать по-новой. Достаточно сделать Клон первой крякнутой, и усе на этом. Клон полностью получает все свойства и настройки оригинала. 4. Разбираясь с клонами Вари выяснил, что интереснее создавать т.н. "связанный клон". Это значительно убыстряет "размножение" и экономит место на физ. диске. Однако, для такого клона ВМ-родитель всегда должна быть доступна (т.е. не запущена, а не удалена с физ. диска). 5. Еще два момента: каждый клон надо настроить для получения интернета через физ. комп. Тут все стандартно: уникальное имя в сети, NAT в Варе, одна рабочая группа для всех клонов и физика (хост). Кадый клон-Метатрейдер возможно настроить на отдельный счет у брокера, хотя у меня четыре метатрейдера шпарят с одного демо-счета, и ничего страшного. Мне ведь сейчас котировки нужны, а не реал-торговля. 6. Еще момент: у каждого клона можно независимо от других устанавливать объем памяти. Это здорово: у меня ВМ для ваяния предиктов берет 1Гб, три ВМ для оптимизации по 256Мб. Все это умещается в 3Гб хоста и ему для работы остается. 7. Для каждой ВМ на хосте своя папочка для файлов. Эт чтобы бардака не было. Вот. Такова была идея и ее реализация. P.S.: Варю брал, по-моему, вот отсюда _http://worldinwarez.ru/2010/02/02/vmware-workstation-701227600-final-komplekt.html
Уважаемый Ice. Подскажите плиз где можно почитать про подготовку данных для нейросетей? Благодарен РОМА
Доброго времени суток. Осмелюсь спросить: какие конкретно данные Вы видите/находите на чарте НСДТ, МТ4 и т.п.? Я имею ввиду, кроме Open, High, Low, Close, Volume? Вопрос не праздный. С ув.
Вопрос не в том что брать, а в том как и подготовить и в каком виде подавать для обучения...... С ув.
Ну что ж, это хорошо что нет вопроса "что брать". Тогда взятое рекомендуется детрендировать, нормализовать и в таком виде подать на вход для тренировки. С ув.
Для начала нужно определиться с результатом прогнозирования, а именно, что желаем получить на выходе НС: 1. величину изменения цены 2. знак изменения 3. подтверждение или отсутствие тренда 4. сигнал на трейд - МТС и т.д. Например, если п.4, то при обучении на вход нужно завести еще сигналы на B/Sell. В свое время, для обучения я брал сигналы на операцию из идеальной МТС в Метастоке (МС). А общее число входа составляло 38 величин. Результат обученной НС : первые 2 сигнала на трейд, практически всегда совпадали с сигналами из идеальной МТС, потом на периоде больше 10-14дней происходило сползание, т.е НС не могла предсказать знак изменения. Использовался BrainMaker 3.11 Связка была такая NetInvestor -> downloader (МФД) -> Excel [предпроцессинг данных]-> *.csv -> NetMaker -> BM -> файл с прогнозом -> Excel Это был опыт 1998г. ;-)) Потом, так сложилось, что сменил профессию, а в начале 2009 взял кредит и закупился на все - в основном преф. И тактика "купи и жди" себя оправдала. Но теперь есть желание поиграть, а для этого нужно иметь преимущество перед рынком (толпой). Вот решил возобновить опыт использования НС на ФОРТСе. Щас ищу BrainMaker Pro ver 3.72 - это важно, так как там есть возможность использовать обмен через DDE и значит можно обойтись без промежуточных файлов обмена. Если кто подкинет, буду очень признателен. p.s. по старой памяти передаю привет KonKop`у и DT.
Добрый день. Спасибо за ответ. 2 июня 2010 - 9 января 2010 - с ума сойти как процесс развивается. Сейчас тут воюем в веточке "Нейросети". Присоединяйтесь, если есть желание. <i>Для начала нужно определиться с результатом прогнозирования, а именно, что желаем получить на выходе НС: 1. величину изменения цены 2. знак изменения 3. подтверждение или отсутствие тренда 4. сигнал на трейд - МТС и т.д.</i> Вопрос я задавал уже давно, получается. Смысл был в том, что раз сети ищут скрытые закономерности (а я тогда питал определенные иллюзии), то чем больше "первичных данных" - тем больше "первичных" закономерностей можно найти. Сейчас несколько по-другому представляю себе не работу сетей, а возможность их использования в МТС, что бы возможно было получить "то самое" преимущество, воюя с рынком. По п.1 и 2 - согласен. П.3 - "в лоб" не решается, важна продолжительность во времени, и "угол" к горизонту, а нейросеть, я думаю, делает "срез" по вертикали, мгновенный. т.е. П.4 - думаю, что сигналы должна давать странегия с применением "нейро-преимуществ". Основываюсь на том, хотя-бы, что сеть может хорошо предсказывать непрерывный и достаточно гладкий сигнал в некотором диапазоне (например, Momentum (SMA) или Sub(EMA1;EMA2) и т.п.), а не "двоичного" вида. Как заставить сеть предсказывать паттерны - развороты или еще какие например, я себе не представляю. <i>Например, если п.4, то при обучении на вход нужно завести еще сигналы на B/Sell. В свое время, для обучения я брал сигналы на операцию из идеальной МТС в Метастоке (МС). А общее число входа составляло 38 величин. Результат обученной НС : первые 2 сигнала на трейд, практически всегда совпадали с сигналами из идеальной МТС, потом на периоде больше 10-14дней происходило сползание, т.е НС не могла предсказать знак изменения. </i> Непонятно, если уже есть "идеальная" МТС, то что еще надо? Метасток не изучал, по контексту думаю, что раз "идеальная", значит на реале запаздывает с сигналами и для реального времени непригодна. <i>Использовался BrainMaker 3.11 Связка была такая NetInvestor -> downloader (МФД) -> Excel [предпроцессинг данных]-> *.csv -> NetMaker -> BM -> файл с прогнозом -> Excel</i> Вопрос: какова "юзабельность" подобной связки? При трейде не на истории, а хотя-бы на демо. <i>Это был опыт 1998г. ;-)) Потом, так сложилось, что сменил профессию, а в начале 2009 взял кредит и закупился на все - в основном преф. И тактика "купи и жди" себя оправдала. Но теперь есть желание поиграть, а для этого нужно иметь преимущество перед рынком (толпой). </i> Офигеть. Уважуха. <i>Вот решил возобновить опыт использования НС на ФОРТСе. Щас ищу BrainMaker Pro ver 3.72 - это важно, так как там есть возможность использовать обмен через DDE и значит можно обойтись без промежуточных файлов обмена. Если кто подкинет, буду очень признателен. </i> А на ФОРТСе МТ4 фунциклирует? В ветке "Нейросети" разговор в основном идет про Нейрошелл, который Дей Трейдер. Применительно к Форексу. Связка с МТ4 на автомате, без ДДЕ. С ним как раз глючило все. Без промежуточных файлов и в реальном времени. БрэйнМэйкер не пробовал - ничего не скажу. С уважением
Спасибо! попробую, а пока читаю озвученную ветку, вхожу в курс дела, так сказать)) Интересно, а куда слился Лёксус - шьет мешки для денег, используя НС, или отказался от этой идеи, как бесперспективной? Кстати, косвенно в пользу бесперспективности НС, либо отсутствия к ним интереса у серьезных потребителей, свидетельствует тот факт, что они (НС) практически перестали развиваться: NeuroShell 2 ver4 - 1999г. BrainMaker v3.72 - 2000г. А их сайты за 10лет ничуть не изменились. Вывод: в эти продукты перестали вкладывать деньги. А почему? Частично я нашел ответ на стр.7 в веточке "Нейросети", но пока думаю, что они все же полезны, мы просто не умеем их готовить
