客服热线：
手机版
二维码
建立神经网络EA的流程
|
最近网络上对使用神经网络的关注很多，也看到不少人在朝这个方向努力。本文简单介绍使用神经网络构建EA的基本流程，而不涉及具体技术。系统也是根据这个构建起来的。需要声明的是，这只是一种流程方式，并不是唯一可行的方式。神经网络本身有无限可能！ 首先，最根本的一点，要有一个有明确盈利预期的系统。这是很多人忽略的，最致命的一点。神经网络几乎有无限可能，但它只是个工具，如果没有正确的策略，使用什么工具是无关紧要的。网上看到一个帖子，记录作者建立包含神经网络的经过。到最后，作者制作出这样一个EA，却宣布他将回归到传统使用MACD等指标的方法，放弃神经网络。最根本的问题，并不是神经网络这个工具没用，而是作者没有一个稳固的策略基础。因此，第一步，有一个经得起考验的（或者说“合理的”）策略。这个策略即使在你不使用神经网络，也应该有正的收益预期。假设你有了上面说的这么一个良好的系统，接下来的事情就是利用神经网络提高系统的胜算。胜算＝胜负比×报酬风险比，比如盈利的交易占总交易的50％（胜负比是1），平均亏损是平均收益的50％（报酬风险比是2，胜算就是1×2=2。良好的系统，胜算一定明显大于1，这意味着系统有正的收益预期。提高胜算自然就有两种方法，提高胜负比（信号准确率），增大报酬（或减低损失）。分析你的策略，胜负比还是报酬风险比是瓶颈，或者说，哪个因素因为系统太过机械，或太不“智能”，没有达到你的预期。利用神经网络来实现目的。补充两句，神经网络是个模糊的系统，因此像使用传统指标那样精确使用神经系统的输出。这也是为什么你需要一个本来就能赢利的策略，如果策略都是靠不住的，还依赖一个模糊（不稳定，甚至随机）的神经网络作决策，就是盲人骑瞎马。 举个实例。假设某个基于20天均线突破的系统是个优良的系统，胜算大于1，而且反应市场波动的特性或本质。总之，本来就是个不错的系统。经过分析，作者发现系统的瓶颈是胜负比，而依靠传统的指标似乎没希望很好过滤掉错误的信号，这时候他就可以考虑使用神经网络。比如训练一个神经网络专门辨别突破是否有效。 基于不同的策略，训练神经网络的目的和方法会有不同。比如训练专门辨别顶和底的，或者训练辨别明天涨跌的，甚至预测本周最高最低价...，可能性是无限的。但是神经网络也是有局限的，性能的局限是最现实的问题，再者就是模糊逻辑这一天生的特性。简单说，就是没有人用神经网络能准确预言明天12点某外汇对的价格。就我们能接触到的神经网络而言，正常人都比它们有更强的识别能力，不要太指望它对趋势的看法比你更高明。它只是个根据，是一个机器参谋，但是大战略不是它制定的。使用机械交易系统，目的是减轻人的工作量，同时避免人性弱点对交易的恶劣影响。但是有得必有失，它没有人交易的“艺术”、“直觉”。 你计算机上的神经网络，不会欣赏梵高的画。 当神经网络进入你的系统，或者还没进入，你要调教一位信得过的机器参谋，训练和测试是很重要的。很基本的一点，你需要把历史数据，或说样本，划分为训练部分和测试部分。网上看到一些讨论，说预测准确度达到90％，十分了得！但是一看才知道，是把训练数据又拿来测试。这是不行的，因为训练的结果就是要网络输出能在误差允许范围内，符合训练数据的预期。这有点类似中学数学考试，考试题目从平时习题里出，其实并不检验学生“活学活用”的程度。 具体使用神经网络的途径可以从网络上得到方案，然而除非作者有清晰的思路，或者有赢利的系统根基，不然神经网络只是花拳绣腿，并不能帮你打出个未来。 |
打赏
最新创建圈子
新闻EA运行效果图圈 2019-05-05
圈主：admin 帖子：1
