استفاده از سیستم عصبی و نرم افزار مطلب در پیش بینی قیمت

[gerami-sea]

با سلام خدمت دوستان عزیز و مهربان

هدف از ایجاد این تاپیک استفاده از دوستان علاقه مند و اگاه به برنامه ی مطلب و استفاده از سیستمهای عصبی در پیش بینی قیمت میباشد

تا اولا اگر دوستانی این راه را رفته اند و نتیجه ای گرفته اند و تمایل داشتند تجربیاتشون را به اشتراک بگذارند.

ثانیا کسانی هم که با این نرم افزار اگاه هستند و تا کنون شاید به ذهنشون هم نرسیده اقدام به این کار کنند.


بنده با این نرم افزار هیچ اشنایی ندارم و تا حدودی که اطلاع دارم اینه که شاید بتوانیم از سیستم عصبی و خصوصیات این نرم افزار در بهبود تشخیص جهت حرکت استفاده کرد.

چون از دوستی سوال کردم فرمودند : اگر ما به این نرم افزار داده هایی دهیم و خواسته هایی را بخواهیم در دفعات بعد این نرم افزار طبق اموزشی که ما داده اییم داده های بعدی ما را انالیز میکنه و خروجی را به ما میدهد .

پس به احتمال قوی میتوانیم اطلاعات چارت را در یک محدوده ی مثلا سه ماهه یا بیشتر به این نرم افزار داد و نتیجه هایی گرفت. مثل همون نرم افزار فارکس کیلر که حدودا جهت حرکت را در تایم بالا با توجه به اطلاعات کندل ها به نشان میدهد.

نتیجه این که کارهایی که نرم افزار با سرعت زیاد میتونه انجام بده از قدرت فکری انسان بیشتر میتواند باشد و ما میتوانیم از این سرعت عمل استفاده کنیم.

خواهشا دوستان در یک محیط صمیمانه و با احترام به گفته های همدیگر در جهت هدف این تاپیک اقدام بفرمایید. با تشکر

[hessamfx]

سلام. یکی از دوستان بنده هم با این روش توی بورس ایران کار میکرد و نتایج خوبی میگرفت. مثل اینکه این روش در دانشگاه(در رشته مرتبط با بورس در ارشد)تدریس میشه.

[TwiMm]

من یکساله از متلب بهره می برم. شاید پیش بینی هاش از نظر تعداد درستی خوب نباشه ولی چند وقت یکبار یه کارایی میکنه که آدم دلش نمیاد بذارتش کنار مثلا همین دو هفته قبل 5 موج رو توی 5 دقیقه بهم خروجی داد توی طلا که کلا این 5 موج روی هم در واقعیت و پیش بینی متلب 14 پیپ با هم اختلاف داشتند ولی مشکلی که هست اینه که ایده بالاخره باید از انسان به ماشین داده بشه و ایده هایی که من تست کردم اونی که میخواستم نبوده. یه ایراد بزرگ دیگه هم داره اینه که ورودی دادن بهش اذیت میکنه چون فایلی که خروجی متا هست رو متلب به عنوان اکسل قبول نمیکنه و باید با فرمت دیگه ای ذخیره بشه و هر ستون جدا بشه - البته شاید ما نتونستیم بهش ورودی سالم بدیم-

یک پیشنهاد هم میکنم دنبال شبکه عصبی نرید. من خودم متلب کار نیستم و کارهاش رو برادرم برام انجام میده ولی دیدم که چطور برنامه هایی که توی شبکه عصبی چند ساعت طول میکشه رو میشه توی 10 دقیقه نوشت. دوستانی هم داشتم که روی شبکه عصبی کار میکردند و نتیجه خوبی نگرفتند.

ارادتمند-----------امیر

[mohambas]

سلام
از کدام قسمت متلب استفاده میکنید؟ الگوریتمهای زیادی را میتوان در پیش بینی قیمت استفاده کرد. شبکه های عصبی، الگوریتم ژنتیک، کلونی زنبورها، کوچ پرندگان (PSO) ، نظریه ی بازیها و ... . هرکدام روش خاصی دارد. به شخصه نتایج قابل قبولی از شبکه های عصبی در پیش بینی قیمت دیده ام ولی به گونه ای نبوده که بتوان برای ترید استفاده کرد. از نرم افزار لب ویو ( Labview) نیز میتوان در این مورد استفاده کرد که مزیتهای بسیار بهتری نسبت به متلب دارد.
موفق باشید.

[Jabalameli]

سلام
از کدام قسمت متلب استفاده میکنید؟ الگوریتمهای زیادی را میتوان در پیش بینی قیمت استفاده کرد. شبکه های عصبی، الگوریتم ژنتیک، کلونی زنبورها، کوچ پرندگان (PSO) ، نظریه ی بازیها و ... . هرکدام روش خاصی دارد. به شخصه نتایج قابل قبولی از شبکه های عصبی در پیش بینی قیمت دیده ام ولی به گونه ای نبوده که بتوان برای ترید استفاده کرد. از نرم افزار لب ویو ( Labview) نیز میتوان در این مورد استفاده کرد که مزیتهای بسیار بهتری نسبت به متلب دارد.
موفق باشید.

سلام

تا این حد مطلع نیستم ، چون فقط در بخش کوچکی از پروژه همکاری کردم و اطلاعات کاملی ندارم .
میشه گفت بنده هم چنین مشکلی باهاش دارم که البته با چاشنی کردن قوائد ساده ترید تونستم تا حد زیادی جبرانش کنم . و نتیجه نزدیک تری به انتظاراتم بگیرم .
الان که شما برنامه لب ویو را معرفی کردید یه سرچی تو نت زدم و با تکیه بر این که خیلی گفته شده رابط گرافیکی قوی داره یه کتاب آموزشش را خرید زدم . تا خودم به صورت مستقل در صورت امکان بتونم انجام بدم .
خیلی خوش حال میشم اگه در این رابطه تجارب و آگاهی دارید ، همکاری کنید .

با تشکر

[Amir_A]

سلام
از کدام قسمت متلب استفاده میکنید؟ الگوریتمهای زیادی را میتوان در پیش بینی قیمت استفاده کرد. شبکه های عصبی، الگوریتم ژنتیک، کلونی زنبورها، کوچ پرندگان (pso) ، نظریه ی بازیها و ... . هرکدام روش خاصی دارد. به شخصه نتایج قابل قبولی از شبکه های عصبی در پیش بینی قیمت دیده ام ولی به گونه ای نبوده که بتوان برای ترید استفاده کرد. از نرم افزار لب ویو ( labview) نیز میتوان در این مورد استفاده کرد که مزیتهای بسیار بهتری نسبت به متلب دارد.
موفق باشید.

از الگوریتم های بهینه سازی(مانند ژنتیک، کلونی زنبورها، ازدحام ذرات (pso) و...) من تا حالا خودم ندیدم مستقیم برای این کار استفاده بشه چون کارشون چیزه دیگه ای هستش..

برای تخمین تابع (شناسایی سیستم) از شبکه های عصبی استفاده میشه و در ادامه میشه برای بهینه کردن و جواب بهتر، ترکیبش کرد با الگوریتم های بهینه سازی بالا...

سلام

تا این حد مطلع نیستم ، چون فقط در بخش کوچکی از پروژه همکاری کردم و اطلاعات کاملی ندارم .
میشه گفت بنده هم چنین مشکلی باهاش دارم که البته با چاشنی کردن قوائد ساده ترید تونستم تا حد زیادی جبرانش کنم . و نتیجه نزدیک تری به انتظاراتم بگیرم .
الان که شما برنامه لب ویو را معرفی کردید یه سرچی تو نت زدم و با تکیه بر این که خیلی گفته شده رابط گرافیکی قوی داره یه کتاب آموزشش را خرید زدم . تا خودم به صورت مستقل در صورت امکان بتونم انجام بدم .
خیلی خوش حال میشم اگه در این رابطه تجارب و آگاهی دارید ، همکاری کنید .

با تشکر

شما به نظر من از نرم افزار متلب استفاده کنید، کدهای خیلی بیشتری برای شروع کار توی نت وجود داره ...

شما اگه برای تخمین تابع به تنهایی با شبکه عصبی کار کنید باز هم به جواب مناسبی نمیرسید...

شما باید شبکه عصبی رو ترکیبش کنید مثلا با سری های زمانی (یعنی از یکسری زمان هایی خاص در گذشته (مثلا های و لو ها) که احتمال میدید اثر خیلی بیشتری داشته باشه استفاده کنید و کمک بکنید که تابع بهتری تخمین زده بشه)...

موفق باشید.

[mohambas]

از این لحاظ که کدهای آماده بخواهید متلب کدهای آماده بیشتری دارید چون عمومی تره ولی در لب ویو از اینترفیس و سرعت عملکرد بهتری برخوردارید. تمام امکانات متلب و حتی بیشتر هم با نصب تولکیت ها به طور مجزا فراهم میشود. در ضمن بهینه سازی یعنی پیدا کردن ماکزیمم و مینیمم تابع. مگر غیر از این است که ما دنبال سقف و کف قیمت هستیم تا بخریم یا بفروشیم؟

[Amir_A]

از این لحاظ که کدهای آماده بخواهید متلب کدهای آماده بیشتری دارید چون عمومی تره ولی در لب ویو از اینترفیس و سرعت عملکرد بهتری برخوردارید. تمام امکانات متلب و حتی بیشتر هم با نصب تولکیت ها به طور مجزا فراهم میشود. در ضمن بهینه سازی یعنی پیدا کردن ماکزیمم و مینیمم تابع. مگر غیر از این است که ما دنبال سقف و کف قیمت هستیم تا بخریم یا بفروشیم؟

بله شما درست میفرمایید، ولی کدوم تابع؟، مگه شما تابعی دارید؟، اول باید تابع با شبکه عصبی بدست بیاد تا در ادامه...

بهینه سازی هم به نظر من اون صورت که شما میفرمایید نباید باشه..

من منظورم این هستش که شبکه عصبی مدل کلی رو برای شما استخراج کنه و شما پارامترهای ثابت مدل رو به کمک الگوریتم های بهینه سازی بهینه میکنید(بهترین مقدار رو برای پارامترهای ثابت پیدا میکنید) به نحوی که تابع هزینه شما کمینه بشه (تفاضل خروجی تابع با خروجی اصلی)...

مثلا شما یک تابع درجه دوم دارید با یک ضریب ثابت a، حالا الگوریتم بهینه سازی برای شما مقدار بهینش رو پیدا میکنه با توجه تابع هدفی که شما براش تعریف کردید

Y=2X^2+X+a

من خودم یک زمانی دوست داشتم روی این موضوع کار کنم ولی نشد

[mohambas]

بله شما درست میفرمایید، ولی کدوم تابع؟، مگه شما تابعی دارید؟، اول باید تابع با شبکه عصبی بدست بیاد تا در ادامه...

بهینه سازی هم به نظر من اون صورت که شما میفرمایید نباید باشه..

من منظورم این هستش که شبکه عصبی مدل کلی رو برای شما استخراج کنه و شما پارامترهای ثابت مدل رو به کمک الگوریتم های بهینه سازی بهینه میکنید(بهترین مقدار رو برای پارامترهای ثابت پیدا میکنید) به نحوی که تابع هزینه شما کمینه بشه (تفاضل خروجی تابع با خروجی اصلی)...

مثلا شما یک تابع درجه دوم دارید با یک ضریب ثابت a، حالا الگوریتم بهینه سازی برای شما مقدار بهینش رو پیدا میکنه با توجه تابع هدفی که شما براش تعریف کردید

y=2x^2+x+a

من خودم یک زمانی دوست داشتم روی این موضوع کار کنم ولی نشد

اگر تابع قیمت را به صورت فرمول داشتیم که نیازی به الگوریتمها برای بهینه سازی نبود، با یک مشتق گیری حل میشد. تابع را داریم ولی به صورت نقاط
قیمت = (زمان)f . اگر اشتباه میگویم تصحیح بفرمایید.

[Amir_A]

اگر تابع قیمت را به صورت فرمول داشتیم که نیازی به الگوریتمها برای بهینه سازی نبود، با یک مشتق گیری حل میشد. تابع را داریم ولی به صورت نقاط
قیمت = (زمان)f . اگر اشتباه میگویم تصحیح بفرمایید.

اون یک مثال بود که فقط روند کار رو توضیح بدم...

همون طور که گفتم به نظر من برداشت شما از بهینه سازی درست نیست، منظور از بهینه سازی یافتم ماکزیمم و مینیمم نیست که مشتق گرفته شود (حداقل در این مسئله اینطور نیست)...

شما برای این که از هر کدوم از الگوریتم های بهینه سازی استفاده کنید (روال کلی بهینه سازی) گام اول تعریف یک تابع هدف هستش، تابع هدف مثلا در این مسئله میتونه تفاضل بین خروجی تخمین زده شده و خروجی اصلی باشد (یعنی خروجی شبکه عصبی با خود بازار اصلی)

حالا الگوریتم سعی میکنه تابع هدف شما رو کمینه کنه...

پس الگوریتم فقط تابع هدف رو میشناسه، حالا در هر مرحله تغییراتی در مدل تخمین زده ایجاد میکنه و دوباره میاد تابع هدف رو اندازه گیری میکنه که آیا کمتر شد یا نه، دوباره این کار رو ادامه میده و در مرحله بعد باز هم تغییراتی رو در مدل تخمین زده شده ایجاد میکنه و دوباره میره تابع هدف رو چک میکنه که ببینه کمینه شد یا نه

اینقدر این کار ادامه پیدا میکنه تا بهترین تابع تخمین زده بدست بیاد (دقت کنید من باز هم تاکیید میکنم، الگوریتم بهینه سازی نمیتونه خودش تابع ایجاد کنه بلکه تابع ایجاد شده توسط شبکه عصبی رو بهینه میکنه)..

پ.ن: من جدا از آقای Jabalameli شرمندم که تاپیکشون رو شلوغ کردم، خواهشا مدیریت عزیزم پست ها رو به تاپیک زیر منتقل کنند
http://forum.broker-fa.com/f7/%D8%A7...85%D8%AA-3611/

[loshabi]

یک کد در زمینه شبکه عصبی دارم که احتمالا به درد دوستان بخوره

روش کارش به این صورت است که داده ها رو از اکسل فراخوانی میکند و وارد مطلب میکنه

سپس براساس ورودی های که در اکسل است ورودی های شبکه عصبی مشخص میشود برای تعیین لایه داخلی خوده شبکه 1تا50 لایه (پیش فرض کد مطلب میتونید تغییر بدهید) را تست میکنه و سپس نتایج را در

فایل خروجی ذخیره میکند شما باید بعد از اتمام ران کد مطلب . سراغ فایل خروجی رفته و بدنبال شبکه عصبی باشین که کمترین خطا را داشته باشد. بعد ازمشخص شدن شبکه مورد نظر باید مشخصات دقیق شبکه

عصبی رو به متلب داده و خروجی مورد پسند رو بگیرید.





کد شبکه عصبی رو ضمیمه میکنم.

[loshabi]

از الگوریتم های بهینه سازی(مانند ژنتیک، کلونی زنبورها، ازدحام ذرات (pso) و...) من تا حالا خودم ندیدم مستقیم برای این کار استفاده بشه چون کارشون چیزه دیگه ای هستش..

برای تخمین تابع (شناسایی سیستم) از شبکه های عصبی استفاده میشه و در ادامه میشه برای بهینه کردن و جواب بهتر، ترکیبش کرد با الگوریتم های بهینه سازی بالا...



شما به نظر من از نرم افزار متلب استفاده کنید، کدهای خیلی بیشتری برای شروع کار توی نت وجود داره ...

شما اگه برای تخمین تابع به تنهایی با شبکه عصبی کار کنید باز هم به جواب مناسبی نمیرسید...

شما باید شبکه عصبی رو ترکیبش کنید مثلا با سری های زمانی (یعنی از یکسری زمان هایی خاص در گذشته (مثلا های و لو ها) که احتمال میدید اثر خیلی بیشتری داشته باشه استفاده کنید و کمک بکنید که تابع بهتری تخمین زده بشه)...

موفق باشید.

اینکه با سری های زمانی ترکیبش کنید خیلی خوبه اما انجام دادن این کار به اندازه هشت واحد دانشگاهی کار داره!!!!!!


مثلا چون رفتار بازار غیر خطی است نمی توانید از مدلهای خطی مثل ar , ma, arimaو دیگر مدلهای خطی استفاده کنید و باید بروید سراغ مدلهای غیر خطی .

حالا برای اینکه مدل های غیر خطی را فرا بگیرید پیش نیازش مدلهای خطی هس وقتی 2 واحد رو گذراندین تازه میرسین به بحث مدلهای غیره خطی که جایه حرف زیادی داره

کلا نظر من اینه که دور سری زمانی رو خط بکشین چون به اندازه ای که زحمت میکشین جواب نمیده

تو مدلهای سری های زمانی بنظرم مدل گام برداری تصادفی خروجی بهتری دارد

[Jason Chestor]

من خودم دنبال یک سیستم جالب از نظر تازه بودن ایدهء اون هستم ، حالا میخواستم ببینم شما در این زمینه چقدر میتونید کار کنید و به نتیجه برسید

ایده ساده است : یک قسمت از قیمت فعلی ، به عنوان مثال یک تعداد کندل مشخص رو به سیستم مفروض معرفی میکنیم ، سیستم در تاریخچهء قیمت میگرده و نزدیکترین آرایش قیمتی رو در مثلا ده سال

گذشته به ترتیب اولویت معرفی میکنه ، تازه در مراحل پیشرفته تر نرم افزار سیگنالهای خرید و فروش هم با تعیین دقیقترین حد سود و ضرر صادر میکنه یعنی یه جورایی تحلیل بر اساس قسمت اول نرم افزار

با اینحال قسمت اول یعنی جستجو در تاریخچه به نظر من البته به اندازه ای ساده است که میشه با یکم کار روی اون آماده اش کرد

شما به عنوان مثالی البته دورتر قسمت گوگل ایمیج و امکان آپلود عکس رو ملاحظه ، باور کردنی نیست توانائی این الگوریتم ، حتی من این روزها به جای جستجو از قسمت web گوگل حتما سعی میکنم در

صورت امکان یه سری هم به این قسمت بزنم تا اسیر جستجوهای نامربوط قسمت وب گوگل نشم ، البته این مثال رو آوردم که توانائی های الگوریتمهای امروزی رو از نظر دور نکنید و در صورت امکان از قطعه کدهای

آماده هم برای اینکار استفاده کنید با اینحال اگر امکان بکارگیری نرم افزارهای ریاضی برای این نوع جستجویی که اشاره کردم میتونه جالب و کارگشا باشه

در واقع امر ما با دسترسی به این سیستم توانائی جستجوی ماشینی و البته قوی رو با توانائی بی بدلیل سلولهای خاکستری خودمون ادغام و هماهنگ کردیم ، البته مراحل بعدتر یعنی تعیین نزدیکترین حد سود

و ضرر میتونه بنا به تجربهء بالای ما ، به نوعی حذف بشه و اینطوری در زمان دسترسی به قسمت اول سیستم هم به مقدار قابل ملاحظه ای صرفه جویی شده ضمن اینکه طراحی قسمت تحلیل قاعدتا باید وقت

گیر باشه

روی این موضوع کار کنید قطعا جواب خوبی میگیرید ، جستجو میتونه در تایم فریمهای مختلف هم انجام بشه ولی تحلیل برای پیدا کردن ارتباط موازی با تایمها و یا حتی ارزهای مختلف (تحلیل بین بازاری) هم باز مقولهء

جدائی میشه که من توصیه میکنم این قسمت رو هم فعلا کنسل کنید ، به نظر من که اصلا دنبالش نرید !

نمیدونم در چه سایتی بود چند سال قبل به یک مقالهء خیلی جالب برخوردم که اشاره به نحوهء استفادهء موسسات بزرگ خصوصا بانکها و دولتها از الگوریتمها و نرم افزارهای پیشرفته داشت مبنی براینکه این سیستمها

براساس حجم و اردرو هج ، بهترین سطوح ورود رو اونهم نه برای سود هنگفت بلکه برای حفظ ذخیرهء ارزها و پورتفولیو با کمترین ضرر ممکن مشخص میکردن و در واقع نقشهء راه رو بر اساس سیاستهای کلان اقتصادی

تعیین و حرکات بازار رو از به نوعی از پیش ترسیم میکردن و این سیستمها حتی اشتباههای ممکن رو مثل یک نرم افزار قدرتمند شطرنج و البته جلوتر شبیه سازی و خطایابی میکنن و بهترین استراتژی ممکن برای ورود

رو اعلام میکنن ما که الحمد الله دسترسی به این سیستمها نداریم ! چون اصولا به درد ما هم نمیخوره اما میتونیم یه فکری برای همگام شدن با روندها یا میکرو روندها بکنیم ، یکیش همین جستجوی تاریخچه در

تایمهای مختلف خصوصا پائینتر هستش ، فعلا اولیت بندی بصورت لیست هم بی خیال بشید ، به جاش میتونیم روی ورودی تعداد کندلها مانور بدیم که میتونه خروجی های متنوعتری رو شامل بشه

[loshabi]

من خودم دنبال یک سیستم جالب از نظر تازه بودن ایدهء اون هستم ، حالا میخواستم ببینم شما در این زمینه چقدر میتونید کار کنید و به نتیجه برسید

ایده ساده است : یک قسمت از قیمت فعلی ، به عنوان مثال یک تعداد کندل مشخص رو به سیستم مفروض معرفی میکنیم ، سیستم در تاریخچهء قیمت میگرده و نزدیکترین آرایش قیمتی رو در مثلا ده سال

گذشته به ترتیب اولویت معرفی میکنه ، تازه در مراحل پیشرفته تر نرم افزار سیگنالهای خرید و فروش هم با تعیین دقیقترین حد سود و ضرر صادر میکنه یعنی یه جورایی تحلیل بر اساس قسمت اول نرم افزار

با اینحال قسمت اول یعنی جستجو در تاریخچه به نظر من البته به اندازه ای ساده است که میشه با یکم کار روی اون آماده اش کرد

شما به عنوان مثالی البته دورتر قسمت گوگل ایمیج و امکان آپلود عکس رو ملاحظه ، باور کردنی نیست توانائی این الگوریتم ، حتی من این روزها به جای جستجو از قسمت web گوگل حتما سعی میکنم در

صورت امکان یه سری هم به این قسمت بزنم تا اسیر جستجوهای نامربوط قسمت وب گوگل نشم ، البته این مثال رو آوردم که توانائی های الگوریتمهای امروزی رو از نظر دور نکنید و در صورت امکان از قطعه کدهای

آماده هم برای اینکار استفاده کنید با اینحال اگر امکان بکارگیری نرم افزارهای ریاضی برای این نوع جستجویی که اشاره کردم میتونه جالب و کارگشا باشه

در واقع امر ما با دسترسی به این سیستم توانائی جستجوی ماشینی و البته قوی رو با توانائی بی بدلیل سلولهای خاکستری خودمون ادغام و هماهنگ کردیم ، البته مراحل بعدتر یعنی تعیین نزدیکترین حد سود

و ضرر میتونه بنا به تجربهء بالای ما ، به نوعی حذف بشه و اینطوری در زمان دسترسی به قسمت اول سیستم هم به مقدار قابل ملاحظه ای صرفه جویی شده ضمن اینکه طراحی قسمت تحلیل قاعدتا باید وقت

گیر باشه

روی این موضوع کار کنید قطعا جواب خوبی میگیرید ، جستجو میتونه در تایم فریمهای مختلف هم انجام بشه ولی تحلیل برای پیدا کردن ارتباط موازی با تایمها و یا حتی ارزهای مختلف (تحلیل بین بازاری) هم باز مقولهء

جدائی میشه که من توصیه میکنم این قسمت رو هم فعلا کنسل کنید ، به نظر من که اصلا دنبالش نرید !

نمیدونم در چه سایتی بود چند سال قبل به یک مقالهء خیلی جالب برخوردم که اشاره به نحوهء استفادهء موسسات بزرگ خصوصا بانکها و دولتها از الگوریتمها و نرم افزارهای پیشرفته داشت مبنی براینکه این سیستمها

براساس حجم و اردرو هج ، بهترین سطوح ورود رو اونهم نه برای سود هنگفت بلکه برای حفظ ذخیرهء ارزها و پورتفولیو با کمترین ضرر ممکن مشخص میکردن و در واقع نقشهء راه رو بر اساس سیاستهای کلان اقتصادی

تعیین و حرکات بازار رو از به نوعی از پیش ترسیم میکردن و این سیستمها حتی اشتباههای ممکن رو مثل یک نرم افزار قدرتمند شطرنج و البته جلوتر شبیه سازی و خطایابی میکنن و بهترین استراتژی ممکن برای ورود

رو اعلام میکنن ما که الحمد الله دسترسی به این سیستمها نداریم ! چون اصولا به درد ما هم نمیخوره اما میتونیم یه فکری برای همگام شدن با روندها یا میکرو روندها بکنیم ، یکیش همین جستجوی تاریخچه در

تایمهای مختلف خصوصا پائینتر هستش ، فعلا اولیت بندی بصورت لیست هم بی خیال بشید ، به جاش میتونیم روی ورودی تعداد کندلها مانور بدیم که میتونه خروجی های متنوعتری رو شامل بشه

دسته بندی کردن حرکات کاره سختی هس اونم برای ده سال!!!

در هر صورت پیشنهادتونو عملی کنید شبکه عصبی با من

[SystemTrader]

دسته بندی کردن حرکات کاره سختی هس اونم برای ده سال!!!

در هر صورت پیشنهادتونو عملی کنید شبکه عصبی با من

سلام

بنده ابزار این کار را دارم منتها فقط بالا ترین احتمال را نشون میده ( طی 13 سال گذشته ، از ابتدای 2000 تا کنون ) . و فقط کافیه تطابق حالات مثلا بالای 80 درصد روی هم را بهش اضافه کنیم تا بهترین الگو را داشته باشیم . به هر حال تا اینجای کار ( فقط بالا ترین احتمال ) موجود است .

خوشحال میشم با همکاری بتونیم ایده jason عزیز را عملی کنیم .

منتظر پیشنهادتون هستم