Neural Net Trend Predictor

<img src="http://forum.mql4.com/c/forum/2009/08/trend_predictor_pro_manual.jpg" border="0" class="linked-image" />

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:
<ul><li>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</li><li>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.</li></ul>

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.

 

Я обучаю нейросети различной архитектуры на высокопроизводительном компьютере (более 5 Тфлопс):Заказчикам предлагаю обработку и анализ массивов данных для построения нейросетей различной архитектуры на базе самых лучших на сегодня пакетов - NeuroSolutions - 7 и NeuralWorks Professional II/PLUS. Имеющийся опыт обучения нейросетей на больших и свехбольших массивах данных с числом входных параметров более 50-ти позволяет решать широкий круг серьезных задач многопараметрического финансового анализа. Применение новой методики автоматического анализа чувствительности позволяет снижать размерность задачи, исключая из обучающих данных незначащие.
Обученные нейросети выдаются заказчику в разных видах, включая готовые программы прогноза.
Заинтересованным участникам писать вопросы и предложения в личку.
С уважением к Форуму, Eugeen1948.