Андрей Дибров

Нейросетевая торговая система. Пошаговая разработка для платформы Meta Trader 4 в среде MATLAB

Сокращенное издание

Шрифты предоставлены компанией «ПараТайп»

© Андрей Дибров, 2018

Книга для новичков и продвинутых трейдеров, желающих раздвинуть горизонты традиционного анализа рынка. Сокращенное описание пошаговой инструкции для разработки системы ведения автоматической торговли на финансовых рынках в терминале MT4, основанное на анализе рыночной ситуации нейронными сетями MATLAB. Неограниченные возможности модернизации, творческий подход, не требует глубоких знаний в программировании, не перегружает торговый комплекс, комплект новых пользовательских индикаторов.

12+

ISBN 978-5-4493-8977-0

Создано в интеллектуальной издательской системе Ridero

Оглавление

1. Нейросетевая торговая система. Пошаговая разработка для платформы Meta Trader 4 в среде MATLAB
2. Предисловие
3. Логическое обоснование обучения нейросетей на принятие решения
4. Критические ошибки при разработке нейросетевой системы
5. Пользовательские технические индикаторы, используемые для обучения нейросети
   1. StoxasticPolzMinTest
   2. StoxasticTurnMin
   3. WilliamsPolzMaxTest
   4. WilliamsTurnMax
   5. MaPolzMin
   6. MaPolzMax
   7. McadPolzMin
   8. McadPolzMax
   9. Max-OpenOld
   10. OpenOld-Min
   11. Max
   12. Min
6. Описание логики торговой системы, скриптов и экспертов MT4 для подготовки исторических данных
7. Нейросети MATLAB + MT4
8. Приступая к реальной работе
9. Использование синтетических баров для определения «спектра»
10. Заключение

Предисловие

Важно! Данное издание представляет собой сокращенный вариант. Все разделы оглавления соответствую полному изданию, за исключением программных кодов основных скриптов и экспертов. Механизм работы с MATLAB+MT4 также включен в книгу. Для приобретения полного издания Вы можете связаться с автором по адресу электронной почты andreydib@yandex.ru.

Книга разрабатывалась с учетом интересов всех категорий трейдеров, а так же тех читателей, которые готовятся заняться трейдингом. В данной книге вы не найдете никакого теоретического материала по проблемам нейросетей и самого трейдинга. В любой литературе посвященной этим двум направлениям есть список трудов различных уважаемых авторов. Мне так же хотелось бы снабдить эту книгу таким же списком. Однако, увы, я этого не могу сделать, так как максимально постарался уйти от какой либо теории и психологии, которым в основном посвящена литература о трейдинге. Однако это не значит, что в свое время я не изучал подобную литературу и, что от нее нет пользы. Вот не полный список авторов, труды которых мною изучались — Чарльз Лебо и Дэвид В. Лукас, Юрий Жваколюк, Д. Ю. Пискулов, В. С. Сафонов, Шерри Де Ковни и Кристин Такки, Анна Эрлих, Александр Элдер, Джон Дж. Мэрфи. Но для понимания и практического применения материала представленного мною в принципе, достаточно теоретической информации, которая подается на сайтах дилинговых компаний и официального сайта Matlab. То есть, любой читатель имеющий представление о трейдинге может выполнить пошаговую инструкцию из моей книги и получить готовую автоматическую нейросетевую систему торговли. Причем, при кажущейся сложности системы в итоге вы придете к пониманию, что конечный результат в плане применения программных кодов поразительно легок, но в тоже время самодостачен и функционален. Ведь основная нагрузка в данной системе происходит при обучении нейросетей. Но и здесь, вникнув в процесс, вы обнаружите, что настроив систему, обучение не занимает много времени. Однако нам все равно придется немного пофилософствовать в следующем разделе на тему логического обоснования обучения нейросетей на принятие решения. От этого обоснования во многом зависит конечный результат.

Важно! Данная книга ориентирована на Matlab. Matlab не поставляется с этой книгой, прежде чем приступать к изучению и разработки автоматической нейросетевой системы торговли, вы должны приобрести ее отдельно и установить.

Также обращаю Ваше внимание на достоинствах нейросетевых систем как способов трейдинга. Мной разработано еще несколько систем, в том числе на основе платформы «NeuroSolutions» http://neurotrade.ucoz.com. Видео с примерами этой системы и системы представленной в этой книге также можно посмотреть по ссылкам https://youtu.be/5GwhRnSqT78, https://youtu.be/cIegQGJKbhY.

Логическое обоснование обучения нейросетей на принятие решения

Прежде чем приступать к разработке любой торговой системы, мы задаемся вопросом — на каких принципах данная система будет функционировать? У нас есть два основополагающих принципа — использования флэтов и продолжение тенденции. Пока не будем рассматривать более узкие производные от них — внутри дневная торговля или нет, на фундаментальных данных, на новостях, на открытии рынков и т. д. Мне пришлось сталкиваться с описанием нейросетевых продуктов, где их авторы в примерах использования предлагали прогнозирование каких либо курсов — акций, валют и т. д. Приведем пример, используя платформу NeuroSolutions. Весь процесс повторять не обязательно, так как данную платформу мы в построении нашей системы использовать не будем, а я в данном случае использую ее как пример. Напишем коротенький скрипт для получения ценовых данных в MT4. Хочется обратить внимание на то, что при копировании программного кода из файла в формате PDF не сохраняется его стиль — все строки при переносе сохраняются без отступов. Так же могут быть скопированы номера страниц. Для текстовых редакторов эта проблема отсутствует.

//+ — — — — — — — — — — — — — — — — — — — — — — — +

//| History.mq4 |

//| Copyright © 2009, Andrey Dibrov. |

//+ — — — — — — — — — — — — — — — — — — — — — — — +

#property copyright «Copyright © 2009, Andrey Dibrov.»

int file=FileOpen («history. csv», FILE_CSV|FILE_READ|FILE_WRITE,»;»);

//+ — — — — — — — — — — — — — — — — — — — — — — — — — — — +

//| Script program start function |

//+ — — — — — — — — — — — — — — — — — — — — — — — — — — — +

void OnStart ()

{

// — —

FileWrite (file,«OpenD; HighD; LowD; CloseD; Date»);

if (file> 0)

{

Alert («Идет запись файла»);

for (int i=iBars (NULL,1440) -1; i> =0; i — )

{

FileWrite (file,

iOpen (NULL,1440,i),

iHigh (NULL,1440,i),

iLow (NULL,1440,i),

iClose (NULL,1440,i),

TimeToStr (iTime (NULL,1440,i)));

}

}

Alert («Файл записан»);

FileClose (file);

}

//+ — — — — — — — — — — — — — — — — — — — — — — — — — — — +

Запустив данный скрипт — в папке …MQL4/Filse каталога данных терминала, получим файл «history».

Откроем этот файл и добавим в начале десять столбцов In1—10 и один столбец Out.

Заполним эти столбцы Данными из столбца CloseD. Как Вы уже поняли, это данные дневных закрытий.

Далее мы сдвинем эти данные в наших столбцах последовательно на одну ячейку вверх.

Таким образом, мы получим в каждой строке вектор из дневных цен закрытия с глубиной в десять дней — это будут входы нейросети. А в столбце Out, который также сдвинут на один день вперед по отношению к In10, будут обучающие примеры закрытия дня для нейросети.

С помощью надстройки NeuroSolutions, выделив столбцы In1-In10, отформатируем их как входы.

А столбец Out как выход нейросети.