BotNeyron

Профессиональный робот, в котором реализована стратегия торговли с помощью нейронных сетей. Используются многослойные полносвязные сети прямого распространения MLP (multilayer perceptron).

Способность к обучению является основным свойством мозга. Для искусственных нейронных сетей под обучением понимается процесс настройки архитектуры сети (структуры связей между нейронами) и весов синаптических связей (влияющих на сигналы коэффициентов) для эффективного решения поставленной задачи. Обычно обучение нейронной сети осуществляется на некоторой выборке (исторических данных). По мере процесса обучения, который происходит по некоторому алгоритму (для обучения применяется оптимизация генетическим алгоритмом), сеть должна все лучше и лучше (правильнее) реагировать на входные сигналы.

Остается только проверить насколько корректно оптимизированые параметры позволяют сделать прогноз в будущее. Для чего применяется метод поэтапной проверки результатов. Пример, вместе с настройкой для оптимизации (обучения), предоставлен в обсуждении.

В начале текущего бара анализируются индикаторы RSI, SSI, WPR. Результаты с 10 баров каждого из индикаторов попадают на вход нейросети. Весовые коэффициенты формируются отдельно для покупок и продаж. Сеть обучается на данных из индикаторов и в зависимости от сигнальных уровней на выходе нейросети возможны 4 команды (при TypeDual = true): открыть / закрыть ордер на покупку, открыть / закрыть ордер на продажу. И в зависимости от этого будет открывать BUY или SELL и держать эту сделку пока не поступит сигнал закрытия от сети. Также существует режим работы нейросети с двумя выходами (при TypeDual = false): первый - вход на покупку с автоматическим выходом из продажи, второй вход на продажи с автоматическим выходом с покупки.

Эксперт корректно обрабатывает ошибки и надежно работает с капиталом от 100 USD. Эксперт использует базовые понятия: безубыток, трейлинг стоп, стоп лосс и тейк профит, а также закрытие на противоположном сигнале, закрытие по сигналу и правильный расчет риска. 

Основные параметры: 

• WorkOpenLong - Позволяет открывать длинную позицию.
• WorkOpenShort - Позволяет открывать короткую позицию.
• WorkCloseLong - Позволяет закрывать длинную позицию.
• WorkCloseShort - Позволяет закрывать короткую позицию.
• WorkCloseReversLong - Позволяет закрывать длинную позицию при открытии короткой.
• WorkCloseReversShort - Позволяет закрывать короткую позицию при открытии длинной.
• SignalBar - Основной сигнальный бар.
• PeriodSignal - Период на котором работают индикаторы, а, соответственно, и нейросеть.
• TypeDual - Переключатель режима работы нейросети с 2 или 4 выходами.
• LevelInLong - Порог входа нейросети для длинной позиции.
• LevelOutLong - Порог выхода нейросети для длинной позиции.
• LevelInShort  - Порог входа нейросети для короткой позиции.
• LevelOutShort  - Порог выхода нейросети для короткой позиции.

• EnabledRSI - Активация индикатора.
• k1_RSI_long - Коэффициент влияния индикатора на суммарный сигнал для длинной позиции.
• k1_RSI_short - Коэффициент влияния индикатора на суммарный сигнал для короткой позиции.
• Period1_RSI - Период индикатора.
• Layer_1AL - Поле 1 для настройки нейросети для длинной позиции.
• Layer_1BL - Поле 2 для настройки нейросети для длинной позиции.
• Layer_1AS - Поле 1 для настройки нейросети для короткой позиции.
• Layer_1BS - Поле 2 для настройки нейросети для короткой позиции.

Professional robot, which implemented trading strategy using neural networks. Used multi-layer fully connected feedforward networks MLP (multilayer perceptron).

The ability to learn is the main feature of the brain. Artificial neural networks for learning refers to the process of configuring the network architecture (structure of connections between neurons) and synaptic weight (affecting signals coefficients) for the efficient solution of the problem. Usually the training of the neural network is carried out on a sample (historical data). As the learning process that occurs on some algorithm (used for training optimization genetic algorithm), the network must become better and better in responding to input signals.

It remains only to check how accurate optimized parameters make it possible to forecast the future. For that end a phased check of results is applied. An example is given in comments together with optimization settings.

Indicators RSI, SSI, WPR are analyzed at the beginning of the current bar. Results of 10 bars of each indicator fall on input of the neural network. The weighting factors are formed separately for buys and sells. The network is trained on data from the indicators and, depending on the signal level at the output of the neural network, there may be 4 teams (at TypeDual = true): open / close a buy order, open / close a sell order. And depending on it the robot will open a BUY or SELL and keep the deal until the closing signal is received from the network. There is also a mode of neural network with two outputs (when TypeDual = false): first - the entrance to buy with automatic exit from the market, the second - input on sell with automatic exit from buy.

Expert correctly handles errors and works reliably with a capital from 100 USD. Expert uses the basic concepts: breakeven, trailing stop, stop loss and take profit, as well as the closing on the opposite signal, closing the signal and the correct calculation of risk.

Main parameters: 

• WorkOpenLong - Allows you to open a long position.
• WorkOpenShort - Allows you to open a short position.
• WorkCloseLong - Allows you to close long positions.
• WorkCloseShort - Allows you to close the short position.
• WorkCloseReversLong - Allows you to close a long position when opening a short one.
• WorkCloseReversShort - Allows you to close a short position at the opening of a long one.
• SignalBar - The main signal bar.
• PeriodSignal - The period in which the indicators, and therefore the neural network, are enabled.
• TypeDual - Switch neural network mode with 2 or 4 outputs.
• LevelInLong - Input threshold of neural network for a long position.
• LevelOutLong - Output threshold of neural network for a long position.
• LevelInShort - Input threshold of neural network for a short position.
• LevelOutShort - Output threshold of neural network for a short position. 

The following fields relate to the RSI indicator, by analogy, all subsequent indicators: 

• EnabledRSI - Activating the indicator.
• k1_RSI_long - Factor of the indicator's influence on the total signal for a long position.
• k1_RSI_short - Factor of the indicator's influence on the total signal for a short position.
• Period1_RSI - Indicator period.
• Layer_1AL - Field 1 to adjust the neural network for a long position.
• Layer_1BL - Field 2 to adjust the neural network for a long position.
• Layer_1AS - Field 1 to adjust the neural network for a short position.
• Layer_1BS - Field 2 to adjust the neural network for a short position.