तंत्रिका निवल विदेशी मुद्रा - पूर्वानुमान

विदेशी मुद्रा पूर्वानुमान यह उदाहरण पिछले एक के समान है फर्क सिर्फ इतना है कि यह विदेशी मुद्रा (विदेशी मुद्रा) मुद्रा जोड़े के लिए डेटा दिखाता है। एप्लेट के साथ कैसे काम करें यदि आपने पहले उदाहरण नहीं देखा है। कृपया इसे पहले खोजें - मूल विवरण वहां उपलब्ध है। इस एप्लेट में, निम्नलिखित डेटा उपलब्ध हैं वे सभी पूरे वर्ष 2007, यानी 313 मूल्यों के लिए दिन के करीब मूल्यों के अंत हैं। पिछले ऐप्पलेट की तरह, इनमें से प्रत्येक समय श्रृंखला में निम्न मान हैं: 0 से नीचे अंतराल के लिए शून्य, अंतराल 0 में शून्य मान, और अंतिम ज्ञात मान के बाद फिर शून्य। EURUSD - EUR USD विदेशी मुद्रा मुद्रा जोड़ी डेटा USDJPY - EUR USD विदेशी मुद्रा मुद्रा जोड़ी डेटा USDCHF - EUR USD विदेशी मुद्रा मुद्रा जोड़ी डेटा EURJPY - EUR USD विदेशी मुद्रा मुद्रा जोड़ी डेटा फिर से ध्यान दें कि यह उदाहरण केवल चित्रण के लिए प्रदान किया गया है। इस सरल सेटअप का उपयोग करने वाले व्यापार को आमतौर पर अंतिम उपलब्ध मूल्य के आधार पर भविष्यवाणी का उपयोग करने से दूर नहीं होता है। यह भी ध्यान रखें कि व्यापार के लिए हमें प्रवेश और निकास नियमों को विकसित करने की जरूरत है, और यह कि वे सटीक भविष्यवाणी से अधिक महत्वपूर्ण हैं। कृपया ऐप्पलेट लोड होने तक प्रतीक्षा करें। एपलेट और विवरण (सी) मारेक ओबिट्को, 2008 एप्लेट में तंत्रिका नेटवर्क नेव्वेलस्पेरस से जावा कक्षाएं बीपीन्यूरोन और बीपीनेट का उपयोग करता है, (सी) टॉम वाहनस्क, 1998, जो इस एप्लेट के प्रयोजनों के लिए संशोधित थे। मेटाट्रेडर 4 - ट्रेडिंग प्राइस फोरकास्टिंग का उपयोग करना तंत्रिका नेटवर्क परिचय पिछले कई वर्षों के दौरान हम विभिन्न क्षेत्रों में सफलतापूर्वक उपयोग किए गए तंत्रिका नेटवर्क के प्रति ब्याज की विस्फोट का निरीक्षण करते हैं- व्यापार, दवा, प्रौद्योगिकी, भूविज्ञान, भौतिकी। तंत्रिका नेटवर्क व्यापक रूप से उन क्षेत्रों में उपयोग किया जाता है जिनकी पूर्वानुमान, वर्गीकरण और प्रबंधन की आवश्यकता होती है ऐसी प्रभावशाली सफलता कई कारणों से निर्धारित होती है: व्यापक संभावनाएं तंत्रिका नेटवर्क बहुत शक्तिशाली मॉडलिंग उपकरण हैं, जिससे बेहद जटिल संबंधों के प्रजनन की अनुमति मिलती है। विशेष रूप से, तंत्रिका नेटवर्क स्वभाव से अलाइनलाइन हैं। कई वर्षों की अवधि में रैखिक मॉडलिंग, अधिकांश क्षेत्रों में मॉडलिंग का मुख्य तरीका था, क्योंकि इसके लिए अनुकूलन प्रक्रिया अच्छी तरह से विकसित होती है। कार्यों में, जहां रैखिक सन्निकटन पर्याप्त नहीं है, रेखीय मॉडल खराब तरीके से संचालित होते हैं। इसके अलावा, तंत्रिका नेटवर्क आयाम की शाप को दूर करते हैं, जो कि बड़ी संख्या में चर के मामले में रैखिक संबंधों को मॉडलिंग की अनुमति नहीं देता है। आसान उपयोग तंत्रिका नेटवर्क उदाहरणों से सीखते हैं एक तंत्रिका नेटवर्क के उपयोगकर्ता प्रतिनिधि डेटा को मिलाता है और फिर प्रशिक्षण के एल्गोरिदम को प्रारंभ करता है। जो स्वचालित रूप से डेटा संरचना को स्वीकार करता है। बेशक उपयोगकर्ता के पास उचित नेटवर्क वास्तुकला को चुनने और परिणामों की व्याख्या करने के लिए डेटा को चुनने और तैयार करने के तरीके के बारे में अनुमानित ज्ञान का एक सेट होना चाहिए। हालांकि, पारंपरिक स्तर के तरीकों से आवश्यक तुलना में, ज्ञान स्तर, तंत्रिका नेटवर्क के सफल उपयोग के लिए आवश्यक है, बहुत कम है। न्यूरोलॉजिकल दृश्य दृष्टिकोण के दृष्टिकोण से आकर्षक हैं, क्योंकि वे तंत्रिका तंत्र के प्राचीन जैविक मॉडल पर आधारित हैं। भविष्य में, इस तरह के न्यूरो-जैविक मॉडल का विकास वास्तव में बुद्धिमान कंप्यूटरों के निर्माण के लिए हो सकता है। 1 वित्तीय समय श्रृंखला का पूर्वानुमान किसी भी निवेश गतिविधि का प्राथमिक सदस्य है। निवेश का पूरा विचार - भविष्य में लाभ पाने के उद्देश्य से अब पैसा निवेश करना - भविष्य की भविष्यवाणी के विचार पर आधारित है। तदनुसार, वित्तीय समय की भविष्यवाणी निवेश उद्योग की जड़ में है - सभी स्टॉक एक्सचेंज और ओवर-द-काउंटर (ओटीसी) बाजार यह ज्ञात है, 99 सभी ट्रेड सट्टा हैं, यानी वे किसी वास्तविक व्यापार के कारोबार में नहीं, बल्कि स्कीम खरीदने का लाभ लेने पर - सस्ते बेचते हैं। वे सभी व्यापार प्रतिभागियों द्वारा मूल्य आंदोलनों के पूर्वानुमान पर आधारित हैं। क्या महत्वपूर्ण है - व्यापार प्रतिभागियों के पूर्वानुमान एक-दूसरे के विपरीत हैं इसलिए सट्टा के संचालन की मात्रा बाजार सहभागियों के पूर्वानुमान में अंतर को दर्शाती है, i। ई। वास्तव में - वित्तीय समय श्रृंखला की अनिश्चितता। मार्केट टाइम सीरीज की यह सबसे महत्वपूर्ण विशेषता कुशल बाजार के सिद्धांत को एलजी बैचलर की थीसिस में 1 9 00 में वर्णित है। इस थीसिस के अनुसार, एक निवेशक केवल औसत बाजार लाभप्रदता पर निर्भर करता है, सूचकांक द्वारा मूल्यांकन किया जाता है, जैसे डो जोन्स या न्यू यॉर्क एक्सचेंज के लिए SampP500 कोई सट्टा लाभ यादृच्छिक प्रकृति का है और जुआ की तरह है (इसमें कुछ आकर्षक है, वह नहीं है)। बाज़ार घटता की अप्रत्याशित प्रकृति का कारण यही है, क्योंकि सार्वजनिक स्थान पर पैसा शायद ही कभी जमीन पर क्यों पड़ता है: बहुत सारे लोग इसे लेने की इच्छा रखते हैं। स्वाभाविक रूप से, एक कुशल बाजार का सिद्धांत बाजार सहभागियों द्वारा समर्थित नहीं है (जो कि पैसे के बारे में झूठ बोल रहे हैं)। उनमें से बहुत से लोग सोचते हैं कि, अपेक्षाकृत स्थूलता के बावजूद, सभी समय श्रृंखला छिपी नियमितता से भरे हुए हैं, यानी उम्मीद के मुताबिक कम से कम आंशिक रूप से। एक लहर विश्लेषण के संस्थापक आर। इलियट ने 30 के दशक में अपने लेखों में छिपी हुई अनुभवजन्य नियमितताएं ढूँढ़ने की कोशिश की। 80 के दशकों में गतिशील अराजकता के नवगठित सिद्धांत में इस दृष्टिकोण का अप्रत्याशित रूप से समर्थन किया गया था। यह सिद्धांत अराजक राज्य और स्थिरता (यादृच्छिकता) के contraposition पर आधारित है। अराजक श्रृंखला केवल यादृच्छिक लगती है, लेकिन एक निर्धारक गतिशील प्रक्रिया के रूप में वे अल्पकालिक पूर्वानुमान की अनुमति देते हैं। भविष्यवाणी के क्षितिज द्वारा संभव पूर्वानुमान के क्षेत्र को समय पर प्रतिबंधित किया गया है। लेकिन यह भविष्यवाणी से वास्तविक लाभ पाने के लिए पर्याप्त हो सकता है (चोरफास, 1 99 4) और वे, जो शोरग्रस्त अराजक श्रृंखला से नियमित रूप से निकालने के सर्वोत्तम गणित के तरीकों का इस्तेमाल करते हैं, कम लाभ वाले फ़ेलो की कीमत पर - बड़े लाभ की उम्मीद कर सकते हैं। पिछले दशक में तकनीकी विश्लेषण की लोकप्रियता के लगातार विकास के कारण - बाजार व्यवहार के विभिन्न संकेतकों के आधार पर, अनुभवजन्य नियमों का एक सेट। तकनीकी विश्लेषण इस वित्तीय साधन के व्यक्तिगत व्यवहार, अन्य प्रतिभूतियों के अलावा, पर केंद्रित है। लेकिन तकनीकी विश्लेषण बहुत ही व्यक्तिपरक है और एक चार्ट के दाहिने किनारे पर अक्षमता से काम करता है - वास्तव में हमें एक मूल्य दिशा के पूर्वानुमान की आवश्यकता है। यही कारण है कि न्यूरो-नेटवर्क विश्लेषण द्वारा अधिक लोकप्रियता प्राप्त की जाती है, क्योंकि तकनीकी के विपरीत, यह प्रवेश जानकारी के प्रकार पर कोई प्रतिबंध नहीं लगाता है। यह दी गई सूचक श्रृंखला के संकेतक भी हो सकते हैं, साथ ही साथ अन्य बाजार उपकरणों के व्यवहार के बारे में जानकारी भी हो सकती है। व्यर्थ तंत्रिका नेटवर्क में संस्थागत निवेशकों (उदाहरण के लिए बड़े पेंशन पूंजी निधियों) द्वारा व्यापक रूप से उपयोग किया जाता है, बड़े पोर्टफोलियो के साथ काम करना, विभिन्न बाजारों के बीच संबंधों पर बहुत महत्व रखता है। शुद्ध न्यूरो-नेटवर्क मॉडलिंग केवल डेटा पर आधारित है, किसी पूर्ववर्ती तर्क का उपयोग नहीं कर रहा है। यह एक ही समय में इसकी मजबूत और सप्ताह बिंदु है। उपलब्ध डेटा प्रशिक्षण के लिए अपर्याप्त हो सकता है, संभावित प्रविष्टियों की आयाम बहुत बड़ी हो सकती है यही कारण है कि एक अच्छी भविष्यवाणी के लिए, बड़ी कार्यक्षमता के साथ neuropackages का उपयोग करना चाहिए डेटा तैयार करना ऑपरेशन शुरू करने के लिए हमें डेटा तैयार करना चाहिए। इस काम की शुद्धता सफलता की 80 को प्रभावित करती है। न्यूरल नेटवर्क के गुरु कहते हैं, कि प्रविष्टियों और बाहर निकलती है, किसी को उद्धरण चिह्नों के मूल्यों का उपयोग नहीं करना चाहिए। क्या वास्तव में महत्वपूर्ण है उद्धरण परिवर्तन है हालांकि इन परिवर्तनों के आयाम को उद्धरण से कम नियम के रूप में किया जाता है, फिर भी लगातार उद्धरण मूल्यों के बीच एक मजबूत संबंध होता है - अगले पल में सबसे संभावित उद्धरण मूल्य उसके पिछले मान सी (टी 1) सी (टी ) डेल्टा (सी) सी (टी)। इस बीच, एक उच्चतर प्रशिक्षण गुणवत्ता के लिए हमें प्रविष्टियों के आंकड़ों की स्वतंत्रता पर ध्यान देना चाहिए, अर्थात इस तरह के सहसंबंधों से परहेज करना। यही कारण है कि एंट्री वैरिएबल को सांख्यिकीय रूप से सबसे स्वतंत्र मानों के रूप में चुनना तर्कसंगत है, उदाहरण के लिए उद्धरण परिवर्तन डेल्टा (सी) या रिश्तेदार वेतन वृद्धि लॉगरिथम लॉग (सी (टी) सी (टी 1))। आखिरी विकल्प लंबी अवधि के लिए बेहतर है, जब मुद्रास्फीति का प्रभाव समझदार होता है। ऐसे मामले में श्रृंखला के कुछ हिस्सों में साधारण मतभेद भिन्न आयाम होंगे, क्योंकि ये वास्तव में अलग-अलग इकाइयों में मूल्यवान हैं। और इसके विपरीत, लगातार उद्धरणों के संबंध माप इकाइयों पर निर्भर नहीं होते हैं और माप इकाइयों के मुद्रास्फीति में परिवर्तन की परवाह किए बिना एक ही पैमाने पर होंगे। नतीजतन, श्रृंखला की बड़ी ताकतवर एक बड़े इतिहास को प्रशिक्षण देने के लिए सक्षम बनाता है, इस प्रकार बेहतर प्रशिक्षण प्रदान करता है। अंतराल में विसर्जन का नुकसान नेट की सीमित नजर है। इसके विपरीत, तकनीकी विश्लेषण अतीत में एक खिड़की तय नहीं करता है, और कभी-कभी दूर श्रृंखला मूल्यों का उपयोग करता है उदाहरण के लिए अधिकतर न्यूनतम और न्यूनतम श्रृंखला के मानकों का भी दावा है कि व्यापारियों के दिमाग पर काफी प्रभाव पड़ता है, और इसके परिणामस्वरूप भविष्यवाणी के लिए मूल्यवान होना चाहिए। अंतराल अंतरिक्ष में विसर्जन की विस्तृत चौड़ी खिड़की ऐसी जानकारी प्रदान करने में सक्षम नहीं है, जो स्वाभाविक रूप से, पूर्वानुमान की दक्षता को कम करती है। दूसरी तरफ, खिड़की को ऐसे आयामों तक चौड़ा करना, जब इसमें अत्यधिक चरम श्रृंखला मूल्य शामिल होते हैं, नेट की आयाम बढ़ाता है, जिससे न्यूरोनेट पूर्वानुमान की बदतर सटीकता होती है। इस प्रतीत होता है मृत लॉक की स्थिति से बाहर का रास्ता श्रृंखला के पिछले व्यवहार के कोडिंग के वैकल्पिक तरीकों है। सहज रूप से यह स्पष्ट है, कि अतीत में आगे की श्रृंखला का इतिहास जाता है, इसके व्यवहार का कम विवरण पूर्वानुमान के परिणाम को प्रभावित करता है। यह व्यापारियों द्वारा अतीत की व्यक्तिपरक धारणा के मनोविज्ञान पर आधारित है, जो वास्तव में भविष्य को बनाते हैं। नतीजतन, हमें श्रृंखला गतिशीलता की प्रस्तुति को खोजने की आवश्यकता है, जिसमें एक चयनात्मक सटीकता होगी: आगे भविष्य में, कम विवरण, हालांकि वक्र के सामान्य रूप को संरक्षित करते हैं। यहाँ एक काफी वाजिब उपकरण एक तरंगिका अपघटन हो सकता है। अनौपचारिकता के संदर्भ में यह अंतराल विसर्जन के बराबर है, लेकिन ऐसे डेटा संपीड़न को आसान स्वीकार करता है, जो चयनात्मक सटीकता के साथ अतीत का वर्णन करता है। सॉफ़्टवेयर का चयन करना विभिन्न सॉफ्टवेयर हैं, जो कि तंत्रिका नेटवर्क के साथ काम करने के लिए हैं उनमें से कुछ अधिक या कम सार्वभौमिक हैं, दूसरों को बहुत विशिष्ट हैं यहां कुछ कार्यक्रमों की एक छोटी सूची दी गई है: 1. मैटलैब गणितीय गणनाओं के लिए एक डेस्कटॉप प्रयोगशाला है, इलेक्ट्रिक सर्किट डिजाइनिंग और जटिल सिस्टम मॉडलिंग नेटवर्क में एक अधिक सटीक विन्यास के लिए - इसमें प्रोग्रामिंग नेटवर्क के लिए कमांड इंटरफेस, एनटीआईएस संपादक (शिक्षा, निर्माण, प्रशिक्षण और ग्राफिक इंटरफ़ेस), तंत्रिका नेटवर्क के लिए एक अंतर्निहित प्रोग्रामिंग भाषा और उपकरणों का एक बड़ा सेट है - एनएनटील। 2. आंकड़े विश्लेषण करने और आंकड़ों के विश्लेषण के लिए स्टेटिस्टिका एक शक्तिशाली सॉफ्टवेयर है। इस पैकेज में न्यूरोनेट्स के साथ कार्य ब्लॉक स्टेटीस्टिका न्यूरल नेटवर्क (संक्षिप्त, एसटी न्यूरल नेटवर्क्स, कंपनी स्टेटसॉफ्ट के न्यूरो-नेट पैकाग) में प्रस्तुत किया गया है, जो डेटा विश्लेषण के न्यूरोनेट पद्धतियों के पूरे समूह की पूर्ति है। 3. मस्तिष्कमेकर कार्य को सुलझाने के लिए है, जो अभी तक कोई औपचारिक तरीके और एल्गोरिदम नहीं है, अपूर्ण, शोर और विरोधाभासी प्रवेश डेटा के साथ। ऐसे कार्यों के लिए हम एक्सचेंज और वित्तीय पूर्वानुमान, मॉडलिंग संकट की स्थिति, पैटर्न मान्यता और अन्य का उल्लेख करते हैं। 4. न्यूरो शेल डे ट्रेडर्स एक न्यूरोनेट सिस्टम है जो व्यापारियों की विशिष्ट आवश्यकताओं को पूरा करता है और उपयोग करने में काफी आसान है। यह कार्यक्रम अत्यधिक विशिष्ट है और व्यापार के लिए है, हालांकि वास्तव में ब्लैकबॉक्स के बहुत करीब है। 5. अन्य कार्यक्रम कम लोकप्रिय हैं। प्राथमिक ऑपरेशन के लिए Matlab काफी उपयुक्त है। हम विदेशी मुद्रा की भविष्यवाणी के लिए न्यूरोनेट की फिटनेस को परिभाषित करने का प्रयास करेंगे। मैटलैब कॉम्प्लेक्स के बारे में जानकारी en. wikipedia. org पर विकिपीडिया में मिल सकती है विकिपीडिया एमएटीएलएल कार्यक्रम के बारे में बहुत सी जानकारी वेब-साइट मैथवर्क पर है प्रयोग डेटा तैयार करना डाटा मेटा ट्रेडर के मानक उपकरण का आसानी से अधिग्रहण कर लिया गया है: सर्विस - जीटी उद्धरण संग्रह - gt निर्यात एक परिणाम के रूप में हमें। Csv फ़ाइल मिलती है, जो डेटा तैयार करने के लिए एक कच्चा माल है। ऑपरेशन. xls फ़ाइल के लिए फ़ाइल को सुविधाजनक बनाने के लिए,.csv फ़ाइल से डेटा आयात करें। एक्सेल में इस उद्देश्य के लिए निम्नलिखित करें: डेटा-जीटी बाहरी डेटा आयात करें- जीटी आयात डेटा और तैयार प्राथमिक फ़ाइल का संकेत दें आयात मास्टर में सभी आवश्यक क्रियाएं 3 चरणों में की जाती हैं: तीसरे चरण में पूर्णांक का विभाजक और एक बिंदु से दशमलव भाग, अधिक का उपयोग करके आंकड़ों को संख्या के रूप में स्वीकार करने के लिए, स्ट्रिंग्स नहीं, एक बिंदु से पूर्णांक और दशमलव भाग के विभाजक का स्थान: सेवा - gt पैरामीटर - gt International - gt पूर्णांक और दशमलव भाग के विभाजक। स्क्रीनशॉट खोलने और बंद होने की कीमतों को बचाने के उदाहरण दिखाते हैं, अन्य डेटा की अभी तक आवश्यकता नहीं है। अब सभी आंकड़ों को हम जो भविष्यवाणी करना चाहते हैं उसके अनुसार परिणत करें। आइए हम अगले दिन के चार दिनों में (अंतिम आंकड़े पांच कालमों में प्रस्तुत किए जाते हैं, कीमतें कालानुक्रमिक क्रम में होती हैं) पर अगले दिन के समापन मूल्य का अनुमान लगाते हैं। एक्सेल में आसान जोड़तोड़ के लिए धन्यवाद, डेटा दो मिनट के भीतर तैयार है। एक तैयार डेटा फ़ाइल का एक उदाहरण लेख से जुड़ा हुआ है। Matlab फ़ाइलों को समझने के लिए, तैयार डेटा.txt या में सहेजा जाना चाहिए। फाइलें हम उन्हें.txt फ़ाइलों में सहेज सकते हैं। फिर प्रत्येक फाइल को विभाजित किया जाना चाहिए - शुद्ध प्रशिक्षण (चयन) और उसके परीक्षण (चयन के बाहर) के लिए इस तरह से तैयार यूरो। ज़िप डाटा आगे के संचालन के लिए उपयुक्त हैं। Matlab के साथ परिचित आदेश पंक्ति से anfisedit आदेश का उपयोग कर पैकेज ANFIS शुरू करें। संपादक के लिए प्रशिक्षण (ट्रेन एफआईएस) और इसके परीक्षण (टेस्ट एफआईएस) के लिए शुद्ध पीढ़ी (जनरेट एफआईएस) के लिए डेटा (लोड डेटा) के लिए चार बार होते हैं। ऊपरी पट्टी का उपयोग न्यूरोनेट संरचना (एएनएफआईएस इन्फो) के पूर्वावलोकन के लिए किया जाता है। पैकेज ऑपरेशन के बारे में अधिक जानकारी यहां है: ऑपरेशन लोड डेटा को प्रारंभ करने के लिए, पिछले चरणों में तैयार - घड़ी डेटा लोड करें और चयन डेटा के साथ फाइल को इंगित करें। फिर एफआईएस जेनरेट करने के लिए एक तंत्रिका नेटवर्क बनाएं प्रत्येक एंट्री वैरिएबल के लिए त्रिभुज संदर्भ समारोह के साथ 3 भाषाई चर सेट करें। एक निकास समारोह के संदर्भ के एक समारोह के रूप में एक रैखिक समारोह निर्धारित करें। न्यूरोनेट पैकेज के लिए पैकेज एन्फिसएडिट में 2 प्रशिक्षण एल्गोरिदम शामिल हैं - बैक प्रचार और एक हाइब्रिड एक। एक संकर प्रशिक्षण के साथ नेट को दो-तीन रन के भीतर प्रशिक्षित किया जाता है। प्रशिक्षण के बाद एक प्रशिक्षण चयन (60 मान) पर, नेट के पूर्वानुमान वास्तविक बिंदु से कई बिंदुओं में अलग हैं लेकिन हमें भविष्य की भविष्यवाणी करने की ज़रूरत है भविष्य के चयन के आंकड़ों के रूप में हम अगले 9 दिनों के भीतर-चयन डेटा लेते हैं। बाहर-चयन डेटा पर औसत वर्ग की त्रुटि 32 अंकों की बनायी गयी, जो वास्तव में असली व्यापार में अस्वीकार्य है, लेकिन यह दर्शाता है कि न्यूरोनेट दिशा आगे विकसित हो सकती है - खेल मोमबत्ती के लायक होना चाहिए। हमारे काम का नतीजा बहुपरत हाइब्रिड न्यूरल नेटवर्क है जो नजदीकी भविष्य के लिए पूर्ण मूल्य मानों की भविष्यवाणी कर सकता है। यह एक वास्तुशिल्प और प्रयोजनों में एक-एक परत तंत्रिका नेटवर्क से बदलता है, जिसका वर्णन वाई। रीत्थोव द्वारा अपने लेख खंड 1414 में और एक विशेषज्ञ सलाहकार mql5rucode10289 के रूप में किया गया। हम उद्धरण पर अधिक या कम सहनीय पूर्वानुमान प्राप्त करने में कामयाब रहे, हालांकि तंत्रिका नेटवर्क विशेषज्ञों ने ऐसा करने की अनुशंसा नहीं की है। परिणामस्वरूप न्यूरोनेट क्लिक संरचना को देखने के लिए एक प्रशिक्षित तंत्रिका नेटवर्क संलग्न फाइल neuro. zip में स्थित है। पैकेज के एक बड़े लाभ Matlab अन्य कार्यक्रमों के साथ इसकी एकीकरण है, और इसके एकीकरण डीडीई, कॉम-ऑब्जेक्ट्स, डीएलएल के कई रूप हैं। इसलिए, आपको स्क्रैच फ़ोरम से उपकरण बनाने की ज़रूरत नहीं है। Mql4ru5220 आप तंत्रिका नेटवर्क और आनुवंशिक एल्गोरिदम के साथ काम करने के लिए तैयार कार्यक्रम समाधान का उपयोग कर सकते हैं। फिर स्थिर पूर्वानुमान के परिणाम मिलने के बाद, आप प्रोग्राम मेटाट्रेडर में डीएलएल के माध्यम से तंत्रिका नेटवर्क को एकीकृत कर सकते हैं। निष्कर्ष वित्तीय बाजारों में काम करने के लिए तंत्रिका नेटवर्क एक बहुत ही शक्तिशाली उपकरण हैं, लेकिन इस तकनीक को सीखने के लिए तकनीकी विश्लेषण सीखने से कम समय और प्रयास की आवश्यकता होती है। न्यूरल नेटवर्क का एक फायदा निर्णय लेने में उनकी निष्पक्षता है, उनका नुकसान - निर्णय वास्तव में एक ब्लैक बॉक्स द्वारा बनाया जाता है इस तकनीक के साथ काम के दौरान हो सकता है कि मुख्य समस्या डेटा के सही पूर्व प्रसंस्करण के साथ जुड़ा हुआ है। यह चरण डेटा पूर्वानुमान में महत्वपूर्ण भूमिका निभाता है और तंत्रिका नेटवर्क के साथ काम करने के कई असफल प्रयास इस चरण से जुड़े होते हैं। ठीक से नेटवर्क सीखने के लिए किसी को बहुत कुछ प्रयोग करना है - लेकिन खेल मोमबत्ती के लायक है यदि संस्थागत निवेशक इस उपकरण का उपयोग करते हैं, तो सामान्य व्यापारियों ने प्रशिक्षित तंत्रिका नेटवर्क का उपयोग करने में सफल होने का भी प्रयास कर सकते हैं, क्योंकि कुछ भी नेटवर्क पर इनपुट हो सकता है - संकेतक और मूल्यों से मौलिक विश्लेषण के संकेत तक। सन्दर्भों की सूची 1. नेजरोकोप्लीटिंग मैं पहले से ही शुरूआत में हूं। ए। एज़ोव, एस। शमस्कीज 1998