истему MetaTrader 4 слідуючи ием ж вказівкам, що були дані для користувача-експерта. У середині лівого краю з'явився на екрані вікна виберіть скрипт get_nn_predict і запустіть. На екрані з'явиться таке вікно:
В
Рисунок 8 - Результат прогнозу
Тут в статусному рядку повідомлень видається набір з чотирьох чисел, по порядку позначають наступне: перше - середній курс наступної свічки, друге - зміна курсу на момент закриття наступної свічки, третє - аналог другої похідної (різниця між середнім значенням курсу за період і різницею цін відкриття і закриття), четверте - коливання курсу за період (різниця між мінімальним і максимальним свічковим значенням). На підставі цього і виробляється торгівля. p align="justify"> Майте на увазі, результат виходить для поточного (вибраного мишею) графіка в тому випадку, якщо нейронна мережа для котирувань обраних валютних пар на заданому тайм-фреймі попередньо експертом була створена.
2.4 Опис контрольного прикладу. Результати випробувань
Контрольний приклад для аналізу роботи реалізованої системи був узятий з реальних історичних даних ринку Forex. Він являє собою курс валютної пари за останні 2 міс. З інтервалом в 4 години і більш докладно представлений у додатку Б.
Навчання нейронної мережі на контрольному прикладі зайняло приблизно 30 секунд на при тактовій частоті процесора рівній 1.86 ГГц і об'ємом оперативної пам'яті рівним 512 Мб і відбувалося наступним чином:
В
Рисунок 9 - Вікно залежності помилки навченою мережі від кількості нейронів у ній
Навчання зійшлося за 400 епох (доданих нейронів) з похибкою рівною або меншою 0.02, що при інтервалі нормалізації [-1; 1] дає помилку рівну або менше 1%.
Висновок
Згідно із завданням на курсовий проект розроблено автоматизовану систему прогнозування відносного курсу валютних пар для міжнародної валютної біржі Forex з використанням нейронних мереж.
В якості структури мережі для апроксимації функцій була обрана радіально-базисна нейронна мережа (HRBF). p align="justify"> У ході роботи були сформульовані вимоги до технічного забезпечення та обгрунтовано вибір засобів автоматизації. Програмне забезпечення системи розроблено в середовищі MetaTrader 4/MatLab 6.5 під управлінням операційної системи Windows XP Professional. br/>
Список використаних джерел
Осовский С. Нейронні мережі для обробки інформації/Пер. з польської І.Д. Рудинського. - М.: Фінанси і статистика, 2002. - 344 с. p align="justify"> Горбань О.М. Узагальнена апроксимаційна теорема та обчислювальні можливості нейронних мереж. // Сибірський журнал обчислювальної математики. - 1998. - Т.1, № 1. - С. 12 - 24. br/>
Додаток А
...
