Нейросетевая торговая система Meta Trader 4 + MATLAB. Пошаговая разработка. Издание второе

Книга посвящена созданию и внедрению автоматической нейросетевой торговой системы, разрабатываемой на базе платформы MT4 и с использованием языка программирования Matlab. Основная цель автора заключается в том, чтобы предоставить читателям инструменты и методы для разработки собственных торговых стратегий, основанных на нейронных сетях и стандартных индикаторах теханализа, таких как Bollinger Bands, Stochastic, RSI и другие. Процесс разработки системы начинается с запуска специального скрипта, названного "ScriptIn". Этот скрипт осуществляет сбор данных из графиков цен и последующую запись этих данных в CSV файлы для последующего анализа. Индикаторы фиксируются за определенные временные промежутки и записываются в файлы "In.csv" и "Out.csv". Первый файл предназначен для обучения нейросети, тогда как второй — для анализа результатов и предсказания направлений цены (вверх или вниз) и их амплитуды. Следующий этап включает в себя использование экспертной системы "ExpertPrimer", необходимой для тестирования нейросети. После выполнения всех необходимых скриптов и экспертов формируются дополнительные файлы, содержащие результаты, которые затем загружаются в Matlab – платформу для обучения и обработки данных нейросети. Обучение осуществляется на заранее подготовленных данных из файла "In.csv". Результаты обучения сохраняются и могут быть использованы для дальнейшего анализа и интеграции в торговую стратегию. Ключевым моментом является установка структуры нейронной сети, которая включает определенное количество скрытых слоев и параметры для разделения выборки на тренировочную, валидационную и тестовую. После завершения обучения результаты команды записываются в специальный файл, обозначаемый как Indicator.csv, который потом будет использоваться для генерации торговых сигналов. Это является основой для автоматизированной торговли, где алгоритм принимает решения на основе сигналов, сформированных нейросетью. Теперь важно интегрировать полученные данные нейросети с индикатором в MQL4, что требует создания буферов для хранения сигналов и импорта данных из CSV-файла. Здесь же происходит реализация логики открытия и закрытия торговых позиций в зависимости от сгенерированных сигналов. Каждый алгоритм содержит набор условий, ограничивающих выполнение сделок по времени и настройкам управления прибылью и убытками. Это контролирует риск и способствует большей эффективности автоматизированной торговли. В заключительных частях книги автор анализирует важность оптимизации нейросети для повышения точности торговых сигналов, подчеркивает необходимость тестирования и улучшения существующих стратегий. Читатели получают возможность глубже понять и применять подходы нейронных сетей и алгоритмического анализа к созданию системы автоматической торговли. Таким образом, книга является практическим путеводителем для всех, кто стремится использовать инновационные технологии для успеха на финансовых рынках.