الفوركس mt4 سعر التنبؤ المؤشر

حركة السعر المتقدم توقع برو الإصدار MT4 ويتوقع حركة السعر على المدى القصير على الأرجح على أساس العمليات الحسابية المتقدمة. تقدير حركة السعر الفوري حساب اتجاه السوق الحقيقي حساب أهم مستويات الدعم والمقاومة خوارزميات الأمثل لإجراء حسابات رياضية معقدة مع استنزاف الحد الأدنى من موارد النظام ضبط النفس لأداء أفضل، لذلك قادرة على العمل بشكل صحيح في أي رمز (مهما كانت غريبة) وأي إطار زمني متوافق مع أي منصة ميتاتريدر، بغض النظر عن عدد من الأرقام أو غيرها من المعالم متوافق مع أي أداة أخرى (مؤشر، إي أو النصي) دون إبطاء أداء المحطة وعمليات التداول. إنترودكتيون معظم المؤشرات الكلاسيكية التي تشكل استراتيجيات التداول المشتركة تقوم على الرياضيات بسيطة، وليس لأنه عندما تم إنشاء هذه المؤشرات لم يكن هناك علماء الرياضيات المعلقة (في الواقع كان هناك على الأرجح أفضل علماء الرياضيات ثم من الآن)، ولكن لأن أجهزة الكمبيوتر لم تكن موجودة أو أنهم ببساطة لديهم قوة معالجة منخفضة لأداء العمليات الرياضية المعقدة باستمرار. في الوقت الحاضر، أي هاتف ذكي يفوق بأغلبية ساحقة أقوى جهاز كمبيوتر منذ بضعة عقود فقط. وبالتالي فإن القدرة على معالجة كميات هائلة من المعلومات ليست قيود في هذه الأيام، باستثناء عمليات محاكاة معقدة للغاية. مؤشر حركة السعر المتقدم (أبمب) يستفيد من قدرة المعالجة الحالية لالتقاط جوهر تقلبات الأسعار من خلال بعض المفاهيم الرياضية والإحصائية والاحتمالية الأكثر تقدما. أبمب لا توفر التنبؤ نفسه، لأن حركة السعر هو عملية عشوائية غير ثابتة وبالتالي فإنه لا يمكن التنبؤ بها. ومع ذلك، فإنه يجعل تقدير ديناميكية وموثوق بها للغاية من حركة السعر الفوري. استنادا إلى نفس التحليل، أبم يعرض الاتجاه الحقيقي الحالي للسوق. لماذا الاتجاه الحقيقي ليس حقيقيا الاتجاه الذي تم الحصول عليه مع مؤشرات أخرى حتى الآن يتم الحصول على الاتجاه تقريبا تقريبا من المؤشرات الكلاسيكية مثل المتوسطات المتحركة، البولنجر باند أو بارابوليك سار، أو ببساطة بالطريقة التقليدية من رسم خط (أو خطين متوازيين يدويا) بين اثنين أو أكثر من النقاط الهامة. ومن الواضح أن تلك المؤشرات والأساليب لا تزال صالحة، خاصة وأنها تستخدم من قبل معظم التجار، ولكن معظمهم الحصول على أرباح مستدامة لدينا الحدس الذي لا يفعلونه. مع هذا المؤشر يمكنك تعزيز أو تحسين طريقة التداول الحالية الخاصة بك، أو يمكنك ببساطة رفض ذلك لأنك سترى أن حتى السلوك الأكثر فوضوية، مثل سعر السوق، يحترم أعداد كبيرة ويقتصر على صرامة جميع قوية القوانين الرياضية. كيفية استخدام ذلك في الأساس، واستخدام أبمب لا يختلف عن الطريقة التي تستخدم بانتظام الاتجاهات، ومستويات الدعم والمقاومة. ويتمثل الفرق الأساسي في موثوقية ومتانة تلك القيم التي يحسبها هذا المؤشر. الاستخدام المنتظم لل أبمب هو كما يلي: لاستراتيجيات التداول على أساس هذا الاتجاه، يجب على التجار شراء في المناطق بالقرب من مستويات الدعم في حين أن الاتجاه هو أعلى، وبيع في المناطق القريبة من مستويات المقاومة في حين أن الاتجاه إلى أسفل. بالنسبة لاستراتيجيات التداول القائمة على تصحيحات الاتجاه (الاتجاه المعاكس)، يجب على المتداولين شراء في مناطق قريبة من مستويات الدعم بينما الاتجاه ينخفض، وبيع في مناطق قريبة من مستويات المقاومة في حين أن الاتجاه صاعد. لاحظ أن المستويات الهامة يمكن أن تعمل إما كدعم أو مقاومة، لذلك فمن المهم أن نضع ذلك في الاعتبار عند تصميم استراتيجية التداول لدينا وإيلاء اهتمام خاص لسلوك السعر كلما كان قريبا من تلك المستويات. ويمكن أن تقع "وقف الخسارة" على مسافة من السعر المفتوح مساويا للفصل بين مستويات الدعم والمقاومة، ويمكن أن تكون مسافة جني الربح مرتين في الفصل السابق. أيضا، سيكون من الجيد استخدام ميزة وقف زائدة لتحريك وقف الخسارة عند مستويات الدعم والمقاومة تتحرك لصالح الموقف. الاستراتيجية المذكورة أعلاه ليست سوى اقتراح أساسي، ولكن يوفر أبمب ما يكفي من المعلومات لخلق مجموعة متنوعة من استراتيجيات التداول وتحسين القائمة منها. وسيكون من المثير للاهتمام أن نسمع عن الاستراتيجيات المختلفة المستمدة من هذا المؤشر. كيف يعمل أبمب يظهر المعلومات التالية: مستويات الدعم والمقاومة الأقرب إلى سعر السوق في الإطار الزمني الحالي وبقية فترات أعلى. الاتجاه الحقيقي والحركة الأكثر احتمالا على المدى القصير في الإطار الزمني الحالي وبقية الفترات العليا. تنبيهات عندما تظهر مناطق الازدحام وعندما يعبر السعر أي من المستويات الهامة. مناطق الازدحام هي تلك التي تتزامن 2 أو أكثر من المستويات. يمكن للمستخدمين أيضا تمكين مربع الحوار والبريد الإلكتروني التنبيهات. ويرافق كل من أبمب و ميتاترادر ​​التنبيهات الصفافير (تنبيه مسموع). وعلاوة على ذلك، يتم طباعة جميع التنبيهات على علامة التبويب الخبراء للسماح مرجعية في المستقبل والتحليل. ملاحظة: عند إرفاق أبمب برمز لأول مرة أو بعد وقت طويل، قد يستغرق الأمر ما يصل إلى دقيقة لمعالجة جميع البيانات من الأطر الزمنية المختلفة لتقييمها، لذا نوصي بتحديث جميع فترات الرمز ( s) التي تريد استخدامها، وبالتالي، أبمب سوف تعمل بشكل صحيح من البداية. نحن فريق صغير من كوديرسترادرس التي توفر خدمات البرمجة المهنية للعالم التجاري، ومعظمهم لمنصة ميتاتريدر. فريقنا لديه حوالي 7 سنوات (كمتوسط) من الخبرة التجارية وحوالي 6 سنوات (كمتوسط) مخصصة للبرمجة في ميتاترادر. لقد قمنا بتطوير البرامج النصية والمؤشرات والمستشارين الخبراء لكثير من العملاء في جميع أنحاء العالم واستخدامنا الخاص، كما هو الحال في مؤشر متقدم حركة السعر (أبمب).MetaTrader 4 - المؤشرات التالي السعر التنبؤ باستخدام الشبكة العصبية - مؤشر ل ميتاترادر ​​4 06262009 - إضافة مؤشر جديد بن توقع مع Smoothing. mq4، حيث يتم تمهيد الأسعار باستخدام إما قبل التنبؤات. 08202009 - تصحيح رمز حساب وظيفة تنشيط الخلايا العصبية لمنع استثناء الحسابي تحديث BPNN. cpp و BPNN. dll 08212009 - وأضاف تطهير الذاكرة في نهاية تنفيذ دل تحديث BPNN. cpp و BPNN. dll نظرية موجزة من الشبكات العصبية: العصبية الشبكة هو نموذج قابل للتعديل من النواتج كدالات للمدخلات. وهو يتألف من عدة طبقات: طبقة الإدخال. والتي تتكون من بيانات المدخلات طبقة خفية. والتي تتكون من معالجة العقد تسمى الخلايا العصبية انتاج الطبقة. والتي تتكون من واحد أو عدة الخلايا العصبية، التي مخرجاتها هي مخرجات الشبكة. جميع العقد من الطبقات المجاورة مترابطة. وتسمى هذه التوصيلات نقاط الاشتباك العصبي. كل مشبك لديه معامل التحجيم المعين، الذي يتم ضرب البيانات التي تم نشرها من خلال المشبك. ويسمى هذا معامل التحجيم الأوزان (ويك). في الشبكة العصبية للأمام إلى الأمام (فن) يتم نشر البيانات من المدخلات إلى المخرجات. في ما يلي مثال على فن مع طبقة إدخال واحدة وطبقة خرج واحدة وطبقتين مخفيتين: غالبا ما يختصر طوبولوجيا ففن على النحو التالي: لوت أوف إنبوتسغ - لوت أوف نيورونس في ليرغت مخفية الأولى - لوت من الخلايا العصبية في الثانية مخفية ليرغت -. - لوت أوف أوتبوتسغت. ويمكن الإشارة إلى الشبكة المذكورة أعلاه على أنها شبكة 4-3-3-1. تتم معالجة البيانات من قبل الخلايا العصبية في خطوتين، يظهر في المقابل داخل الدائرة عن طريق علامة الجمع وخطوة خطوة: يتم ضرب جميع المدخلات في الأوزان المرتبطة وخصم يتم معالجة المبالغ الناتجة عن طريق وظيفة تنشيط الخلايا العصبية. الذي خرج هو انتاج الخلايا العصبية. ومن وظيفة تنشيط الخلايا العصبية التي تعطي اللاخطية لنموذج الشبكة العصبية. وبدون ذلك، ليس هناك سبب لوجود طبقات مخفية، والشبكة العصبية يصبح نموذج الانحدار الذاتي الخطي (أر). ملفات المكتبة المغلقة لوظائف ن تسمح بالاختيار بين ثلاث وظائف تفعيل: عتبة التنشيط لهذه الدالات هي x0. ويمكن نقل هذه العتبة على طول المحور س بفضل مدخلات إضافية من كل الخلايا العصبية، ودعا الإدخال التحيز. والتي لديها أيضا الوزن المخصص لها. عدد المدخلات والمخرجات والطبقات المخفية والخلايا العصبية في هذه الطبقات، وقيم الأوزان المشبك تصف تماما فن، أي النموذج غير الخطية التي يخلقها. من أجل العثور على الأوزان يجب تدريب الشبكة. أثناء التدريب تحت إشراف. يتم تغذية عدة مجموعات من المدخلات السابقة والنواتج المتوقعة المقابلة للشبكة. يتم تحسين الأوزان لتحقيق أصغر خطأ بين مخرجات الشبكة والمخرجات المتوقعة. وأبسط طريقة لتحسين الوزن هي الانتشار الخلفي للأخطاء، وهو أسلوب انحدار الانحدار. وظيفة التدريب المغلقة قطار () يستخدم البديل من هذا الأسلوب، ودعا تحسين مرونة العودة إلى الوراء زائد (إربروب). يتم وصف هذه الطريقة هنا العيب الرئيسي لطرق التحسين القائمة على التدرج هو أنها غالبا ما تجد الحد الأدنى المحلي. بالنسبة لسلسلة الفوضى مثل سلسلة الأسعار، فإن سطح خطأ التدريب له شكل معقد جدا مع الكثير من الحد الأدنى المحلي. لمثل هذه السلسلة، الخوارزمية الجينية هي طريقة التدريب المفضل. BPNN. dll - ملف مكتبة BPNN. zip - أرشيف جميع الملفات اللازمة لتجميع BPNN. dll في C بن Prredictor. mq4 - مؤشر التنبؤ الأسعار المفتوحة في المستقبل بن التنبؤ مع Smoothing. mq4 - مؤشر التنبؤ أملس أسعار مفتوحة ملف BPNN. cpp اثنين وظائف: قطار () اختبار (). ويستخدم قطار () لتدريب الشبكة على أساس المدخلات السابقة الموردة وقيم الانتاج المتوقعة. يستخدم اختبار () لحساب مخرجات الشبكة باستخدام الأوزان المحسنة، التي وجدها قطار (). وفيما يلي قائمة المدخلات (الأخضر) الإخراج (الأزرق) المعلمات من القطار (): مزدوج إنبترين - بيانات التدريب المدخلات (1D مجموعة تحمل بيانات 2D، القديمة الأولى) الاستهداف المزدوج - بيانات الهدف الناتج للتدريب (2D البيانات كما 1D مجموعة، أقدم 1) مزدوجة أوترين - الناتج 1D مجموعة لعقد صافي مخرجات من التدريب نتر - من مجموعات التدريب إنت إو - استخدام إكست. أوزان التهيئة (1use إكستينيتوت، 0use رند) مزدوجة إكستينيتوت - الإدخال 1D صفيف لعقد صفيف 3D من الأوزان الأولية الخارجية مزدوجة المدربوت - إخراج 1D مجموعة لعقد مجموعة 3D من الأوزان المدربة إنت نوملايرس - من طبقات بما في ذلك المدخلات والمخفية والمخرجات إنت لش - من الخلايا العصبية في الطبقات. lsz0 هو من صافي المدخلات إنت عفت - نوع وظيفة تنشيط الخلايا العصبية (0: سيغم، 1: تانه، 2: س (1x)) إن أوف - 1 تمكن وظيفة التنشيط لطبقة الإخراج 0 تعطيل إنت نيب - ماكس من الحقائب التدريب ماكسسم ماكس - الحد الأقصى للتدريب مس توقف مرة واحدة يتم الوصول ماكسمس. هنا هي قائمة المدخلات (الأخضر) الإخراج (الأزرق) المعلمات اختبار (): مزدوج إنبتيست - بيانات اختبار الإدخال (بيانات 2D كما 1D صفيف، أقدم أولا) أوتيست مزدوج - الناتج 1D مجموعة لعقد صافي مخرجات التدريب (الأقدم أولا ) إنت نت - من مجموعات اختبار مزدوجة إكستينيتوت - الإدخال 1D مجموعة لعقد مجموعة 3D من الأوزان الأولية الخارجية إنت نوملايرس - من طبقات بما في ذلك المدخلات والمخفية والمخرجات إنت لش - من الخلايا العصبية في الطبقات. lsz0 هو من صافي المدخلات إنت عفت - نوع وظيفة تنشيط الخلايا العصبية (0: سيغم، 1: تانه، 2: س (1x)) إن أوف - 1 تمكن وظيفة التنشيط لطبقة الإخراج 0 تعطيل سواء لاستخدام وظيفة التنشيط في الإخراج طبقة أو لا (قيمة المعلمة أوف) يعتمد على طبيعة النواتج. وإذا كانت النواتج ثنائية، وهي الحالة في كثير من الأحيان في مشاكل التصنيف، ينبغي استعمال وظيفة التنشيط في طبقة المخرجات (OAF1). من فضلك، يرجى الانتباه إلى أن وظيفة التنشيط 0 (السيني) لديها 0 و 1 مستويات مشبعة في حين أن وظائف التنشيط 1 و 2 لها -1 و 1 المستويات. إذا كانت مخرجات الشبكة هي التنبؤ بالسعر، فلن تكون هناك حاجة إلى وظيفة التنشيط في طبقة المخرجات (OAF0). أمثلة على استخدام مكتبة ن: بن Predictor. mq4 - يتنبأ الأسعار المفتوحة في المستقبل. المدخلات من الشبكة هي التغيرات السعرية النسبية: حيث يتم احتساب ديلايي باعتباره عدد فيبوناتشي (1،2،3،5،8،13،21 ..). خرج الشبكة هو التغير النسبي المتوقع للسعر التالي. يتم إيقاف وظيفة التنشيط في طبقة الإخراج (OAF0). إكستن إنت لاستبار - آخر شريط في الماضي البيانات الخارجية فو فوتبارس - من الحانات في المستقبل للتنبؤ إكستيرن إنت نوملايرس - من طبقات بما في ذلك المدخلات والمخرجات أمبير خفية (2..6) إكسترنال إنت نومبينس - المدخلات الخارجية n nnNeurons1 - من الخلايا العصبية في أول الخلايا الخفية أو المخرجات الخارجية nnNeurons2 - من الخلايا العصبية في الطبقة الثانية المخفية أو المخرجة الخارجية n nnNeurons3 - من الخلايا العصبية في الطبقة الثالثة المخفية أو المخرجة الخارجية n nnNeurons4 - من الخلايا العصبية في الطبقة الرابعة المخفية أو المخرجة الخارجية n nnNeurons5 - من الخلايا العصبية في خفية الخامس أو إخراج طبقة الخارج ن نتر - من مجموعات التدريب الخارجي إنت نيب - ماكس من العصور الخارجية إنت ماكسمبور - يحدد maxmsE10maxMSEpwr التدريب يتوقف لوت ماكسمز الخارج إنت عفت - نوع من النشاط. (0: سيغم، 1: تانه، 2: x (1x)) يرسم المؤشر ثلاثة منحنيات على الرسم البياني: اللون الأحمر - التنبؤات بالأسعار المستقبلية باللون الأسود - أسعار التدريب المفتوحة السابقة، والتي استخدمت كمخرجات متوقعة للشبكة اللون الأزرق - مخرجات الشبكة لمدخلات التدريب بن Predictor. mq4 - يتنبأ مستقبل تمهيد أسعار مفتوحة. ويستخدم إما التمهيد مع فترة سموثبر. نسخ المغلقة BPNN. DLL إلى C: برنامج فيليزميترادر ​​4expertslibraries في ميتاتريدر: أدوات - خيارات - المستشارين الخبراء - السماح استيراد دل يمكنك أيضا ترجمة ملف دل الخاص بك باستخدام رموز المصدر في BPNN. zip. شبكة مع ثلاث طبقات (نوملايرس 3: إدخال واحد، واحد مخفي وإخراج واحد) يكفي لغالبية العظمى من الحالات. وفقا ل سيبينكو ثوريم (1989)، شبكة مع طبقة مخفية واحدة قادرة على تقريب أي وظيفة مستمرة متعددة المتغيرات إلى أي درجة المطلوب من الدقة شبكة مع اثنين من طبقات خفية قادرة على تقريب أي متقطع، متعددة المتغيرات وظيفة: العدد الأمثل من الخلايا العصبية في الطبقة الخفية يمكن العثور عليها من خلال التجربة والخطأ. ويمكن العثور على المجموعات التالية من ثومبكوت في الأدب: الخلايا العصبية الخفية (المدخلات من النواتج) 2، أو سكرت (المدخلات من المخرجات). تتبع خطأ التدريب، ذكرت من قبل المؤشر في نافذة الخبراء من ميتاتريدر. للتعميم، ينبغي اختيار عدد مجموعات التدريب (نتر) 2-5 مرات من العدد الإجمالي للأوزان في الشبكة. على سبيل المثال، افتراضيا، يستخدم بن Predictor. mq4 شبكة 12-5-1. ويبلغ إجمالي عدد الأوزان (121) 5671. ولذلك، ينبغي أن يكون عدد مجموعات التدريب (نتر) على الأقل 142. ويوضح الرسم البياني أدناه مفهوم التعميم والحفظ (الإفراط في تركيب). وينبغي تحويل بيانات المدخلات إلى الشبكة إلى ثابت. أسعار الفوركس ليست ثابتة. ويوصى أيضا لتطبيع المدخلات إلى -1.1 النطاق. يظهر الرسم البياني أدناه الدالة الخطية يبكس (x-إنبوت، y-أوتبوت) التي تكون مخرجاتها تالفة بسبب الضوضاء. ويؤدي هذا الضجيج المضاف إلى إخراج النواتج المقاسة للوظيفة (النقاط السوداء) من خط مستقيم. الدالة يف (x) يمكن نمذجة بواسطة شبكة تغذية إلى الأمام العصبية. يمكن تركيب الشبكة ذات عدد كبير من الأوزان على البيانات المقاسة مع خطأ صفر. ويظهر سلوكها كما منحنى أحمر يمر من خلال جميع النقاط السوداء. ومع ذلك، هذا المنحنى الأحمر لا علاقة له مع وظيفة خطية الأصلي يبكس (الأخضر). وعندما تستخدم هذه الشبكة المفرطة للتنبؤ بالقيم المستقبلية للوظيفة y (x)، ستؤدي إلى أخطاء كبيرة بسبب العشوائية للضوضاء المضافة. في مقابل تبادل هذه الرموز، المؤلف لديه صالح صغير أن نسأل. إذا كنت قادرا على جعل نظام التداول مربحة على أساس هذه الرموز، يرجى حصة فكرتك معي من خلال إرسال البريد الإلكتروني مباشرة إلى vlad1004yahoo.