Методология тестирования нейронного компонента стратегии выходов

Мы используем наибольшую из двух лучших нейронных сетей, обученных прогнозированию обращенного во времени Медленного %К. Предварительная обработка и логика принятия решений идентичны использованным в гл. 11. Используется сеть 18- 14- 4- 1 (18 нейронов в первом слое, 14 в первом промежуточном, 4 во втором промежуточном и 1 на выходе).

Параллельно используется МССВ. В дополнение к условиям выходов МССВ вводится условие: если прогнозируемое значение обращенного во времени Медленного %К выше некоего порога, т.е. положение рынка относительно ценового диапазона ближайшего будущего высоко, то система выходит из длинной позиции. Подобным же образом, если прогноз показывает, что рыночная цена находится вблизи нижней границы диапазона цен ближайшего будущего, то система выходит из любой корот-

static void Model (float *parms, float *dt, float *opn, float *hi, float *lo, float *cls, float *vol, float *oi, float *dlrv, int nb, TRDSIM &ts, float *eqcls) {

// Выполняет случайные входы с модифицированным стандартным выходом,

// улучшенным с помощью "сигнального выхода", основанного

// на нейропредсказателе для обратного Медленного %К.

// File = x21mod01.c

// parms - набор [1..MAXPRM] параметров

// dt - набор [l..nb] дат в формате ГГММДД

// орn - набор [1..nb] цен открытия

// hi - набор [1..nb] максимальных цен

// 1о - набор [l..nb] минимальных цен

// cls - набор [1..nb] цен закрытия

// vol - набор [l..nb] значений объема

// oi - набор [1..nb] значений открытого интереса

// dlrv - набор [l..nb] средних долларовой волатильности

// nb - количество дней в наборе данных

// ts - ссылка на класс торгового симулятора

// eqcls - набор [1..nb] уровней капитала по ценам закрытия

// объявляем локальные переменные

static int rc, cb, neontracts, maxhold, signal, ranseed;

static float mmstp, ptlim, limprice, stpprice, entryprice;

static int entryposted, entrybar;

static float exitatr[MAXBAR+1] , prd[KAXBAR+1] , rnum, thresh;

static long iseed;