Forex Nn

Télécharger NN Forex Indicator pour Metatrader gratuitement. Nous avons trouvé ce NN sur l'intérêt et nous n'avons rien payé pour obtenir cet indicateur impressionnant et donc nous croyons it8217s un indicateur d'échange de devises étrangères gratuit. Conclusion ce fichier mql travaillé avec divers autres indicateurs comme MT4 et Meta Trader 5, la possibilité de travailler avec d'autres types de metatrader est élevé. Avec ce test nous pourrions assurer les acheteurs et l'utilisateur qu'il n'y aura pas de problèmes de compatibilité. Nous serons heureux si vous pouvez évaluer l'indicateur et de jeter dans quelques-uns de vos commentaires ou des idées en l'affichant dans la zone de commentaire lorsque vous avez déjà réglé de faire usage de ce NN et de trouver cet indicateur comme bon pour le Forex. En outre, vous pourriez aider d'autres investisseurs de change à essayer de tels indicateurs avec vos remarques, évaluations et examens. Nous, les investisseurs de change sont autant que d'obtenir les indicateurs idéaux pour posséder un commerce précis. Nous espérons qu'avec cet indicateur NN totalement gratuit, vous allez obtenir le meilleur aide afin que vous puissiez avoir de meilleures décisions commerciales ainsi que le commerce beaucoup plus correctement et bien sûr avoir un plus grand revenu. Placer les indicateurs Forex, y compris NN dans le Web permet aux individus d'avoir un accès facile sur elle. It8217s excellent pour partager cet indicateur. Et si vous souhaitez les dernières mises à jour, alors comme notre page Facebook ou suivez-nous sur notre compte Twitter. Vous recevrez les dernières mises à jour et des nouvelles en ce qui concerne le nouvel indicateur, rapidement. Télécharger NN. mq4 Metatrader Indicator FreeFinally un vrai réseau neuronal EA Free - Something New Commercial Inscrit septembre 2008 911 Messages Bonjour tout le monde, son été un moment. Je n'ai généralement pas prendre de telles pauses de participer à ce forum, mais depuis plus d'un an, j'ai travaillé sur un projet très intense et après une année de tests en avant Im ici pour le partager avec vous tous. Im amis avec de nombreux commerçants professionnels et un tas d'entre nous se sont réunis, a combiné notre expertise et créé un réseau neuronal système automatisé pour Metatrader qui fonctionne réellement. Étant conscients que la plupart des EA sont absolument sans valeur ou pire, les escroqueries, nous avons pensé que mar mai être fournir quelque chose d'unique au commerçant de détail moyen de personnes qui peuvent vraiment être digne de confiance. Ce groupe s'appelle Metaneural. Weve a utilisé des réseaux de neurones et les a appliqués au trading Forex avec succès dans le passé et a décidé de traduire cette méthode dans un système de Metatrader. Il est largement connu que les grandes entreprises commerciales et les hedge funds utilisent des systèmes sophistiqués d'intelligence artificielle et de réseau nueral pour tirer profit des marchés financiers avec une précision stupéfiante. Nous avons pensé, pourquoi ne peut pas ce pouvoir également être disponible pour nous - les investisseurs de petite taille Alors j'ai pris une pause de toutes mes autres activités et travaillé dur avec Metaneural pour développer ce système, qui je crois être le seul réseau réel EA neural. En fait, il n'a même pas besoin d'être une EA, le code peut être écrit en C pour fonctionner exactement de la même manière dans tradestation, esignal, neuroshell, ou toute plateforme qui permet l'importation et la collecte de données DLL, Neurosolutions. Ive a fait des indicateurs et des systèmes de négociation pour la communauté forexfactory pendant des années ainsi je voulais vous donner les types la seule version libre de l'EA de Metaneural sur l'Internet. Je veux recevoir vos commentaires et impressions. Si ce fil va bien et doesnt obtenir sidetracked mal étendre le procès. Ive a eu l'amusement décrypter le marché de forex avec les grands esprits sur ce forum pendant des années et c'est mon plaisir de donner en arrière. Réseaux neuronaux dans les évaluations environnementales est l'avenir, j'espère que vous les gars pouvez réaliser cela et de développer vos propres systèmes. La première étape dans la création d'un cerveau réseau neuronal artificiel est de recueillir les données autour desquelles la structure du cerveau sera formé. Puisque nous essayons de créer un cerveau qui saura comment commercer les marchés nous devons rassembler des données de marché. Cependant, nous ne pouvons pas simplement collecter une masse de données et de la jeter dans notre moteur neuronal pour créer la structure de notre cerveau. Nous devons rassembler les données dans le format que nous voulons que le cerveau pour traiter ces données et éventuellement le même format, nous voulons qu'il crée la production po En d'autres termes, ne sont pas seulement dire à notre cerveau quoi penser, en lui donnant des données brutes, Mais nous devons lui dire comment penser, en formulant ces données brutes dans une configuration intelligible. Dans ce cas, notre configuration intelligible est des modèles. Nous rassemblons des données en segments, chaque segment se compose d'un certain nombre de barres définies par le commerçant dans notre indicateur de collection propriétaire qui est livré avec tous nos forfaits. Ce groupement de barres est collecté par rapport à la barre suivante qui vient après le groupement - nous appellerons cela le bar futur. Lors de la collecte de données sur le marché de la barre d'avenir est connu, car il est tous les données historiques, c'est la barre suivante après le regroupement. L'idée est que le cerveau du réseau neuronal trouvera des motifs complexes dans le groupe de barres et utilisera les informations recueillies, y compris la barre suivante après le regroupement, pour déterminer les motifs complexes qui précèdent le résultat de la barre suivante. Au cours de la négociation réelle ce résultat sera la barre de l'avenir qui en effet permet de savoir avec un haut degré de précision de la direction du marché avant qu'il ne se produise. Les données recueillies sont extraites dans une feuille de calcul qui affiche les données de prix comme étant ouvertes, hautes, basses, proches (OHLC). Le OHLC de chaque barre est collecté séparément et placé dans sa propre colonne. Dans l'exemple ci-dessus, chaque ligne représente 3 barres au total. Par conséquent, les colonnes représentent des centaines ou des milliers de barres collectées remontant à l'histoire. En plus de OHLC, vous pouvez également recueillir les valeurs de presque tous les indicateurs que vous sélectionnez, ce qui donnera essentiellement à cet indicateur la capacité de penser basée sur l'évolution des conditions du marché et de prédire La valeur suivante. Création et formation de réseaux neuronaux Maintenant que nous disposons de nos données collectées, extraites dans un fichier tableur dans une configuration intelligible, nous pouvons le charger dans notre moteur de réseau neuronal qui va créer la structure du cerveau artificiel, le former et tester son exactitude avant Sauvegarder la structure. Une fois que les données collectées sont importées dans le programme de construction de réseau, vous avez le choix de sélectionner les bits de données que vous souhaitez utiliser pour construire votre cerveau. C'est une caractéristique importante car elle permet à l'utilisateur de créer de nombreuses stratégies différentes basées sur n'importe quel élément de données est jugé nécessaire. Ce qui était essentiellement faire dans cette étape est de déterminer ce que le moteur va utiliser pour créer les schémas complexes mentionnés précédemment, qui a finalement décidé de la capacité de projection du réseau neuronal EA. Par exemple, disons que vous vouliez dire au réseau de neurones de ne rechercher que des modèles dans les prix ouverts des barres par rapport aux valeurs d'indicateur de votre indicateur préféré. Vous devez alors sélectionner votre indicateur dans le collecteur et choisir uniquement les entrées ouvertes et données dans le logiciel de construction décrit ci-dessus. Vous pouvez également sélectionner toutes les entrées, à l'exception de la colonne output1, qui signifie votre valeur de sortie - la sélection de toutes les entrées créera le schéma d'apprentissage le plus complexe possible et permettra ainsi à votre cerveau de répondre à de nombreux scénarios différents. Une fois que les entrées et sorties désirées sont sélectionnées, le logiciel créera la structure de votre cerveau de réseau neuronal et vous pourrez commencer à le former. Une partie des données recueillies est mise de côté et utilisée pour former et tester la précision de votre cerveau artificiel, vous verrez la sortie souhaitée commencer à se conformer aux données d'essai comme il apprend. Une fois ce processus est terminé, vous serez en mesure d'exporter le cerveau artificiel structuré sous la forme d'une DLL qui sera utilisé par l'EA MetaNeural. Une fois que le cerveau est construit, formé, testé et exporté en tant que DLL, vous pouvez commencer à négocier avec un cerveau réseau neuronal automatisé qui verra des modèles complexes qui sont impossibles pour un humain à atteindre. Obtenez l'EA de Metaneural maintenant en finançant un compte à FinFX avec n'importe quelle quantité et en utilisant notre service de photocopieuse pour refléter nos métiers gagnants professionnels dans votre compte. Après 50 lots complets sont échangés, vous recevrez l'EA Metaneural avec toutes les fonctionnalités pour les comptes GRATUIT doit être financé avec le lien fourni dans la section des prix du site Metaneural. Placez ces fichiers dans les dossiers suivants dans Metatrader: Expert Expert - Metatrader 4experts Indicateur de collecteur (DatacollectorV2a) - Metatrader 4expertsindicators Indicateur de réseau neuronal (Metaneural NN Indicateur) - Metatrader 4expertsindicators MQLLock et MT4NSAdapter Fichiers DLL - Metatrader 4expertslibraries Vous devez installer Neurosolutions 6 et Visual Studio 6 pour ce travail, des instructions sur ces installations peuvent être trouvées dans le manuel très détaillé joint à ce post. VOUS DEVEZ LIRE LE MANUEL Oui, il peut être appliqué à plusieurs devises simultanément car il peut être formé sur chaque devise individuellement et une structure de réseau neural peut être créée pour chaque devise. Je dirais que la seule dépendance du courtier serait l'intégrité de leur prix d'alimentation, plus stable et cohérente leur alimentation le mieux les données de formation sera et par la suite les métiers. N'étaient pas scalper nécessairement si la vitesse d'exécution n'est pas très important. Merci de votre intérêt. Félicitations pour le développement d'un système qui donne des rendements sains. Toujours mieux que d'étonner les EA qui finissent généralement par souffler le compte. Je suis un membre commercial me partageant mon système Fibonacci Makeover (ForexFibs) ici afin que je puisse comprendre pourquoi vous offrez une EA gratuite. Ma question est peut cette EA être appliquée à de multiples devises, car il est basé sur les réseaux réels neuronaux Est-il dépendant de broker et d'exécution speedSnowCron Réseaux neuronaux pour le commerce FOREX Dans cet article: un exemple d'utilisation de notre logiciel Neural Networks pour créer un neuronal complet Réseau. Cet exemple utilise le langage de script intégré de Cortex. Alors s'il vous plaît lire le guide de langage de script d'abord. Utiliser les réseaux neuronaux pour créer la stratégie de trading FOREX Dans ce tutoriel en ligne gratuit, vous trouverez le cycle complet de l'utilisation des réseaux neuronaux (Cortex Neural Networks Software) pour le trading Forex (ou le marché boursier, l'idée est la même). Vous apprendrez à choisir des intrants pour les réseaux de neurones artificiels. Et comment décider quoi utiliser comme sortie. Vous trouverez un exemple d'un script prêt à utiliser qui permet d'effectuer l'optimisation des réseaux neuronaux à la fois de la structure du réseau neuronal (nombre de neurones) et du système de trading forex (stop loss etc.) Enfin (la partie qui n'est pas présente dans La plupart des tutoriels), vous apprendrez quoi faire ensuite. Après tout, Cortex Neural Networks Software ne peut pas faire de négociation en temps réel, vous avez besoin d'utiliser quelque chose comme Trade Station, MetaQuotes ou MetaTrader. Comment porter le système de trading FOREX de Cortex à votre plateforme de trading préférée Avez-vous à traiter avec les DLL, les contrôles ActiveX et la programmation de bas niveau La réponse est NON. Cortex Neural Networks logiciel est livré avec la fonctionnalité facile à utiliser qui vous permet de porter facilement le réseau neuronal résultant (formés) au langage de script de votre plateforme de négociation. Pas de DLL, DDE, ActiveX ou tout autre bas niveau de solutions - tout est simple et simple. Note importante: ce n'est pas une façon de commerce tutoriel. Au lieu de cela, il vous indique comment utiliser le logiciel Cortex Neural Networks. Mais vous avez encore besoin d'inventer votre propre système commercial. Celui que nous utilisons ici est à peine un point de départ, et ne devrait pas être utilisé comme une stratégie de trading forex comme il est. L'idée de ce texte est de vous apprendre à créer des systèmes de négociation basés sur NN et de les porter à la plate-forme de négociation de votre choix. L'exemple est, cependant, simplifié et ne peut être utilisé que comme illustration de principes commerciaux. De même, le système de négociation MACD, qui peut être trouvé dans de nombreux tutoriels, ne fonctionne pas bien (comme les marchés ont changé), mais est encore un bon exemple d'utilisation d'indicateurs pour le trading mécanique. En deux mots: faire votre propre analyse. Une autre note importante: le tutoriel utilise des exemples, beaucoup d'entre eux. Pour vous faciliter la vie, je les ai tous inclus, pas seulement des fragments. Cependant, il rend le texte beaucoup plus long. Aussi, je vais de la toute première, maladroit, système de trading forex. À plus avancé, chaque fois expliquant ce qui avait été amélioré et pourquoi. Soyez patient, ou sautez directement à la section dont vous avez besoin. Note finale importante: le code n'est pas quelque chose sculpté dans la pierre, il pourrait changer pendant que ce texte a été écrit. Les versions finales des fichiers de script sont incluses dans l'archive Cortex. Les pièges de FOREX ACHETER SELL Signaux: Qu'est-ce qui ne va pas avec des exemples simples Dans le logiciel Cortex Neural Networks Software guide nous avons utilisé un exemple simple d'un réseau neuronal aftifficial. Prédisant le prix du stock GENZ. Pour savoir ce qui ne va pas avec cette approche, nous allons faire le même exemple simple, en utilisant MSFT. TXT, au lieu du GENZ. TXT (utiliser 800 enregistrements dans le jeu d'apprentissage, comme MSFT. TXT est un peu plus court, puis GENZ. SMS). Il ne fonctionnerait pas Pourquoi la raison deviendra évidente, si vous vous demandez: Quelle est la raison pour laquelle la prévision réseau neuronal de valeurs futures peut être fait sur la première place La réponse est: il s'agit d'apprendre à faire ce qu'on appelle la reconnaissance des réseaux de réseaux neuronaux. Pour reconnaître des motifs, et s'il ya une logique cachée dans ces modèles, alors même un nouveau modèle (avec la même logique) sera reconnu. C'est un truc - avec la même logique. Il n'y a pas un seul, mais trois problèmes ici. Tout d'abord, si vous regardez le prix des actions de Microsofts, vous remarquerez qu'il était en baisse dans la partie apprentissage de nos données, et de côté - dans la partie test. Il est donc possible que la logique ait changé. Deuxièmement, et ce qui est encore plus important - QU'EST-CE QUE LE MODÈLE Vous voyez, si nous avons enseigné le réseau de neurones dans la gamme 10 - 100, puis présenté avec quelque chose dans la gamme 1 à 3 - ils sont différents modèles 10, 20, 30 et 1, 2, 3 ressemblent à l'humain parce que - PARCE QUE - nous avons cette capacité de diviser par dix, quand présenté avec des nombres se terminant par zéro. C'est ce qu'on appelle un prétraitement des données, et par défaut, le NN ne peut pas le faire. Pouvons-nous l'enseigner Bien sûr. Qu'est-ce que c'est EXACTEMENT nous devons l'enseigner C'est le troisième, et le plus important. Nous n'avons pas besoin de la prédiction des prix Nous ne nous soucions pas Ce que nous avons besoin est FOREX acheter vendre signaux. Maintenant, attendre une minute Nous avons besoin a) d'avoir notre entrée (à la fois d'apprentissage et de test) dans la même gamme, et nous avons besoin b) d'être en mesure de prendre des décisions commerciales basées sur elle Isnt ce que nous appelons un indicateur Bingo So thats Ce que nous allons faire - nous allons construire un indicateur, de l'alimenter à la NN comme une entrée, et nous essaierons d'obtenir une prédiction de la valeur de l'indicateur, et non le prix des actions sans valeur Dans notre premier exemple, nous allons charger des stocks Les citations du disque, ouvrir le fichier Neural Network et commencer l'apprentissage - le tout dans un mode automatisé. Créez un nouveau fichier de script (ou ouvrez celui qui est venu avec les archives du logiciel Cortex Neural Networks) et appelez-le stocksnn. tsc. Tout d'abord, nous devons télécharger les valeurs de prix à partir du fichier MSFT. TXT. Nous allons utiliser l'indicateur CLV (voir ci-dessous), mais pour le calculer, nous avons besoin de valeurs divisées pour High et Low, et pas seulement pour close. Voici comment les obtenir. Stocksnn. tsc, part 1 La première ligne affecte le chemin à la variable strStockPath, bien sûr, vous devrez la modifier, si votre fichier de données se trouve dans le répertoire différent. Dans la deuxième ligne, nous spécifions que ce chemin n'est pas relatif (relatif à l'emplacement du fichier Cortex. exe). Le TABLELOADER reçoit le chemin, la chaîne vide pour la ligne de départ, 1 - pour sauter la première ligne (noms de colonnes), une partie de la ligne de bas de page des fichiers (la dernière ligne dans MSFT. TXT ne contient pas de données), il est également instruit Pour charger le numéro de colonne 0 (et appelez-le arrDate), 2 (arrHigh), 3 (arrLow), 4 (arrC) et 6 (arrClose). Pour une description complète de TABLELOADER, voir le guide de référence SLANG. Ensuite, nous calculons la division, en divisant la fermeture ajustée par la fermeture, et utiliser cette valeur pour ajuster les valeurs Low et High. Le fichier MSFT. TXT contient les données les plus récentes PREMIER, alors que nous voulons les DERNIER. Ensuite, nous devons créer un indicateur. Disons, il va être un indicateur de valeur de position proche, bien que dans la vie réelle, je utiliserais probablement plus d'un indicateur comme l'entrée NN. L'indicateur Close Location Value est calculé comme CLV ((Close - Low) - (High - Close)) (High - Low), où Close, Low et High correspondent à l'intervalle, pas nécessairement pour une seule barre. Notez que nous voulons qu'il soit dans la plage 0 - 1, pour faciliter la normalisation de notre gamme NN (qui est, encore une fois, 0-1). Stocksnn. tsc, part 3 Ensuite, nous devons créer un fichier de retard. Permet d'utiliser des délais égaux à 1, 2. 9 (Pour plus de détails sur les fonctions de fichier, voir le guide de référence SLANG). Notez que la boîte de dialogue Cortexs NN peut générer des retards simples automatiquement (vous pouvez utiliser un bouton Generate lag). Mais plus loin dans ce texte, nous allons travailler avec des retards complexes (ce qui signifie qu'ils ne sont pas 1, 2, 3. mais 1, 3, 64.), nous devons donc créer le code qui peut gérer cette tâche dans Plus souple. Stocksnn. tsc, part 4 Ayant le fichier lag, nous sommes prêts à créer notre premier réseau neuronal. Cette fonction prend beaucoup de paramètres, alors soyez prudent. Cependant, le code est vraiment simple. Soit dit en passant, la plupart de ce code peut être supprimé, si vous pensez que vous pouvez gérer des nombres, au lieu de noms significatifs dans votre code, cependant, ce serait une très mauvaise pratique de codage. Stocksnn. tsc, part 5 Maintenant, après que nous avons un réseau de neurones et le fichier retardé avec des données, nous devons enseigner le réseau. Le fichier de retard (msftind. lgg) a 1074 enregistrements, il est donc raisonnable d'utiliser 800 comme un ensemble d'apprentissage, et le reste 274 comme un ensemble de tests. Vous pouvez, bien sûr, ouvrir un fichier réseau et cliquer sur le bouton Exécuter de l'onglet Apprentissage. Mais comme il s'agit d'une introduction à la programmation avancée de logiciels de réseaux neuronaux Cortex, nous utilisons plutôt le langage de script builder SLANG. Le code suivant affiche la boîte de dialogue modale avec ann NN settings. Notez que si vous voulez avoir le privilège de cliquer sur le bouton Exécuter, vous devez changer le stocknn. tsc, partie 6 Le script bStartLearning peut être 0, auquel cas la boîte de dialogue attend votre entrée, ou 1, puis l'apprentissage Commencera aussitôt. Le bResumeScript, si égal à 1, reprendra le script, si vous fermez la boîte de dialogue en cliquant sur le bouton OK. Le bReset est utilisé pour réinitialiser le réseau avant le début de l'apprentissage. Exécutez le script et attendez que le compteur d'époques dépasse 1000, puis cliquez sur Arrêter. Allez dans l'onglet Appliquer, puis cliquez sur Appliquer. Cela exécutera l'ensemble des données (à la fois l'apprentissage et les tests) à travers le NN, et créer le fichier. APL, contenant à la fois l'entrée-sortie d'origine, et la prévision NN-générés, de cette façon, vous pouvez facilement les tracer et compacter les uns contre les autres . Allez dans l'onglet Sortie, sélectionnez le fichier msftind. apl, cliquez sur Parcourir le fichier, sélectionnez les champs, puis sélectionnez la case Non dans la liste de gauche et (en maintenant la touche CTRL enfoncée tout en sélectionnant avec la souris) Clv et NN: Clv dans le Droite. Cliquez sur Graphique pour voir à quel point notre prédiction est bonne. Bien. Il est plus ou moins bon, de ce que nous pouvons dire en le regardant. Pourtant, rien d'extraordinaire. C'était juste un exemple de ce que vous pouvez faire avec SLANG scripting, et comment automatiser les tâches courantes de Cortexs. Cependant, jusqu'à présent, nous n'avons rien fait que vous ne puissiez pas faire à la main. Bien. Presque rien, parce que si vous voulez créer un fichier de retard personnalisé, avec, par exemple, Clv-100, Clv-50, Clv-25. Colonnes, alors vous devrez utiliser SLANG (ou Excel.), Parce que vous ne pouvez pas faire dans dans Cortex sans scripts. FOREX Trading Strategy: ce qu'il faut optimiser Voici notre prochain problème. Avons-nous besoin d'une bonne prévision, ou avons-nous besoin de celui que nous pouvons utiliser pour le commerce avec le profit La question semble étrange, mais il suffit de penser à ce sujet pour un moment. Disons que nous avons une très bonne prévision de 1 heure. 95 précise. Pourtant, jusqu'à quel point le prix peut aller dans une heure Pas trop loin, je crains. Comparez-le à la situation, lorsque vous avez une prédiction de 10 heures plutôt inexacte. Vaut-il mieux Répondre à cette question, nous avons besoin de faire du commerce, une simple comparaison des erreurs moyennes produites par les deux NN ne va pas aider. La deuxième partie (du même problème) est dans la façon dont nous définissons une bonne prédiction. Disons que nous avons un réseau, qui produit la prédiction, qui est précise. Comparez-le au NN, c'est-à-dire produisant 100 prédiction précise. Le dernier est meilleur. Maintenant, DIVIDE la sortie (prédiction) des 100 NN précis de 10. Nous aurons un réseau TRES inexact, car son signal est nulle part près du signal que nous avons utilisé comme une sortie souhaitée. Et pourtant, il peut être utilisé de la même manière que nous avons utilisé 100 NN précis, tout ce que nous avons à faire est de le multiplier à 10 Voir, le NN est créé, en ajustant l'erreur quadratique moyenne, et non pas la corrélation, donc au moins en Théorie, un meilleur NN peut montrer des résultats médiocres, lorsqu'il est utilisé pour le stock réel Forex trading. Pour résoudre ce problème, nous avons besoin de tester nos NNs en utilisant la négociation, et d'utiliser les résultats de cette négociation (profit et tirages) pour décider, si ce NN est meilleur que l'autre. Faisons le. Permet de créer un programme, qui peut être utilisé pour affiner NN, et cette fois, par ajustement, nous allons signifier des résultats commerciaux. Neural Network Trading: Quelques notes brèves Tout d'abord, dans notre exemple ci-dessus, l'apprentissage automatique ne s'arrêtera jamais, parce que nous n'avons pas spécifié de critères d'arrêt. Dans la boîte de dialogue, ou dans la fonction CREATENN, vous pouvez fournir la valeur min. (Lorsque le NN l'atteint, il s'arrête et, si bResumeScript est défini sur 1, la boîte de dialogue se ferme et le script reprend). Aussi yo peut fournir le nombre maximum d'époques, ou les deux. Je ne l'utilise pas dans l'exemple ci-dessous, du moins pas toujours, parce que je prévois de regarder l'apprentissage et de cliquer sur STOP quand je pense que le NN est prêt. Si vous voulez le faire en mode entièrement automatique, faites attention à ces paramètres. Seconde. Une des façons de rendre un réseau plus petit, plus rapide et plus précis, est de commencer par le petit réseau, et d'augmenter sa taille, neurone par neurone. Obviously, le nombre de neurones d'entrée est déterminé par le nombre de colonnes de données d'entrée (mais nous pouvons les varier, aussi), et le nombre de neurones de sortie devrait être égal au nombre de colonnes de données de sortie (habituellement un, mais pas nécessairement) ). Cela signifie que nous devons optimiser le nombre de neurones dans la (les) couche (s) cachée (s). En outre, comme je l'ai mentionné, nous ne savons pas vraiment quelles données utiliser. Est-ce que Clv-256 (15 jours retardés) augmentera la précision de notre prédiction Avons-nous besoin de Clv-256 Est-il préférable d'utiliser les deux dans le même NN, ou va ajouter Clv-256 ruiner notre performance? Les paramètres d'entrée, vous pouvez: Créer le NN, de la même façon que nous l'avons fait pour les données de stock (permettez-moi de répéter, pour le NN, il n'ya pas de différence entre les stocks et FOREX, il est arrivé que j'ai quelques fichiers de données de haute qualité pour FOREX que je veux traiter, en écrivant ce texte). Essayez différentes combinaisons de décalages. Essayez un nombre différent de neurones dans la couche cachée. . Et différentes combinaisons d'indicateurs différents. . etc. Cependant, si vous essayez toutes les combinaisons possibles de tous les paramètres possibles, vous n'obtiendrez JAMAIS vos résultats, peu importe la vitesse de votre ordinateur. Ci-dessous, nous allons utiliser quelques astuces pour réduire les calculs à un strict minimum. En passant, il peut sembler que si vous commencez à partir d'un neurone caché, puis l'augmenter à 2, 3 et ainsi de suite, et à un certain point l'erreur (qualité de la prédiction) ou le profit (si vous testez le NN par Trading en utilisant) va commencer à aller vers le bas, alors vous avez votre gagnant. Malheureusement, je ne peux pas prouver que, après le premier pic de performance, il ne peut y avoir de deuxième. Cela signifie que l'erreur peut aller comme 100, 30, 20, 40, 50 (elle était juste à son minimum, à droite) puis 30, 20, 10, 15. (le deuxième minimum). Nous avons juste à tester tous les nombres raisonnables. Troisième. L'optimisation est une épée à deux tranchants. Si vous sur-optimisez votre code, il peut ne pas fonctionner en dehors des données que vous avez utilisé pour l'affiner. Je ferai de mon mieux pour éviter cet écueil. Si vous voulez faire des optimisations supplémentaires à votre code ou NN, je vous conseille de faire une recherche sur Internet, pour en savoir plus sur les problèmes cachés de cette approche. Aussi, je vais prêter une certaine attention à la finesse de la courbe de profit. Le bénéfice qui ressemble à 0, -500, 1000, -100, 10000 peut être grand, mais le profit 0, 100, 200, 300, 400. est mieux, car il est moins risqué. Nous en parlerons plus tard. Enfin, pour cet exemple nous allons utiliser FOREX, plutôt que les cours des actions. Du point de vue de la NN il n'ya pas de différence, et de mon point - Forex est beaucoup plus amusant à commercer. Si vous préférez les stocks, le code peut facilement être modifié. Une stratégie de trading FOREX à jouer avec Tout d'abord, permet de créer un prototype de notre code, celui qui peut facilement être optimisé à l'avenir. Il va être un système commercial, qui utilise un réseau neuronal pour le commerce et produit un graphique (profit contre le numéro de commerce). Il calcule également le prélèvement, comme une mesure de la robustesse de notre système commercial. Forexnn01.tsc, part 1 La principale différence ici est que nous utilisons des fonctions, au lieu de placer tout le code dans le bloc principal du programme. De cette façon, il est beaucoup plus facile à gérer. Deuxièmement, nous avons une fonction TestNet. J'utilise un algorithme très simple de trading. L'indicateur CLV est limité à 0 - 1 intervalle (notre version de CLV est), donc quand l'indicateur croise le dBuyLevel (voir le code ci-dessus), je suis l'achat, quand il traverse le dSellLevel, je vends. Évidemment, ce n'est pas la meilleure stratégie de négociation, mais il fera pour notre but (juste pour le moment). Si vous voulez l'améliorer, voici quelques pointeurs. Tout d'abord, vous pouvez avoir un système, qui n'est pas toujours sur le marché. Deuxièmement, vous pouvez utiliser plus d'un indicateur comme intrants, et peut-être, plus d'un NN, de sorte que la décision de négociation est faite basée sur quelques indicateurs prédits. Nous ajouterons quelques améliorations à l'algorithme de trading plus tard. Nous utilisons certaines hypothèses standard de la négociation FOREX: écart est de 5 points, levier est de 100, min. Lot est de 100 (mini-FOREX). Jetons un regard sur notre système commercial. Encore une fois, c'est une simplification excessive. Une note importante: TestNn () est appelée dernière et elle a accès à toutes les variables qui ont été créées à ce point. Donc, si vous voyez une variable que j'utilise, sans l'initialiser, cela signifie probablement qu'elle a été initialisée dans NewNn (), TeachNn () ou une autre fonction qui a été appelée avant TestNn (). Pour faciliter les choses, les commentaires sont placés dans le code. Forexnn01.tsc, partie 2 Quelques mots sur le rabat. Il y a peu de façons de le calculer, et nous utilisons ce que je considère comme le plus honnête. Le retrait est une mesure de l'instabilité de notre système. Si le bénéfice est de 100, 200, 300, 400. le tirage est de 0. S'il passe 100, 200, 100. alors le tirage est de 0,1 (c'est-à - 10), comme nous venons de perdre un montant, égal à 110 du dépôt initial (de 1200 à 1100). Je serais fortement conseillé contre l'utilisation de systèmes de négociation avec de gros tirages. Aussi, ici j'utilise un rabat, qui est à utiliser avec la taille du lot variable. Toutefois, dans les échantillons réels, qui viennent avec le livre électronique, vous verrez une autre version: Comme vous pouvez le voir, ici nous utilisons toujours 1000 (le montant initial) pour calculer le retrait. La raison est simple: nous utilisons toujours la même taille de lot (pas de gestion de l'argent pour le moment), il n'y a donc aucune différence, combien d'argent nous avons déjà accumulé sur notre compte, un bénéfice moyen devrait être constant. Le pire scénario possible dans ce cas ressemble à ceci: dès le début (1000 sur le compte) nous perdons de l'argent. Si nous utilisons 1000 pour calculer le retrait, nous obtiendrons le rabaissement pire. Cela nous aidera à ne pas nous tromper. Par exemple, disons, nous avons échangé pendant un certain temps, et nous avons 10 000 sur notre compte. Ensuite, nous perdons de l'argent, et nous en avons maintenant 8 000. Ensuite, nous avons récupéré, et obtenu 12.000. Bon système commercial Probablement pas. Répétons la logique, car elle est très importante (et elle deviendra encore plus importante, lorsque nous commencerons à gérer l'argent). Nous négocions en utilisant des lots de taille fixe. Donc, statistiquement, il n'y a aucune garantie, que la perte maximum ne se produira pas au tout début, quand nous avons seulement 1000. Et si cela arrive, nous aurons -1000 (10.000 - 8.000), donc le système commercial est probablement trop risqué. Lorsque nous parlons de la gestion de l'argent (probablement, pas dans ce texte), nous devrons utiliser une approche différente pour calculer le prélèvement. Notez que dans ce système de trading, j'utilise le pire scénario possible: j'achète en utilisant High et en vendant, en utilisant Low. De nombreux testeurs ne suivent pas ces règles, et créent des systèmes de négociation, qui fonctionnent très bien sur les données historiques. Mais dans la vraie vie, ces systèmes commerciaux ont des performances très médiocres. Pourquoi jeter un oeil à la barre de prix. Il a ouvert, haut, bas et proche. Savez-vous comment le prix se déplaçait à l'intérieur du bar. Donc, disons, votre système commercial a généré un signal d'achat, au bas de la barre de prix (si dLow Notez que j'utilise dLotSize égal à 0,1 lot (100). Évidemment, dans le commerce réel, vous bénéficierez grandement, si la taille du lot est calculée en fonction de l'argent que vous avez, quelque chose comme: forexnn01.tsc, partie 3 Cependant, nous faisons des tests ici, pas de négociation. Il est beaucoup plus facile de faire si la taille du lot est la même (en situation idéale, pour dLotSize 100, nous aurons une ligne droite, avec une pente positive, alors que dans Cas de la taille de lot réglable nous obtiendrons un exposant, qui est beaucoup plus difficile à analyser.) Plus tard dans ce texte, nous allons appliquer des règles de gestion de l'argent à notre système commercial, mais pas encore. Lorsque nous avons terminé avec la dernière partie de notre La fonction suivante crée un indicateur CLV: il prend l'intervalle en tant que paramètre, ce qui signifie que nous pouvons l'appeler plusieurs fois, lors de l'optimisation, en passant des nombres différents. Notez que j'utilise le NN qui fonctionne dans l'intervalle de 0 à 1. Les données peuvent être normalisées, bien sûr, mais j'ai choisi de diviser l'indicateur par 2 et d'ajouter 0,5, de sorte qu'il est dans une plage de 0 à 1. Forexnn01.tsc, part 4 Pour créer un fichier lag, nous pouvons utiliser la fonction CREATELAGFILE. Sinon, nous pouvons le faire en fournissant explicitement tout le code nécessaire. Dans ce cas, nous avons plus de contrôle, et nous allons en avoir besoin, si nous commençons à varier le nombre de colonnes retardées et ainsi de suite. Forexnn01.tsc, part 5 Le paramètre nRemoveFirst est important. Beaucoup de fonctions, comme les indicateurs, les moyennes mobiles, les générateurs de retard, pour cette question, ne fonctionnent pas bien dans les premiers enregistrements de l'ensemble de données. Disons que nous avons MA (14) - que va-t-il placer dans les dossiers 1 - 13 Donc, nous choisissons de supprimer simplement les premiers enregistrements (peu fiables). Pour le NewNn, ainsi que pour toutes les fonctions de ce programme, nous devons passer comme paramètres uniquement ce qui peut être modifié lors du processus d'optimisation. Par exemple, il n'est pas nécessaire de passer un saut avant le paramètre, car il est toujours le même. Forexnn01.tsc, part 6 La fonction TeachNn affiche simplement la boîte de dialogue NN. Forexnn01.tsc, part 7 Enfin, nous avons besoin d'une fonction de cartographie. Il n'est pas obligatoire, mais il est toujours une bonne idée de voir à quoi ressemble notre ligne de profit. Le code suivant utilise le XML pour produire un graphique. Il est donc judicieux de lire le didacticiel. Sinon, vous pouvez dessiner le graphique plutôt que de l'enregistrer dans un fichier. Pour ce faire, utilisez l'un des exemples, qui se trouvent dans le répertoire samplesscripts. Enfin, vous pouvez modifier le code, pour produire HTML, plutôt que XML. HTML est plus facile à apprendre, mais le code lui-même sera un peu moins lisible. Forexnn01.tsc, part 8 Compilez et exécutez le script. Bien. Comme prévu, l'utilisation de 7 heures d'intervalle pour le CLV a donné de très mauvais résultats: Stratégies de trading FOREX et optimisation La raison des mauvais résultats est assez évidente: nous avons utilisé l'intervalle, Stop Loss, les niveaux d'achat et de vente et d'autres paramètres, Purement aléatoire - nous venons de choisir en premier qui est venu à l'esprit Que faire si nous essayons quelques combinaisons FOREX Trading Signals: Quoi optimiser Tout d'abord, en overoptimizing les niveaux d'achat et de vente, nous pouvons ruiner nos performances futures. Cependant, nous pouvons encore les accorder, surtout, si la performance est proche des valeurs proches des limites d'achat et de vente. Par exemple, si nous avons -10 bénéfice à la limite d'achat égal à 0,3 et 1000 bénéfice quand il est égal à 0,35, il ya probablement une coïncidence chanceuse, et nous ne devrions pas utiliser 0.35 pour notre système commercial, comme à l'avenir il ne se produira probablement pas encore. Si, au lieu de cela, nous avons -10 et 10 (au lieu de 1000), il peut être plus sûr à utiliser. En général, notre système de négociation devrait être construit pour le scénario le plus possible, comme si au cours de la négociation réelle la performance sera meilleure, alors pendant le test, nous survivrons, mais pas l'inverse. Nous pouvons faire varier la valeur de l'intervalle des indicateurs, à condition que nous ayons assez de métiers, afin que nous puissions être confiants, en termes de statistiques, dans la performance d'un système. Nous pouvons certainement varier le nombre de neurones, je ne pense pas qu'il peut être overoptimized facilement. Nous pouvons varier le nombre d'intrants et les retards pour les intrants. Il est possible de sur-optimiser cela, mais il n'est pas très probable qu'il se produise. Et, bien sûr, nous pouvons essayer différents indicateurs. Signaux précis FOREX: Comment optimiser Comme nous l'avons déjà mentionné, si nous commençons à essayer toutes les combinaisons possibles, il faudra une éternité. Nous allons donc tricher. Nous allons créer des ensembles prédéfinis de paramètres que nous pensons être raisonnables et les transmettre au programme. Pour faire le moins de calculs possible, notez que Clv-1 et Clv-2 sont, probablement, importants, mais qu'en est-il de Clv-128 Et - si nous avons déjà Clv-128, avons-nous besoin de Clv-129 Probablement pas. Donc, nous allons avoir quelque chose comme Clv-1, Clv-2, Clv-4, Clv-8. Clv-128 avec peu de variations, ce qui rendra notre temps de calcul des milliers de fois plus court. Forex Professional System Trading: Peut-il fonctionner à tous Qu'est-ce que c'est exactement ce que nous voulons prédire Jusqu'à ce point, nous avons utilisé le graphique 1 heure pour EURUSD, et nous avons été prédire les barres CLV prochaine. Le CLV2 sera-t-il meilleur Qu'en est-il de CLV3 En outre, compte tenu des mauvaises performances de notre premier système commercial, il serait bon de savoir que, au moins dans le monde idéal, l'objectif (trading rentable) peut être atteint. Pour répondre à ces questions, créez un programme de test simple. Nous supposons que notre prédiction est 100 précise, et, sur la base de cette hypothèse, nous utiliserons CLVN, et non le NN prédit. Thats droit - nous allons prendre des données de l'avenir, et de les utiliser au lieu de la prédiction NN. Cette approche ne fonctionnerait pas dans la vie réelle, bien sûr, mais au moins, cela nous donnera quelques idées de ce à quoi nous attendre. Lorsque vous regardez les résultats, gardez à l'esprit que nous n'utilisons pas de gestion de fonds avancée, notre taille de lot est fixée à un minimum de 100. Si vous utilisez des tailles de lots variables, les résultats seront radicalement différents. Mais même à une taille de lot fixé à 0,1, nous pouvons voir (ci-dessous) que l'obtention de l'information de l'avenir est un ultime négociants holly graal. Forexnn02.tsc, part 1 Vous connaissez déjà ce code, il a été utilisé dans FOREXNN01.TSC. Il gère le chargement des données. La seule différence est dans la partie qui obtient la liste des fichiers dans le répertoire images et supprime tous les fichiers avec l'extension. PNG. La raison de ce code est simple: au cours de nos tests, nous allons créer de nombreux fichiers de milliers d'images. Nous ne voulons pas qu'ils soient accrochés après avoir terminé. Ainsi, au début du script, nous supprimons des images créées par d'autres scripts. Forexnn02.tsc, part 2 Quelques commentaires. Nous ne voulons pas essayer toutes les valeurs possibles pour, par exemple, CLV intervalle. Au lieu de cela, nous pouvons créer un tableau, qui contient uniquement les valeurs que nous voulons tester. Ensuite (voir ci-dessous), nous allons parcourir ce tableau. Stop pertes sont une partie importante de toute stratégie de négociation, donc j'ai décidé de varier eux aussi. C'est une idée dangereuse, cependant, car il est facile d'overoptimize le système. Je prévois de tester différentes valeurs pour acheter et vendre des niveaux, mais il sera fait en cycle, sans utiliser de tableaux. Contrairement à notre exemple précédent, nous voulons avoir un grand fichier XML, contenant de nombreuses images. Pour ce faire, j'ai déplacé le code, c'est formant l'en-tête et le pied de page XML en dehors de la fonction Chart. Lisez l'un des didacticiels XML en ligne pour plus de détails. Notez que j'utilise 0 comme premier décalage, ce qui signifie que je teste d'abord l'indicateur (CLV) qui n'a pas été décalé de l'avenir. Juste pour avoir une idée, comment bon système de négociation serait sans NN (horrible, est le bon mot. Il est perdre tout l'argent). Cortex utilise le contrôle Internet Explorer pour afficher des pages XML. Lorsque les pages grandissent, il faut beaucoup de mémoire. Si votre ordinateur ne peut pas le gérer, pensez à créer plusieurs pages XML ou HTML. Dans le cas de forexnn02, il ne devrait pas être un problème, car la page est relativement courte. Sinon (c'est ce que je fais dans les scripts plus tard dans ce texte), créer un fichier XML, mais ne l'ouvrez pas de Cortex. Ouvrez-les à l'aide d'Internet Explorer à la place - contrairement à IE contrôle, l'Internet Explorer n'a pas le problème de mémoire. Maintenant, le code qui tente différentes combinaisons de paramètres. Forexnn02.tsc, part 3 Nous utilisons ici des cycles imbriqués. Dans chaque cycle, nous assidons une variable (par exemple, nInterval pour le cycle externe). De cette façon, le cycle va assigner des valeurs de tous les éléments d'un tableau correspondant, un par un. Ensuite, en dedans, le cycle interne est utilisé, et ainsi de suite, de sorte que toutes les combinaisons de tous les éléments de tableau sont testés. Dans le cycle le plus interne, j'appelle la fonction Test (), pour tester le commerce et Chart () pour ajouter une nouvelle image à une liste d'images enregistrées sur le disque. Notez que ce graphique () ne montre aucune image, jusqu'à ce que tous les cycles soient terminés. Les fonctions Test () et CreateClv () sont presque identiques à celles de l'exemple précédent. La seule différence réelle est due au fait qu'il est appelé plus d'une fois. Pour ce faire, j'appelle ARRAYREMOVE pour nettoyer les tableaux. Aussi, notez, que nous ne sommes que la création de graphiques pour les combinaisons de paramètres, qui produisent le système commercial avec un bénéfice positif. Sinon, nous appelons continue, pour sauter la fonction Chart (). Enfin, nous avons Take Profit maintenant, de sorte que notre système de négociation peut être un peu plus souple. Forexnn02.tsc, part 4 La fonction Chart () a été divisée en deux parties. L'en-tête et le pied de page doivent être écrits dans le fichier XML une seule fois, de sorte qu'ils ont été déplacés vers la partie principale du programme. En outre, j'utilise le compteur, pour enregistrer des fichiers sous les différents noms. Les informations relatives aux paramètres sont écrites dans l'en-tête d'une image, de sorte que nous pouvons facilement voir laquelle est. Enfin, les images ne sont sauvegardées que pour les configurations gagnantes, ce qui signifie que l'équilibre à la fin devrait être plus, puis au début. Forexnn02.tsc, part 5 Exécutez le programme (il faudra un certain temps pour le remplir). Vous allez vous retrouver avec une grande page XML avec des images, une pour chaque configuration gagnante. Some of the results are great, however, as we used data from the future, this system will not work in the real life. Actually, if you look at the Test() function, you will notice, that the cycle stops before we reach the last element of arrClose: for(nBar nRemoveFirst 1 nBar THIS IS C, just an example. As you can see, the code is really simple. Now lets do the same using the SLANG script. As in examples before, we will keep the overall structure of the code, so that this example looks familiar. The only difference is that instead of using the built-in APPLYNN function, we call the function of our own. The code that we do not use (such as cycles) is commented, but not removed. Note, that the logic behind it was discussed in Neural Networks and Stock Forex Trading article already. Briefly, the output of this script is formated to be compatible with the MQL, MetaTraders scripting engine. MetaTrader is a trading platform we use, if you want something different, like TradeStation, for example, you will have to alter the code to comply to its syntax. Then, in the following chapters, we are going to insert this code in the MetaTraders indicator, and to use it to trade. Porting script to trading platform The next step is not really required, but it is something, that may be useful. We are going to create a version of a tsc file (one above), but this time, we will use SLANG (Cortex scripting language) to emulate APPLYNN function. The reason is, in the next chapter we are going to port it to the scripting language of a MetaTrader trading platform, so it is a good idea to make sure everything works. After we run this function, we discover, that the result it produces is the same, as the forexnn05a produced, which means the code works fine. Note, that there is a difference at the beginning of the charts, as our NN does not try to process the data at the beginning (where lag is incomplete), while the built-in NN does not know about this problem. Of course, it doesnt affect the result, as the beginning of the chart is ignored by using the nRemoveFirst parameter in our script (set to 200, which is guaranteed to be larger, then our lag). Using third-party trading platform We have the NN that (more or less) can be used. We have the script, implementing this NN without calls to the Cortex-specific NN functions. Now we are going to port it to the trading platform that can be used for the real trading, which means it can contact brocker, place orders and earn (or loose) money. As a trading platform, I am going to use MetaTrader Disclaimer: I am not related to MetaQuotes in any way. I do not work for them, I am not their affiliate and so on. I use MetaTrader, ONLY because I like it. I find this program user-friendly, flexible and powerful, and not a monster. Also, it is free (compare to other packages of this class). The only (minor) problem is that it is not always easy to find the dealer using MT in your area. Then, when you do a research, you may find couple of brockers, with screenshots on their web sites, that look suspiciously familiar. Yes, they use MetaTrader, but they dont call it MetaTrader I have asked for clarification at the companys forum, and they have told me, that they dont reveal brockers using their services. Very strange. One of the brockers that is not hiding the fact they use MT, is Alpari. They will allow you to open a Demo account, so that you can trade in a real time, but without risking your money. Warning I am not going to recommeng services of Alpari. Once again, I am not being paid for that. Try their Demo account, and use your own judgement. Or you can start your own research at Internet forums. Finally, if you do not like the MT, you can probably follow the example below using TS, MS or some other trading platform. This is just an example. Our MT-based trading system will include two files, the indicator and an expert. This is the way they call it in MQL (scripting language of MT), and I am going to follow this naming convention. The indicator implements the neural network and draws a chart. An expert takes these data and does trading. As MetaTrader has a strategy tester, we will be able to test our strategy, to see how good it is. I will assume, that you are familiar with MQL programming, it is quite close to SLANG and tutorials can be found both at MetaQuotes and Alpari. Finally, I am using the code structure, that is borrowed from MetaQuotes forum, permission to use it the author of the corresponding posts had granted me permission to use fragments of his code. Also, as some of our MetaTrader code is the same for all experts and indicators, we moved it to a separate library file. MetaTraders libraries are nothing but includable files. This library takes care of synhronization, when two or more expert are trying to run in the same time, as well as of few other things. If you use MetaTrader, it will help you to create robust experts, in any case, the MQL language is easy to understand. mylib. mql, a helper library The code should look familiar, all I did was re-writing it, using slightly different language syntax of MQL. This indicator has two buffers, and draws two lines, one for the original NOC, and one for the NN-predicted NOC. For trading, you dont have to draw both indicator lines, of course (see MQL tutorials to learn how to do it), but I have decided to show them together, so you can compare. Another difference, that you should know about, is the way MT performs testing. It may, in some cases, be more accurate, then one we did (we did the worse case scenario). Of course, you can always to change the SLANG script from the examples above, to implement any logic you want. The result of our testing in MT is a bit better, then in Cortex, due to all these reasons. Keep in mind, that MT calculates the DD in a different way. I still think, that my way is better. In should be especially noted, that no additional optimization had been performed using MetaTraders optimizer. We have just plugged our MTS (mechanical trading system) in, and it worked as expected. C'est ça. You can now create Cortex Neural Network, optimize it to do trading, and to port it to the trading platform of your choice. Download Cortex Order Cortex View Price List Visibility is very important for this site. If you like it please link to this URLNN Group (NN) NN Group NV is the Netherlands-based insurance and investment management company. It operates seven segments. The Netherlands Life segment offers group and individual life insurance products and pensions. The Netherlands Non-life provides motor, transport, fire, liability and travel insurance, as well as income protection products. The Insurance Europe comprises life insurance offered in 11 European countries, pensions, non-life insurance in Belgium and Spain, and healthcare insurance in Greece. The Japan Life offers corporate owned life insurance (COLI). The Investment Management provides investment products and advisory services. The Other segment comprises the business of Nationale-Nederlanden Bank and the Companys internal reinsurer, ING Re, as well as holding and other results. The Japan Closed Block VA comprises the closed-block single premium variable annuity (SPVA) individual life insurance. In July 2014, ING Groep NV reduced its ownership in the Company to 68.1. Start Trading With Top Industry Brokers Cyprus Securities and Exchange Commission (Cyprus), The Financial Conduct Authority (United Kingdom), Australian Securities and Investments Commission (Australia) Cyprus Securities and Exchange Commission (Cyprus), Financial Services Board (South Africa) Add your sentiment: Bullish 50 Bearish 50 We encourage you to use comments to engage with users, share your perspective and ask questions of authors and each other. Toutefois, afin de maintenir le haut niveau de discours wersquove tout viennent à la valeur et d'attendre, s'il vous plaît garder les critères suivants à l'esprit: Enrichir la conversation Restez concentré et sur la bonne voie. Ne postez que des documents qui sont pertinents pour le sujet en discussion. Être respectueux. Même les opinions négatives peuvent être encadrées positivement et diplomatiquement. Utilisez un style d'écriture standard. Inclure la ponctuation et les cas supérieurs et inférieurs. REMARQUE. Le spam et / ou les messages promotionnels et les liens dans un commentaire seront supprimés Évitez les blasphèmes, les calomnies ou les attaques personnelles dirigées contre un auteur ou un autre utilisateur. Donrsquot monopoliser la conversation. Nous apprécions la passion et la conviction, mais nous croyons fermement à donner à chacun la chance d'exprimer leurs pensées. Par conséquent, en plus de l'interaction civile, nous nous attendons à commenters à offrir leurs opinions succinctement et pensivement, mais pas si souvent que d'autres sont agacés ou offensés. Si nous recevons des plaintes concernant des personnes qui reprennent un fil ou un forum, nous nous réservons le droit de les interdire sur le site, sans recours. Seuls les commentaires en anglais seront autorisés. Les auteurs de spam ou d'abus seront supprimés du site et interdits d'inscription future à la discrétion de Investingrsquos. J'ai lu les lignes directrices sur les commentaires des investisseurs et j'accepte les termes décrits. Voulez-vous vraiment supprimer ce graphique Remplacer le graphique ci-joint par un nouveau graphique Veuillez patienter une minute avant de réessayer. Merci pour votre commentaire. Veuillez noter que tous les commentaires sont en attente jusqu'à ce qu'ils soient approuvés par nos modérateurs. Il peut donc prendre un certain temps avant qu'il ne figure sur notre site Web.