การใช้ machine learning algorithm ใน EA

ตัวอย่างการใช้ machine learning algorithm ใน EA

การนำ machine learning มาใช้ใน EA เป็นแนวทางขั้นสูงที่สามารถเพิ่มประสิทธิภาพในการวิเคราะห์ตลาดและการตัดสินใจเทรด ในตัวอย่างนี้ เราจะใช้ simple neural network เพื่อทำนายทิศทางของราคาในอนาคต

ข้อดีของการใช้ machine learning ใน EA:

1. สามารถเรียนรู้และปรับตัวกับรูปแบบตลาดที่ซับซ้อน
2. ลดอคติจากการตัดสินใจของมนุษย์
3. สามารถประมวลผลข้อมูลจำนวนมากได้อย่างรวดเร็ว
4. มีความยืดหยุ่นในการปรับใช้กับสภาวะตลาดที่เปลี่ยนแปลง

ตัวอย่าง EA ที่ใช้ simple neural network:

ในตัวอย่างนี้ เราจะใช้ neural network อย่างง่ายที่มี input layer, 1 hidden layer และ output layer เพื่อทำนายทิศทางของราคาในอนาคต

#property copyright "Your Name"
#property link      "https://www.example.com"
#property version   "1.00"
#property strict

#include <Math\Alglib\alglib.mqh>

// Input parameters
input int InputNeurons = 5;
input int HiddenNeurons = 3;
input int TrainingPeriod = 1000;
input int PredictionPeriod = 10;
input double LearningRate = 0.1;
input double LotSize = 0.01;

// Global variables
CMultilayerPerceptronShell NeuralNetwork;
int handle_rsi;
double inputData[];
double outputData[];

//+------------------------------------------------------------------+
//| Expert initialization function                                   |
//+------------------------------------------------------------------+
int OnInit()
{
    // Initialize RSI indicator
    handle_rsi = iRSI(NULL, 0, 14, PRICE_CLOSE);
    if(handle_rsi == INVALID_HANDLE) {
        Print("Failed to create RSI indicator");
        return INIT_FAILED;
    }
    
    // Initialize and train neural network
    if(!InitializeAndTrainNetwork()) {
        Print("Failed to initialize and train neural network");
        return INIT_FAILED;
    }
    
    return(INIT_SUCCEEDED);
}

//+------------------------------------------------------------------+
//| Expert deinitialization function                                 |
//+------------------------------------------------------------------+
void OnDeinit(const int reason)
{
    // Clean up
    IndicatorRelease(handle_rsi);
}

//+------------------------------------------------------------------+
//| Expert tick function                                             |
//+------------------------------------------------------------------+
void OnTick()
{
    // Check for open positions
    if(PositionExists())
        return;
    
    // Prepare input data
    if(!PrepareInputData())
        return;
    
    // Make prediction
    double prediction[];
    NeuralNetwork.Process(inputData, prediction);
    
    // Open order based on prediction
    if(prediction[0] > 0.5) {
        // Bullish prediction
        double askPrice = SymbolInfoDouble(_Symbol, SYMBOL_ASK);
        OpenOrder(ORDER_TYPE_BUY, askPrice);
    }
    else {
        // Bearish prediction
        double bidPrice = SymbolInfoDouble(_Symbol, SYMBOL_BID);
        OpenOrder(ORDER_TYPE_SELL, bidPrice);
    }
}

//+------------------------------------------------------------------+
//| Initialize and train neural network                              |
//+------------------------------------------------------------------+
bool InitializeAndTrainNetwork()
{
    // Create neural network
    NeuralNetwork.Create(InputNeurons, HiddenNeurons, 1);
    
    // Prepare training data
    double trainingInputs[];
    double trainingOutputs[];
    if(!PrepareTrainingData(trainingInputs, trainingOutputs))
        return false;
    
    // Train network
    CMLPReportShell report;
    NeuralNetwork.Train(trainingInputs, trainingOutputs, TrainingPeriod, LearningRate, report);
    
    return true;
}

//+------------------------------------------------------------------+
//| Prepare training data                                            |
//+------------------------------------------------------------------+
bool PrepareTrainingData(double &inputs[], double &outputs[])
{
    int dataSize = TrainingPeriod + PredictionPeriod;
    
    // Allocate arrays
    ArrayResize(inputs, TrainingPeriod * InputNeurons);
    ArrayResize(outputs, TrainingPeriod);
    
    // Get RSI values
    double rsi[];
    if(CopyBuffer(handle_rsi, 0, 0, dataSize, rsi) != dataSize)
        return false;
    
    // Prepare data
    for(int i = 0; i < TrainingPeriod; i++) {
        for(int j = 0; j < InputNeurons; j++) { inputs[i * InputNeurons + j] = rsi[i + j]; } outputs[i] = rsi[i + InputNeurons] > rsi[i + InputNeurons - 1] ? 1 : 0;
    }
    
    return true;
}

//+------------------------------------------------------------------+
//| Prepare input data for prediction                                |
//+------------------------------------------------------------------+
bool PrepareInputData()
{
    ArrayResize(inputData, InputNeurons);
    
    // Get RSI values
    double rsi[];
    if(CopyBuffer(handle_rsi, 0, 0, InputNeurons, rsi) != InputNeurons)
        return false;
    
    // Prepare input data
    for(int i = 0; i < InputNeurons; i++) { inputData[i] = rsi[i]; } return true; } //+------------------------------------------------------------------+ //| Check if position exists | //+------------------------------------------------------------------+ bool PositionExists() { return (PositionsTotal() > 0);
}

//+------------------------------------------------------------------+
//| Open a new order                                                 |
//+------------------------------------------------------------------+
void OpenOrder(ENUM_ORDER_TYPE orderType, double price)
{
    MqlTradeRequest request = {};
    MqlTradeResult result = {};
    
    request.action = TRADE_ACTION_DEAL;
    request.symbol = _Symbol;
    request.volume = LotSize;
    request.type = orderType;
    request.price = price;
    request.deviation = 10;
    request.magic = 123456;
    
    if(!OrderSend(request, result))
        Print("Error opening order: ", GetLastError());
    else
        Print("Order opened successfully. Ticket: ", result.order);
}

1. Input Parameters:
   • กำหนดโครงสร้างของ neural network และพารามิเตอร์สำหรับการเทรนและการเทรด
2. OnInit():
   • เริ่มต้น RSI indicator และ neural network
3. OnTick():
   • เตรียมข้อมูล input, ทำนายทิศทางราคา และเปิดออเดอร์ตามผลการทำนาย
4. InitializeAndTrainNetwork():
   • สร้างและเทรน neural network ด้วยข้อมูลในอดีต
5. PrepareTrainingData():
   • เตรียมข้อมูลสำหรับการเทรน neural network
6. PrepareInputData():
   • เตรียมข้อมูล input สำหรับการทำนาย
7. OpenOrder():
   • เปิดออเดอร์ใหม่ตามผลการทำนายของ neural network

forexduck

FOREXDUCK (นามปากกา) นักเขียนของเรามีประสบการณ์การเงินการลงทุนกว่า 10 ปี มีความเชี่ยวชาญในการวิเคราะห์ตลาด Forex และคริปโต โดยเฉพาะการวิเคราะห์ทางเทคนิค รวมถึงเทคนิคต่าง