2016-08-16-论文框架思路

2016-08-16-论文框架思路一、论文思路之前看过几篇关于神经网络的论文，所以也就围绕神经网络来想了。我的大致思路是：选两种神经网络（例如BP神经网络和基于遗传算法的神经网络）进行对比，由于BP神经网络存在易于陷入局部最优等缺陷，而遗传算法又可以很好的解决这个缺陷，然后通过实验对比来验证基于遗传算法的神经网络更好一些（实验这块可能需要用MATLAB来实现）。在MT5平台中有自带的遗传算法，可以很好的利用，可以使程序变得简单化，易于使读者理解。在对神经网络进行权值优化时采用遗传算法来优化的同时，为了能更好的得到全局最优解，可以采用多目标优化算法。最后将优化出来的结果进行分析总结。二、论文框架结合您之前发来的文档《2015-10-19-研究生02-MT5快速入门.doc》在文件夹《山大研究生-02》里第一章绪论（为什么要写此论文）第二章外汇交易的基本知识您在发来的文档《2015-11-08-论文框架-两书导读》中详细将第二章基本完善其中风险管理资料还没有找，接下来会找一下相关资料。第三章外汇程序化交易及关键技术为什么程序化交易3.1程序化交易系统简介及优缺点参考《神经网络在外汇交易信号预测中的应用》【黎华清2007】中1.2.1和1.2.2以及2.1《基于BP神经网络的外汇自动交易系统的设计与实现》【赵凯2010】中第二章相关技术研究2.2自动交易理论P143.2MT5交易平台及测试环境参考《基于BP神经网络的外汇自动交易系统的设计与实现》中第二章相关技术研究2.1MetaTrader平台3.2.1MT5的特点3.2.2MQL5语言【MetaQuotesSoftwareCorp2010】3.3人工神经网络参考《神经网络在外汇交易信号预测中的应用》【黎华清2007】》2.2.2人工神经网络模型或者《基于BP神经网络汇率预测的智能交易系统》【张宇2011】3.2.3一般神经元模型3.4遗传算法3.5多目标优化算法第四章外汇交易程序的实现与优化分析参考智能外汇自动交易系统的设计要点《智能外汇自动交易系统的设计与实现》【许爱军2010】4.1程序的整体设计4.2程序的实现4.2.1初始参数的设置4.2.2系统基本模块的实现（设置挂单模块、修改挂单模块、跟踪止损模块、）4.2.3人工神经网络算法的实现参考程序见《rock-trader-neuro.mq5》以及《new-neuro-example.mq5》以参考程序《new-neuro-example.mq5》为例人工神经网络的核心是：1.设置10个神经元X[10]作为输入信号；并将其归一化，如下表达式X[i]=(((iRSI_buf[i]-x_min)*(d2-d1))/(x_max-x_min))+d1;2.设置对应的10个权值W[10]（在图中表示为wn），作为神经元的突触权值3.NET（在上图中用u()表示），是输入信号线性组合器的输出，是神经元的净输入。NET+=X[i]*W[i];NET*=0.4;4.f()为激励函数.Out=f(NET)=1/(1+exp(-x));5.Out为神经元输出信号。当Out0.5下买单，Out=0.5下卖单疑问：我一直不理解为什么在小于0.5时下的是买单，而不是卖单？4.3程序的调试参考【Samuel,2013】【W】【F】Samuel,以MQL5编写的EA交易程序的测试与优化指南,2013-09-18。（2015-10-18-以MQL5编写的EA交易程序的测试与优化指南）（本文主要分两个部分：一、如何在编译过程中排除错误；二、可运行程序的测试和优化。给出两个程序，一个是有BUG的程序“cci_ma_ea.mq5”和去除BUG的程序“cci_ma_ea_corrected.mq5”便于读者理解程序的调试与测试。）4.4程序的优化4.4.1多目标遗传算法(MOGA)在优化中的应用参考《基于遗传算法的多目标优化问题的研究与应用》3.2.2多目标遗传算法(MOGA)（具体描述一下多目标优化的过程）参考《基于遗传算法的多目标优化算法及在金融投资组合中的应用》对于多目标优化算法看的论文较少，理解的还差很多，会继续看。4.5结果分析将优化的参数组合进行测试得出结论第五章结论注：这里还有许多疑问，以及不清晰的地方，暂时先整理成这样了，还有待细细修改，希望您能给出参考意见。快开题答辩了，您看什么时候有时间见面谈谈我在学习中还需要学习改进的地方。