เราได้สร้างอินดิเคเตอร์ deep learning
ที่รวมอินดิเคเตอร์ย่อยสองตัวเข้าด้วยกัน
ซึ่งอยู่ใน
ลิงก์ของเว็บ Github ของเรา (MIT License)
เป็นโค้ด Pine Script สำหรับใช้ใน TradingView
เราได้ตั้งชื่อว่า 2 In 2 Out
ก็คือ อ่าน high และ low ของแท่งเทียนปัจจุบันกับก่อนหน้า
เพื่อพยากรณ์ high และ low ของแท่งเทียนถัดไปรวม 2 ตัว
อินดิเคเตอร์ 2 In 2 Out จะประกอบด้วย
IND-1hT50-I2HL-Conv64_2Relu-Conv2Relu-O1F0HL-b64e5-R8868
กับ IND-1hT50-I2HL-Conv64_2Relu-Conv2Relu-O1F1HL-b64e5-R6679
ซึ่งทั้งสองตัวใช้ข้อมูลฝึกเป็นแท่งเทียน 1 ชั่วโมง
ข้อมูลที่ใช้ฝึกเป็น 50% ทดสอบอีก 50%
มีข้อมูลนำเข้าเป็น high กับ low อยู่ 2 แท่งเทียน
สถาปัตยกรรมใช้ Convolution มี filter อยู่ 64 ตัว
ใช้ ReLU เป็น activation function
และชั้นต่อไปก็มี filter 2 ตัว ใช้ ReLU เหมือนกัน
อินดิเคเตอร์ทั้งคู่จะใช้ batch size ที่ 64 และ epoch เป็น 5
ความแตกต่างระหว่างอินดิเคเตอร์ทั้งสองตัวก็คือ
ตัวแรกจะพยากรณ์แท่งเทียนถัดไป
มีค่า r-square อยู่ที่ 0.8868
ในขณะที่ตัวที่สองจะพยากรณ์แท่งเทียนถัด ๆ ไปอีก
มีค่า r-square อยู่ที่ 0.6679
(ยิ่งพยากรณ์ไปล่วงหน้า r-square ยิ่งต่ำลง)
ภาพในสปอยล์จะเป็นตัวอย่างการแสดงผลของอินดิเคเตอร์
ซึ่งสีน้ำเงินจะเป็นการพยากรณ์ high
สีแดงจะเป็นการพยากรณ์ low
เส้นที่เข้มจะพยากรณ์แท่งเทียนถัดไป
ส่วนเส้นที่จางลงจะพยากรณ์แท่งเทียนถัด ๆ ไปอีก
โมเดลที่ทำมา คาดว่า generalize ได้เต็มที่แล้ว
ไม่สามารถปรับให้มีความแม่นยำสูงกว่านี้ได้
ถ้าหากจะทำให้แม่นยำมากขึ้น อาจต้องฝึกข้อมูล
ด้วยข่าวสาร ซึ่งก็คงเป็นสัญญาณละ
อินดิเคเตอร์ r-square ที่ 0.8868 กับ 0.6679
ที่รวมอินดิเคเตอร์ย่อยสองตัวเข้าด้วยกัน
ซึ่งอยู่ใน ลิงก์ของเว็บ Github ของเรา (MIT License)
เป็นโค้ด Pine Script สำหรับใช้ใน TradingView
เราได้ตั้งชื่อว่า 2 In 2 Out
ก็คือ อ่าน high และ low ของแท่งเทียนปัจจุบันกับก่อนหน้า
เพื่อพยากรณ์ high และ low ของแท่งเทียนถัดไปรวม 2 ตัว
อินดิเคเตอร์ 2 In 2 Out จะประกอบด้วย
IND-1hT50-I2HL-Conv64_2Relu-Conv2Relu-O1F0HL-b64e5-R8868
กับ IND-1hT50-I2HL-Conv64_2Relu-Conv2Relu-O1F1HL-b64e5-R6679
ซึ่งทั้งสองตัวใช้ข้อมูลฝึกเป็นแท่งเทียน 1 ชั่วโมง
ข้อมูลที่ใช้ฝึกเป็น 50% ทดสอบอีก 50%
มีข้อมูลนำเข้าเป็น high กับ low อยู่ 2 แท่งเทียน
สถาปัตยกรรมใช้ Convolution มี filter อยู่ 64 ตัว
ใช้ ReLU เป็น activation function
และชั้นต่อไปก็มี filter 2 ตัว ใช้ ReLU เหมือนกัน
อินดิเคเตอร์ทั้งคู่จะใช้ batch size ที่ 64 และ epoch เป็น 5
ความแตกต่างระหว่างอินดิเคเตอร์ทั้งสองตัวก็คือ
ตัวแรกจะพยากรณ์แท่งเทียนถัดไป
มีค่า r-square อยู่ที่ 0.8868
ในขณะที่ตัวที่สองจะพยากรณ์แท่งเทียนถัด ๆ ไปอีก
มีค่า r-square อยู่ที่ 0.6679
(ยิ่งพยากรณ์ไปล่วงหน้า r-square ยิ่งต่ำลง)
ภาพในสปอยล์จะเป็นตัวอย่างการแสดงผลของอินดิเคเตอร์
ซึ่งสีน้ำเงินจะเป็นการพยากรณ์ high
สีแดงจะเป็นการพยากรณ์ low
เส้นที่เข้มจะพยากรณ์แท่งเทียนถัดไป
ส่วนเส้นที่จางลงจะพยากรณ์แท่งเทียนถัด ๆ ไปอีก
โมเดลที่ทำมา คาดว่า generalize ได้เต็มที่แล้ว
ไม่สามารถปรับให้มีความแม่นยำสูงกว่านี้ได้
ถ้าหากจะทำให้แม่นยำมากขึ้น อาจต้องฝึกข้อมูล
ด้วยข่าวสาร ซึ่งก็คงเป็นสัญญาณละ