트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3112

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

5월 15일에 여기에 던진 봇을 테스트했는데 한 달이 지났습니다. sl과 tp가 다른 결과는 다르지만 평균적으로 모두 성장했습니다.

어떤 기능이 사용 되었습니까? 전체 목록이 바람직 할 것입니다)

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

어떤 기능을 사용하셨나요? 전체 목록을 알려주시면 감사하겠습니다.)

다양한 모의 수익률, 특별한 것은 없습니다. 이전에 변동성만 잘 작동할 때도 있다고 썼는데, 다시 환산 수익률입니다.

너무 많으면 나쁘고 너무 적으면 나쁩니다. 어떻게 든 나는 고정 된 단계만큼 증가하는 다른 기간으로 약 10 개의 픽을 최적으로 얻습니다. 범위(10, 100, 10)라고 가정해 봅시다.

이지만 이것이 제 구현 방식이며 마법의 공식을 도출 한 척하지 않습니다.

시계열에 다른 것이 있나요? )

[mytarmailS]

나는 금지되었고, 스레드는 죽었다)))

[mytarmailS]

모든 MT5 신호에 "신뢰할 수 있는" 필터를 적용하여 연도별 분포를 살펴보고, "신뢰할 수 있는 TS"가 얼마나 오래, 얼마나 많이 "살아 있는지"를 파악했습니다.

분포는 다음과 같습니다.

years
2015 2018 2019 2020 2021 2022 2023 
   1    4    5   34  130  549  957 

생각해 볼 것....

필요한 사람이 있으면 코드 파싱

library(rvest)
library(readr)
n_pages <- 35 
url <- "https://www.mql5.com/ru/signals/mt5/page"
urls <- paste0(url, 1:n_pages)
years <- lapply(urls, \(Url) Url |> read_html() |> html_nodes(".signal-card__growth-label") |> html_text() |> parse_number()) |> unlist()
hist(years)

df <- data.frame(table(years))
library(ggplot2)
ggplot(df,aes(years,Freq)) +
  geom_bar(stat='identity',fill=colors()[128]) 

[mytarmailS]

포럼의 첫 100페이지에서 Sanych의 모든 게시물을 희소화합니다.

텍스트를 "단어 가방"으로 변환했습니다.

"중지 단어" 제거

"단어 구름"으로 시각화했습니다(단어가 클수록 더 자주 등장).

멋진 ))))

library(xml2)
library(rvest)
urls <- paste0("https://www.mql5.com/ru/forum/86386/page", 2:100)
author <- "СанСаныч Фоменко"

li <- list()
for(url in urls){
txt <- url |> read_html() |> html_nodes(".text") 
txt |> html_node(".fquote") |> xml_remove() #  remove fquote

Authors <- txt |> html_node(".author") |> html_text()
Content <- txt |> html_node(".content") |> html_text()
Comment_date <- txt |> html_node(".comment__date") |> html_text()

if(any(Authors==author,na.rm = T)){
la <- lapply(seq_along(Authors), function(i) {
       list(author=Authors[i], text=Content[i], date=Comment_date[i]) })
la <- la[Authors==author]
la <- la[!sapply(la, is.null)]
li <- append(li, la)
}
print(url)
}
text2word <- function(text) strsplit(text, "\\P{L}+", perl = TRUE) |> unlist()
words <- lapply(li, function(x) text2word(x$text))  |> unlist() 
bag_of_words <- table(words)

library(stopwords)
stopw <- stopwords("ru", source = "stopwords-iso")
bag_of_words <- bag_of_words[!names(bag_of_words) %in% stopw]

library(wordcloud2)
bag_of_words |> as.data.frame() |> wordcloud2()

그리고 이것이 제가 2016년에 이야기했던 것입니다.

......

예, R에서는 한 화면에서 거의 모든 것을 할 수 있습니다. 놀라운 언어입니다....

[Renat Fatkhullin]

새로운 접종/연료 공급은 다음을 살펴보세요.

[СанСаныч Фоменко]

mytarmailS #:

포럼의 첫 100페이지에 있는 Sanych의 모든 게시글을 스팸 처리했습니다.

텍스트를 "단어 가방"으로 축소했습니다.

"중지 단어"를 빼고

"단어 구름"으로 시각화(단어가 클수록 발생 빈도가 높음)

멋지네요.)

이것이 바로 제가 2016년에 이야기했던 내용입니다.

......

예, R에서는 한 화면에서 거의 모든 것을 할 수 있습니다. 놀라운 언어입니다.....

감사합니다!

[СанСаныч Фоменко]

Renat Fatkhullin #:
새로운 접종/급유는 다음을 살펴보세요: 퀀트 트레이딩

놀라운 선택입니다!

[mytarmailS]

СанСаныч Фоменко #:

정말 감사합니다!

원래 목적은 GARCH라는 단어를 몇 번이나 말했는지 세는 것이 었습니다. 50 개가 아니라 그보다 적은 것 같기 때문입니다)))))

하지만 포럼에서 게시물을 구문 분석하는 방법을 배우는 동안 이미 내가 무엇을 위해 그것을하고 있는지 잊어 버렸습니다....

비밀로 두십시오)))

[mytarmailS]

Renat Fatkhullin #:

MT 패키지에 대한 새로운 소식이 있나요?