트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2957

 
최대 수익 기준에 따라 전략을 최적화한 다음(다른 마크업을 하기에는 너무 게으른 경우) 이 TS로 트레이닝하세요. 또는 시장에서 수익성 있는 TS를 가져옵니다. 이것은 선생님과 같은 훈련입니다.

NS만을 기반으로 TS를 도출하는 데 관심이 있다면 지난 글의 변형을 제공할 수 있습니다. 비슷한 방식으로 할 수 있습니다. 처음에는 그런 것을 만드는 방법이 궁금했습니다. 독점.
 
Aleksey Nikolayev #:

누군가가 그렇게 어려운 문제를 해결하면 해결책을 공유 할 가능성은 거의 없습니다.

이미 너무 많이 공유해서 어느 순간 지루해졌어요....

사람들은 내가 몇 년 전에 여기서 논의한 것에 대해 생각하고 이야기하기 시작하지만 아무도 이해하지 못합니다.
 
Aleksey Nikolayev #:

ONNX_NO_CONVERSION 스위치를 제거하면 이중 벡터를 입력할 수 있습니다. 출력은 여전히 플로트 벡터여야 합니다.

컴파일 후 모델은 별도의 파일로 남거나 .ex5 ?
 
Evgeny Dyuka #:
컴파일 후 모델은 별도의 파일로 남아 있거나 .ex5로 재봉됩니까?

"스티치"되지 않은 경우 어떻게 판매하나요? 나는 그것이 다른 파일과 같은 자원이된다고 가정합니다.

 
Vladimir Perervenko 차원 축소 및 기타 엔지니어링 트릭으로 끝나는 많은 것들이 포함됩니다. 이 단계에서 모든 예측자 및 대상 변환의 기본 규칙은 모든 변환 매개변수(평균, 중앙값, SD, 매드 등)가 훈련 세트에서 계산된다는 것입니다. 테스트 세트와 새 데이터는 훈련 세트에서 얻은 파라미터를 사용하여 처리됩니다.

따라서 예제에서는 훈련에서 평균/평균을 계산하고, 이 데이터를 예측이 이루어지는 부분으로 전달하고, 이 파라미터로 새 데이터를 처리해야 했습니다. 그런 다음 예측된 가격의 실제 값을 비정규화하여 얻습니다. 이 순서가 중요합니다.

아무도 실제 가격을 모델 입력에 제공하지 않는다는 것은 분명하지만 이것은 이미 구체적입니다.

행운을 빕니다.

onnx 모델 예제에서 입력 가격은 전체 계열의 평균과 표준 편차를 사용하여 정규화됩니다. 그런 다음 얻은 결과를 동일한 규칙을 사용하여 정규화합니다.

 
Evgeny Dyuka #:
컴파일 후 모델은 별도의 파일로 남거나 .ex5로 재봉됩니까?

제 예제에서는 아니요, 별도의 파일로 남아 있습니다. Renate의 예제(공개 프로젝트 ONNX.Price.Prediction)에서는 .ex5로 작성됩니다.

 
Slava #:

onnx 모델 예제에서 입력 가격은 전체 계열에 대한 평균과 표준 편차를 사용하여 정규화됩니다. 그런 다음 얻은 결과를 동일한 규칙을 사용하여 정규화합니다.

손가락으로 설명해 보겠습니다. ONNX.Price.Prediction.mq5에서 10개의 OHLC를 얻습니다. 그런 다음 이 데이터에서 평균과 SD를 결정하고 이 10개의 값을 정규화합니다. 이것은 올바르지 않습니다.

이 새 데이터의 경우 학습 집합에서 얻은 평균과 표준 편차를 사용해야 합니다. 즉, 이전 스크립트에서요. 이해가 되셨나요?

 
Vladimir Perervenko #:

손가락으로 설명하겠습니다. ONNX.Price.Prediction.mq5에서 10개의 OHLC를 얻습니다. 그런 다음 이 데이터에서 평균과 SD를 결정하고 이 10개의 값을 정규화합니다. 그건 옳지 않습니다.

이 새 데이터에는 훈련 집합에서 얻은 평균과 표준 편차를 사용해야 합니다. 즉, 이전 스크립트에서요. 이해가 되셨나요?

물론 명확하며 의도적으로 그렇게 했습니다.

이 예제는 합리적인 모델 결과를 추출하기 위한 것이 아니라 onnx 모델 로딩을 테스트하기 위한 목적으로 만들어졌습니다.

 
Evgeny Dyuka #:
컴파일 후 모델은 별도의 파일로 남거나 .ex5 ?

단일 파일 대신 *.mqproj 프로젝트를 사용하고, onnx 모델 및 기타 파일을 리소스로 포함합니다. 이 방법은 이제 프로그램 작성 시 선호되는 옵션입니다.

특히 더 많은 구성이 가능하고 *.mqproj 파일로만 프로그램을 구성할 수 있기 때문에 프로그램 구성의 편의성이 높아집니다. 곧 로봇 코드를 최적화할 때 AVX/AVX2/AVX512 명령 세트 관리를 활성화할 예정입니다.

리소스는 EX5 파일에 자동으로 포함되며 보호를 위해 압축 및 암호화됩니다.

공개 프로젝트 ONNX.Price.Prediction에서 예시를 확인하세요.

Создание и работа с проектом - Проекты и MQL5 Storage - Справка по MetaEditor
  • www.metatrader5.com
MetaEditor позволяет удобно работать над большими проектами: объединять множество файлов в одну структуру, управлять настройками проекта и вести...
 
Renat Fatkhullin #:

확실히 이해할 수 있고 의도적으로 수행되었습니다.

이 예는 합리적인 모델 결과를 추출하기 위한 것이 아니라 onnx 모델 로딩을 테스트하기 위한 목적으로 수행되었습니다.

네, 물론 저도 이해했습니다. 하지만 이 예제를 사용하는 사람들은 이 예제를 이해했을까요?

제가 너무 까다로운 걸지도 모르겠네요.

사유: