Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2216
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
was für eine Überraschung, jetzt habe ich den von Maxim Vladimirovich veröffentlichten Bot getestet.
Im ersten Screenshot die Zitate von Dukascopi, die steigende Gleichgewichtslinie nach 3200 ist nur der Zeitraum November 2019 - Oktober 2020, 1 Stunde Zeitrahmen, Spread - 2 Pips (0,0002)
Der Test bei einem anderen Broker in Metatrader ergab nicht so bemerkenswerte Ergebnisse, es scheint, dass die Strategie so optimiert werden sollte, dass sie ausnahmslos für alle funktioniert.
Ja, die Verteilungen zeigen normalerweise alles. Wir können dies einfach für die Ziele ohne den Booster tun und sehen auf einen Blick
Die Idee ist also, das Modell zu bewerten, und das Modell entwirrt tatsächlich die verwickelten Ziele, und wir können seinen Erfolg dabei bewerten, anstatt nur zu sehen, wie verwickelt die Dinge sind.
Ich überlege, die Kaskaden-Lernmethode auszuprobieren (den Begriff habe ich selbst erfunden - vielleicht gibt es etwas anderes). Die Diagramme zeigen, dass es Bereiche gibt, in denen das Lernen erfolgreich ist - verlassen Sie diesen Bereich und unterrichten Sie das, was aus diesem Bereich herausgeht, erneut, nachdem Sie zuvor Beispiele aus der Stichprobe entfernt haben, die in die Verteilungen des verlassenen Bereichs fallen. Ich habe bereits versucht, es manuell und die Wirkung war gut, ich denke, um es zu automatisieren, aber ich kann nicht tun es für den zweiten Tag, ich fürchte, die Wirkung war zufällig. Was halten Sie davon? Ich denke, das ist in Python leicht zu bewerkstelligen.
Die Idee ist also, das Modell zu bewerten, und das Modell entwirrt tatsächlich die verwickelten Ziele, und wir können seinen Erfolg dabei bewerten, anstatt nur zu sehen, wie verwickelt die Dinge sind.
Ich überlege, die Kaskaden-Lernmethode auszuprobieren (den Begriff habe ich selbst erfunden - vielleicht gibt es etwas anderes). Die Diagramme zeigen, dass es Bereiche gibt, in denen das Lernen erfolgreich ist - verlassen Sie diesen Bereich und unterrichten Sie das, was aus diesem Bereich herausgeht, erneut, nachdem Sie zuvor Beispiele aus der Stichprobe entfernt haben, die in die Verteilungen des verlassenen Bereichs fallen. Ich habe es bereits manuell versucht und der Effekt war gut, ich denke daran, es zu automatisieren, aber ich kann es nicht für den zweiten Tag tun, ich fürchte, der Effekt ist zufällig. Was halten Sie davon? Ich denke, das ist in Python leicht zu bewerkstelligen.
Nun, es ist alles eine Frage des halb-kontrollierten Lernens. Bis jetzt lese ich
Die Idee ist also, das Modell zu evaluieren, und das Modell entwirrt tatsächlich verworrene Ziele, und wir können seinen Erfolg dabei bewerten, anstatt nur zu sehen, wie verworren die Dinge sind.
Ich überlege, die Kaskaden-Lernmethode auszuprobieren (den Begriff habe ich selbst erfunden - vielleicht gibt es etwas anderes). Die Diagramme zeigen, dass es Bereiche gibt, in denen das Lernen erfolgreich ist - verlassen Sie diesen Bereich und unterrichten Sie das, was aus diesem Bereich herausgeht, erneut, nachdem Sie zuvor Beispiele aus der Stichprobe entfernt haben, die in die Verteilungen des verlassenen Bereichs fallen. Ich habe es bereits manuell versucht und der Effekt war gut, ich denke daran, es zu automatisieren, aber ich kann es nicht für den zweiten Tag tun, ich fürchte, der Effekt ist zufällig. Was halten Sie davon? Ich denke, das ist in Python leicht zu bewerkstelligen.
Wenn Sie es automatisch in homogene Bereiche aufteilen, genau wie bei den Händen plus minus, wird es funktionieren.
was für eine Überraschung, jetzt habe ich den von Maxim Vladimirovich veröffentlichten Bot getestet.
Im ersten Screenshot die Zitate von Dukascopi, die steigende Gleichgewichtslinie nach 3200 ist nur der Zeitraum November 2019 - Oktober 2020, 1 Stunde Zeitrahmen, Spread - 2 Pips (0,0002)
Ich habe bereits versucht, es mit einigen anderen Broker in Metatrader, aber meine Ergebnisse sind nicht so bemerkenswert, ich denke, die Strategie sollte optimiert werden, um mit jedem ohne Ausnahme zu arbeiten.
Es ist nicht die beste Variante. Wenn Sie nicht wissen, wie man es benutzt, können Sie noch besser werden.
Ich bin zu faul, neue Metriken zu schreiben... und es wird sicherlich nicht der maximale Gewinn sein. .....
Sie können das nicht, es ist einfach nicht da.
Das ist nicht möglich, es ist einfach nicht vorgesehen.
Ich kann das, du musst nur lernen, wie man Google benutzt.
z.B. catboost benutzerdefinierte VerlustfunktionDas ist bei weitem nicht die beste Option. Nimm die Einstellungen auf, du kannst diese und noch bessere bekommen
Wie hoch ist die ungefähre Belastung des Prozessors mit diesen Berechnungen (wobei nur die beiden Parameter look_back und ma_periods geändert werden)?
Wie hoch ist bei diesen Berechnungen (wobei nur die beiden Parameter look_back und ma_periods geändert werden) ungefähr die Belastung des Prozessors?
Ich weiß nicht, ich merke es nicht
Ich kann das, aber Sie müssen lernen, wie man Google benutzt.
z.B. catboost benutzerdefinierte VerlustfunktionSie verstehen nicht, versuchen Sie es, Sie haben eine Funktion, die den Saldo berechnet...
Es dauert weniger als eine Minute, um es herauszufinden.