Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2098

 
Maxim Dmitrievsky:
Ja, lustig, das werde ich mir merken

Einige GPT-3 können auch ein Keimblatt haben.

 
Rorschach:

Eine Art von GPT-3 kann auch kotiert werden.

Es ist teuer, Cotier in Bilder umzuwandeln, daher bin ich für eindimensionale Konvolute.
 

Wie lade ich die *.ipynb-Datei von Github in das Jupyter-Notebook herunter?


Hinzufügen: Die Frage wurde entfernt - es wurde etwas angeklickt und eine Download-Schaltfläche erschien:

 
Wladimir Karputow:

Wie lade ich die *.ipynb-Datei von Github in das Jupyter-Notebook herunter?


hinzufügen: Die Frage ist falsch - es wurde etwas angeklickt und eine Download-Schaltfläche erschien:

Wladimir, bist du jetzt bei uns, auf der dunklen Seite?

 
Mein Artikelist veröffentlicht worden. Sie sind herzlich eingeladen, zu lesen und zu kritisieren :)
Машинное обучение от Яндекс (CatBoost) без изучения Phyton и R
Машинное обучение от Яндекс (CatBoost) без изучения Phyton и R
  • www.mql5.com
Уважаемый читатель, в настоящей статье я опишу процесс создания моделей, описывающих закономерность рынка при ограниченном наборе переменных и наличии гипотезы о закономерности его поведения, являющихся результатом работы алгоритма машинного обучения CatBoost от Яндекса. Для получения моделей не потребуется знание таких языков программирования...
 
Maxim Dmitrievsky:

Wladimir, bist du jetzt bei uns, auf der dunklen Seite?

Ich lerne gerade...

 
Maxim Dmitrievsky:

Wladimir, bist du jetzt bei uns, auf der dunklen Seite?

Wow, die Seiten geben schon nach! Reservierungen für das Wasser !!!!! :-)))))
 

Ich kann die ersten fünf Zeilen des DataFrame-Objekts nicht drucken.

Ich nehme das Skript aus dem "Datenordner"\Scripts\Python\copy_rates_from.py' und füge die Zeilen hinzu:

from datetime import datetime
import MetaTrader5 as mt5
# выведем данные о пакете MetaTrader5
print("MetaTrader5 package author: ",mt5.__author__)
print("MetaTrader5 package version: ",mt5.__version__)

# импортируем модуль pandas для вывода полученных данных в табличной форме
import pandas as pd
pd.set_option('display.max_columns', 500) # сколько столбцов показываем
pd.set_option('display.width', 1500)      # макс. ширина таблицы для показа
# импортируем модуль pytz для работы с таймзоной
import pytz

# установим подключение к терминалу MetaTrader 5
if not mt5.initialize():
    print("initialize() failed")
    mt5.shutdown()

# установим таймзону в UTC
timezone = pytz.timezone("Etc/UTC")
# создадим объект datetime в таймзоне UTC, чтобы не применялось смещение локальной таймзоны
utc_from = datetime(2020, 1, 10, tzinfo=timezone)
# получим 10 баров с EURUSD H4 начиная с 01.10.2020 в таймзоне UTC
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H4, utc_from, 10)

# завершим подключение к терминалу MetaTrader 5
mt5.shutdown()
# выведем каждый элемент полученных данных на новой строке
print("Выведем полученные данные как есть")
for rate in rates:
    print(rate)

# создадим из полученных данных DataFrame
rates_frame = pd.DataFrame(rates)

from datetime import datetime
import MetaTrader5 as mt5
# выведем данные о пакете MetaTrader5
print("MetaTrader5 package author: ",mt5.__author__)
print("MetaTrader5 package version: ",mt5.__version__)

# импортируем модуль pandas для вывода полученных данных в табличной форме
import pandas as pd
pd.set_option('display.max_columns', 500) # сколько столбцов показываем
pd.set_option('display.width', 1500)      # макс. ширина таблицы для показа
# импортируем модуль pytz для работы с таймзоной
import pytz

# установим подключение к терминалу MetaTrader 5
if not mt5.initialize():
    print("initialize() failed")
    mt5.shutdown()

# установим таймзону в UTC
timezone = pytz.timezone("Etc/UTC")
# создадим объект datetime в таймзоне UTC, чтобы не применялось смещение локальной таймзоны
utc_from = datetime(2020, 1, 10, tzinfo=timezone)
# получим 10 баров с EURUSD H4 начиная с 01.10.2020 в таймзоне UTC
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H4, utc_from, 10)

# завершим подключение к терминалу MetaTrader 5
mt5.shutdown()
# выведем каждый элемент полученных данных на новой строке
print("Выведем полученные данные как есть")
for rate in rates:
    print(rate)

# создадим из полученных данных DataFrame
rates_frame = pd.DataFrame(rates)

# выведем пять первых строк (метод 'head' pandas)
print("\nВыведем пять первых строк")
rates_frame.head()

rates_frame['time']=pd.to_datetime(rates_frame['time'], unit='s')

# выведем данные
print("\nВыведем датафрейм с данными")
print(rates_frame)

rates_frame['time']=pd.to_datetime(rates_frame['time'], unit='s')

# выведем данные
print("\nВыведем датафрейм с данными")
print(rates_frame)

und die Methode gibt nichts aus:

(1578614400, 1.11051, 1.11093, 1.11017, 1.11041, 2448, 1, 0)

Выведем пять первых строк

Выведем датафрейм с данными
 
Aleksey Vyazmikin:
Mein Artikel wurde veröffentlicht. Ich lade Sie ein, ihn zu lesen und zu kritisieren :)

Alexey, meine Frage an Sie und an alle: Warum? Nehmen wir als Ziel das Signal der Überschreitung des gleitenden Durchschnitts und berühren ihn nicht im nächsten Balken...".

Sie können das "ideale" Signal unterrichten. Nehmen Sie eine ZZ (mehrere ZZ) und gehen Sie in jedem Takt von der Gegenwart in die Vergangenheit, was genau so viele Takte lang nach oben/unten geht.

Als ich ein Neuroshell Day Trader Professional war, lernte ich ein solches Signal und erzielte das erste vernünftige Ergebnis, aber es war sehr schwierig, es im realen Handel anzuwenden.

 
dr.mr.mom:

Alexey, eine Frage an Sie und alle anderen: Warum?" Nehmen wir das Signal, das den gleitenden Durchschnitt kreuzt und ihn im nächsten Balken nicht berührt, als Ziel..."

Sie können ein "ideales" Signal unterrichten. Nehmen Sie eine ZZ (mehrere ZZ) und gehen Sie in jedem Takt von der Gegenwart in die Vergangenheit, die genau so viele Takte lang auf und ab geht.

Als ich ein Neuroshell Day Trader Professional war, lernte ich dieses Signal und erzielte das erste vernünftige Ergebnis, aber es war sehr schwierig, es im realen Handel anzuwenden.

Deshalb wussten wir damals nicht, dass die Pivot-Punkte mit einer solchen Methode schlecht vorhergesagt werden und das Training hauptsächlich auf Trends basiert....

Es ist durchaus sinnvoll, verschiedene Strategien zur Diversifizierung zu verwenden, und MO trägt dazu bei, die zugrundeliegenden Strategien zu verbessern, was ich in diesem Artikel vorgeschlagen habe.