Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2952

[Evgeny Dyuka]

Sergey Golubev #:

Sie brauchen Ihre Telegram-Feeds hier nicht zu posten.

also verbannen Sie sie bereits, es ist höchste Zeit
Sie haben ein Geschäft hier und Sie sind verärgert, dass die Leute falsche Dinge schreiben, anstatt ihre Bemühungen auf die Entwicklung MO in MQL5 Umgebung zu verbringen.

[Sergey Golubev]

Evgeny Dyuka #:
Also verbieten Sie sie schon, es ist höchste Zeit
Sie haben hier ein Geschäft und ärgern sich darüber, dass die Leute falsche Dinge schreiben, anstatt ihre Bemühungen auf die Entwicklung von MO in MQL5-Umgebung zu verwenden.

Du - warum?
Ich habe mich nicht mit dir gestritten. Lassen Sie es nicht an sich aus.

Ich werde diesen Beitrag (und meinen obigen Beitrag) später löschen.

[Renat Fatkhullin]

Evgeny Dyuka #:

Wenn ich darf, eine ähnliche Gegenfrage.
(hier geht es nicht um Ihr Unternehmen, sondern speziell um das Thema des Verteidigungsministeriums)

Speziell für MO ist getan:

• Metatrader 5 Handelsplattform
• MQL5-Sprache
• Matrix-Mathematik in MQL5
• Integration von Python in das Terminal, einschließlich Kommunikationsbibliothek
• Integration von ONNX-Modellen
• OpenCL/DirectX für die Nutzung von GPUs
• Cloud-Netzwerk, einschließlich Tester
• www.mql5.com Ökosystem in 11 Sprachen

Dies ist für die Öffentlichkeit bestimmt und wird weltweit in großem Umfang genutzt.

Wollen Sie dies mit ein paar kopierten Skripten vergleichen (wie es bei Adepten des maschinellen Lernens üblich ist)?

Seien Sie vernünftig und stürzen Sie sich nicht auf diejenigen, die die Arbeit machen und sie der Öffentlichkeit zur Verfügung stellen.

[СанСаныч Фоменко]

Ich möchte meine fünf Kopeken hinzufügen und die Fliegen von den Koteletts trennen, die, so qualitativ sie auch sein mögen, die Probleme der Fliegen nicht lösen.

In diesem Thread ist sich ein Teil der Teilnehmer darüber im Klaren, dass das Hauptproblem der Finanzmärkte ihre Nicht-Stationarität ist, und für das Problem der Nicht-Stationarität gibt es derzeit keine endgültige Lösung. Das ganze Gerede über die Dauer der Tests, die Zeit des erfolgreichen Handels - all das ist leer und wurde wiederholt durch die Praxis widerlegt, was Nobelpreisträger ruiniert hat, die das Problem der Nicht-Stationarität nicht erkannt haben. Die Existenz des Problems der Nicht-Stationarität wird durch den Markt der Signale auf dieser Website perfekt bestätigt: alle Signale sind gestorben, nur einige früher und andere viel später.

Wir können zwei Ansätze zur Lösung des Problems der Nicht-Stationarität der Finanzmärkte unterscheiden:

1. Modellierung der Nicht-Stationarität, die im Rahmen von GARCH-Modellen versucht wird, von denen es bereits mehr als hundert gibt.

2. Der Versuch, Muster im nicht-stationären Inputfluss zu finden, in der Hoffnung, dass sich diese Muster in der Zukunft wiederholen werden. Dies wird im Rahmen des so genannten "maschinellen Lernens" versucht. Das RandomForest-Modell findet zum Beispiel mindestens 50 Muster, wobei 150 Muster einen beliebigen Zeitraum ausschöpfen. Aber der nächste Schritt kann die Menge der Muster verändern, und es sind besondere Anstrengungen erforderlich, um die Eingabedaten so vorzubereiten, dass sich diese Muster, falls sie sich ändern, nicht sehr stark verändern.

Leider hat sich der Thread auf die Diskussion der Modelle selbst verlagert, obwohl es meiner Erfahrung nach überhaupt kein Problem ist, Modelle zu verwenden (Caret Shell enthält bis zu 200 Modelle für jeden Geschmack), aber es gibt ein Problem bei der Vorbereitung der Eingabedaten für diese Modelle. Vergessen wir nicht den wichtigsten Slogan der Statistik: "Garbage in - rubbish out".

[Stanislav Korotky]

СанСаныч Фоменко #:

Für Sie persönlich füge ich noch einmal einen umfassenden Text über Formeln in einer PDF-Datei bei. Dazu gehören auch "Abhängigkeiten und Quellen".

Und auf die Feinheiten der Berechnungen gehe ich nicht ein, weil ich genau weiß, dass Formeln NICHTS mit Programmierung zu tun haben, sondern ein eigenständiges Problem sind, das von anderen Leuten mit anderer Ausbildung und in anderen, wissenschaftlichen Kreisen gelöst wird.

Lesen Sie also das PDF.

Danke, ich werde es mir ansehen.

Bislang habe ich eine direkte Antwort auf meine Frage hier gefunden - https://blog.paperspace.com/gradient-boosting-for-classification/

[Aleksey Nikolayev]

Die Datenstrukturreferenz für ONNX scheint nicht zu stimmen. MT Version 3602.

[Aleksey Nikolayev]

Und in der Hilfe steht nichts über Schlüssel für OnnxRun().

[Aleksey Nikolayev]

In der ONNX-Hilfe gibt es keine Informationen über die Funktionen OnnxSetInputShape() und OnnxSetOutputShape(). Es ist nicht ganz klar, was sie tun sollen.

[Rashid Umarov]

Aleksey Nikolayev #:
In der ONNX-Hilfe gibt es keine Informationen über die Funktionen OnnxSetInputShape() und OnnxSetOutputShape(). Es ist nicht ganz klar, was sie tun sollen.

Diese Methoden setzen die Dimensionalität der Eingabe- und Ausgabedaten des Modells. Heute werden wir sie der Hilfe hinzufügen

//+------------------------------------------------------------------+
//|                                        ONNX.Price.Prediction.mq5 |
//|                                  Copyright 2023, MetaQuotes Ltd. |
//|                                             https://www.mql5.com |
//+------------------------------------------------------------------+
#property copyright "Copyright 2023, MetaQuotes Ltd."
#property link      "https://www.mql5.com"
#property version   "1.00"

const long  ExtOutputShape[] = {1,1};
const long  ExtInputShape [] = {1,10,4};
//+------------------------------------------------------------------+
//| Script program start function                                    |
//+------------------------------------------------------------------+
int OnStart(void)
  {
   matrix rates;
//--- получаем 10 баров
   if(!rates.CopyRates("EURUSD",PERIOD_H1,COPY_RATES_OHLC,2,10))
      return(-1);
//--- на вход модели должен подаваться набор вертикальных векторов OHLC
   matrix x_norm=rates.Transpose();
   vector m=x_norm.Mean(0);               // нормируем цены
   vector s=x_norm.Std(0);
   matrix mm(10,4);
   matrix ms(10,4);

   for(int i=0; i<10; i++)
     {
      mm.Row(m,i);
      ms.Row(s,i);
     }

   x_norm-=mm;
   x_norm/=ms;
//--- создаём модель
   long handle=OnnxCreateFromBuffer(model,ONNX_DEBUG_LOGS);

   if(!OnnxSetInputShape(handle,0,ExtInputShape))
     {
      Print("failed, OnnxSetInputShape error ",GetLastError());
      OnnxRelease(handle);
      return(-1);
     }

   if(!OnnxSetOutputShape(handle,0,ExtOutputShape))
     {
      Print("failed, OnnxSetOutputShape error ",GetLastError());
      OnnxRelease(handle);
      return(-1);
     }
//--- запускаем модель
   matrixf x_normf;
   vectorf y_norm(1);

   x_normf.Assign(x_norm);
   if(!OnnxRun(handle,ONNX_DEBUG_LOGS | ONNX_NO_CONVERSION,x_normf,y_norm))
     {
      Print("failed, OnnxRun error ",GetLastError());
      OnnxRelease(handle);
      return(-1);
     }

   Print(y_norm);
//--- обратно разнормируем цену из выходного значения
   double y_pred=y_norm[0]*s[3]+m[3];

   Print("predicted ",y_pred);
//--- завершили работу
   OnnxRelease(handle);
   return(0);
  }
//+------------------------------------------------------------------+

[Sergey Golubev]

mytarmailS #:
Wie meinen Sie das?

Auf meinem Computer bin ich für 10 Jahre verboten, aber von meinem Telefon bin ich aus dem Verbot)))

Sie haben wahrscheinlich eine "gefälschte IP-Sperre":

Forum über Handel, automatisierte Handelssysteme und das Testen von Handelsstrategien

Frage an die Verwaltung der Website mql5.com

Sergey Golubev, 2022.12.16 17:22

Wenn Sie gesperrt sind und Sie können hier Beiträge verfassen, handelt es sich um eine "gefälschte IP-Sperre".
Sie haben wahrscheinlich eine dynamische IP, und sie ist versehentlich auf die gesperrte IP von jemandem "gefallen".
Wenn ich eine solche Sperre "erwische", schalte ich einfach meinen Computer aus, schalte den Router aus, dann schalte ich den Router ein und schalte meinen Computer ein.
Als Ergebnis ändert sich meine IP (und ich habe auch eine dynamische IP), und die Inschrift über 10 Jahre verschwindet.

...