Diskussion zum Artikel "Saisonale Filterung und Zeitabschnitt für Deep Learning ONNX Modelle mit Python für EA"
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
Neuer Artikel Saisonale Filterung und Zeitabschnitt für Deep Learning ONNX Modelle mit Python für EA :
Können wir bei der Erstellung von Modellen für Deep Learning mit Python von der Saisonalität profitieren? Hilft das Filtern von Daten für die ONNX-Modelle, um bessere Ergebnisse zu erzielen? Welchen Zeitabschnitt sollten wir verwenden? Wir werden all dies in diesem Artikel behandeln.
Als ich auf den Artikel stieß: Ich habe mir die Saisonalität des Devisenmarktes zunutze gemacht, um diesen, wie ich finde, interessanten Artikel zu verfassen. Ich könnte damit beginnen, einen EA mit und ohne Saisonalität zu vergleichen, um zu sehen, ob er davon profitieren kann.
Ich wusste schon immer, dass die Märkte eine Saisonabhängigkeit aufweisen, seit ich gelesen habe, dass Mark Zuckerberg das Geld für Facebook von einem Investor bekommen hat, der sein Geld in Aktien von Erdöl investierte, als das Klima in der Karibik von Wirbelstürmen heimgesucht wurde. Er untersuchte zunächst das Klima und sagte voraus, dass es in einem bestimmten Zeitabschnitt ein schlechtes Wetter geben würde.
Ich bin sehr stolz und interessiert, diesen Artikel zu schreiben, denn wenn die Ergebnisse nicht besser sind, obwohl ich weiß, dass Markt und Saisonalität gute Begleiter sind. Ein guter Ansatz, um dies zu verwirklichen, wäre die Zusammenlegung beider EAs in einem, aber darüber haben wir bereits einen Artikel geschrieben, hier ist der Link: Ein Beispiel für die Zusammenstellung von ONNX-Modellen in mql5.
Zunächst werden wir Modelle mit und ohne Filterung mit Hilfe eines EA vergleichen, um zu sehen, wie sich die Filterung der Daten auswirkt oder nicht. Danach werden wir das Seasoning anhand eines Diagramms diskutieren, um am Ende einen realen Studienfall für Februar 2024 mit und ohne Seasoning zu haben. Im letzten Teil des Artikels (den ich sehr interessant finde), werden wir andere Ansätze für den EA diskutieren, die wir bereits aus dem Artikel kennen: Wie man ONNX-Modelle in MQL5 verwendet, und wir werden sehen, ob wir vom Finetuning dieser EAs und ONNX-Modelle profitieren können, und ja, die Antwort ist, dass wir das können.
Autor: Javier Santiago Gaston De Iriarte Cabrera