Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1067
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Escribe más despacio por favor, lo estoy anotando. ) ¿Tal vez sea el momento de cambiar al ruso? Soy analfabeto, así que no entiendo nada.
sí, puedes borrarlo
Por cierto, esta versión del EA lleva bastante tiempo durante el entrenamiento y por lo tanto supongo que no es necesario para el reentrenamiento todos los días ... pero todavía voy a decidir después de ver el drawdown y las pérdidas consecutivas ...
Además, ¿tiene alguna idea de cómo introducir valores aleatorios en el RDF para el entrenamiento? Quiero decir que no quiero alimentar nada de los datos del pasado al RDF. No sé si es posible en esta versión del RDF o no, por lo que antes de proceder he pensado en consultarlo con vosotros
Aquí está mi algo que estoy tratando de implementar:
1.Sin optimización
2.No hay formación de datos anteriores
3.No hay indicadores o no hay alimentación de precios y nada
4.Sólo utilizando simulaciones de velas aleatorias
5.Me refiero a que en el paso 4, un agente creará longitudes de vela aleatorias basadas en un valor máximo establecido para la longitud de la vela y las direcciones de la vela (COMPRA o VENTA) y el segundo agente
toma esos valores de la longitud de la vela y la dirección como entrada a RDF en cada paso y coloca órdenes de COMPRA y VENTA y tratará de maximizar la recompensa. En este caso, la recompensa será la suma o la resta de las longitudes de las velas desde el punto de partida.
6.Así que podemos simplemente entrenar este modelo para millones de tales velas con diferentes variaciones en las que el RDF aprenderá a maximizar los beneficios directamente y podemos simplemente mantener el entrenamiento ON...
Si es factible, el único obstáculo es la potencia de cálculo en cuanto al número de simulaciones y comprobaciones que podemos hacer...
Por cierto, tengo el código de ejemplo para la generación de velas al azar y la dirección de la vela (COMPRA o VENTA), pero no tienen el modo visual, pero sólo los valores. Así que estoy buscando como alimentar esos valores a RDF para la formación y, a continuación, debe utilizar ese modelo, mientras que el comercio
Veo que el mago apunta a los burgueses. Aquí está mi inglés, entonces.
Vi DURAKI
¿Cómo suena? ¿Sonido? :-)))))))
niveles....
niveles de trabajo....
Lo terminaré un poco más, y luego puedes añadir una neurona como filtro)
¿neurona?
Me parece que el foro local (este hilo se refiere) confía en el aprendizaje automático como algo que les ahorrará tener que pensar
Si ya tienes un resultado visualmente bueno, ¿no puedes inventar un algoritmo del tipo "si eso"?
Veo que el mago apunta a los burgueses. Aquí está mi inglés, entonces.
Vi DURAKI
¿Cómo suena? ¿Sonido? :-)))))))
No, no va a funcionar, tiene que ser internacional: ¡¡¡U LUSER!!!
))))
Por cierto, esta versión del EA lleva bastante tiempo durante el entrenamiento y por lo tanto supongo que no es necesario para el reentrenamiento todos los días ... pero todavía voy a decidir después de ver el drawdown y las pérdidas consecutivas ...
Además, ¿tiene alguna idea de cómo introducir valores aleatorios en el RDF para el entrenamiento? Quiero decir que no quiero alimentar nada de los datos del pasado al RDF. No sé si es posible en esta versión del RDF o no y por eso antes de proceder pensé en consultarlo con ustedes
Aquí está mi algo que estoy tratando de implementar:
1.Sin optimización
2.No hay formación de datos anteriores
3.No hay indicadores o no hay alimentación de precios y nada
4.Sólo utilizando simulaciones de velas aleatorias
5.Me refiero a que en el paso 4, un agente creará longitudes de vela aleatorias basadas en un valor máximo establecido para la longitud de la vela y las direcciones de la vela (COMPRA o VENTA) y el segundo agente
toma esos valores de la longitud de la vela y la dirección como entrada a RDF en cada paso y coloca órdenes de COMPRA y VENTA y tratará de maximizar la recompensa. En este caso, la recompensa será la suma o la resta de las longitudes de las velas desde el punto de partida.
6.Así que podemos simplemente entrenar este modelo para millones de tales velas con diferentes variaciones en las que el RDF aprenderá a maximizar los beneficios directamente y podemos simplemente mantener el entrenamiento ON...
Si es factible, el único obstáculo es la potencia de cálculo en cuanto al número de simulaciones y comprobaciones que podemos hacer...
Por cierto, tengo el código de ejemplo para la generación de velas al azar y la dirección de la vela (COMPRA o VENTA), pero no tienen el modo visual, pero sólo los valores. Así que estoy buscando cómo alimentar esos valores a RDF para la formación y, a continuación, debe utilizar ese modelo, mientras que el comercio
Puede introducir valores de precios aleatorios en lugar de precios de cierre en la etapa de aprendizaje
algo así comoPuedes comprar un precio al azar
Ok, pero estoy confundido con algunos de los códigos que usaste antes.
CRLAgents * ag1 = new CRLAgents ("RlExp1iter", 5,100,50, regularize, learn);
y esta otra:
CopyClose (_Symbol, 0,0,100, ag1.agent [i] .inpVector);
Así que si tenemos que utilizar 100 velas en copyclose. ¿no? Me refiero a que tanto las velas como las características son las mismas. ¿verdad?
¿O podemos utilizar valores diferentes para las características y las velas?
Por cierto, estoy intentando utilizar 1000 funciones y el entrenamiento está en marcha desde hace 1 hora.Ok, pero estoy confundido algunos de los códigos antes de implementar algo de mi propio.El código de abajo:
CRLAgents *ag1=nuevo CRLAgents("RlExp1iter",5,100,50,regularizar,aprender);
y esta otra:
CopyClose(_Symbol,0,0,100,ag1.agent[i].inpVector);
Así que si tenemos que utilizar 100 características en el código anterior significa que tenemos que utilizar 100 velas en copyclose. ¿verdad?
¿O podemos utilizar valores diferentes para las características y las velas?
O puede utilizar diferentes valores para cada predictor, es sólo un ejemplo simple, cada valor cercano = 1 valor de predictor divergente