Discusión sobre el artículo "Marcado de datos en el análisis de series temporales (Parte 6): Aplicación y prueba en EA utilizando ONNX"
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
Artículo publicado Marcado de datos en el análisis de series temporales (Parte 6): Aplicación y prueba en EA utilizando ONNX:
Esta serie de artículos presenta varios métodos de etiquetado de series temporales, que pueden crear datos que se ajusten a la mayoría de los modelos de inteligencia artificial, y el etiquetado de datos específico según las necesidades puede hacer que el modelo de inteligencia artificial entrenado se ajuste más al diseño esperado, mejorar la precisión de nuestro modelo, ¡e incluso ayudar al modelo a dar un salto cualitativo!
En el artículo anterior explicamos cómo utilizar un socket (WebSocket) para comunicarse entre el EA y el servidor Python para resolver el problema de Backtesting, y también explicamos por qué adoptamos esta técnica. En este artículo, vamos a discutir cómo utilizar ONNX, que es soportado de forma nativa por MQL5, para realizar la inferencia con nuestro modelo, pero este método tiene algunas limitaciones. Si su modelo utiliza operadores que no están soportados por ONNX, puede terminar en fracaso, por lo que este método no es adecuado para todos los modelos (por supuesto, también puede añadir operadores para apoyar su modelo, pero requiere mucho tiempo y esfuerzo). Por eso dediqué mucho espacio en el artículo anterior para presentar el método de socket y recomendarlo.
Por supuesto, convertir un modelo general a formato ONNX es muy cómodo, y nos proporciona un soporte eficaz para operaciones multiplataforma. Este artículo se centra principalmente en algunas operaciones básicas para operar modelos ONNX en MQL5, incluyendo cómo ajustar la entrada y salida de modelos Torch y ONNX, así como cómo convertir formatos de datos adecuados para modelos ONNX. Por supuesto, también incluye la gestión de órdenes del EA. Se lo explicaré detalladamente. Empecemos ahora con el tema principal de este artículo.
Autor: Yuqiang Pan