Maxim Dmitrievsky / Publicaciones
Códigos
RL algorithms para MetaTrader 5
Son las librerías a base de las ideas del artículo «RDF en el aprendizaje reforzado»
Cointegration para MetaTrader 5
Este indicador calcula y muestra la dependencia lineal entre dos o más instrumentos financieros
Arbitrage Synthetic para MetaTrader 5
Robot para el arbitraje entre el par EURGBP y su cotización sintética (arbitraje triangular)
Artículos
Time series clustering in causal inference para MetaTrader 5
Clustering algorithms in machine learning are important unsupervised learning algorithms that can divide the original data into groups with similar observations. By using these groups, you can analyze the market for a specific cluster, search for the most stable clusters using new data, and make
Propensity score in causal inference para MetaTrader 5
The article examines the topic of matching in causal inference. Matching is used to compare similar observations in a data set. This is necessary to correctly determine causal effects and get rid of bias. The author explains how this helps in building trading systems based on machine learning, which
Inferencia causal en problemas de clasificación de series temporales para MetaTrader 5
En este artículo, examinaremos la teoría de la inferencia causal utilizando el aprendizaje automático, así como la implementación del enfoque personalizado en Python. La inferencia causal y el pensamiento causal tienen sus raíces en la filosofía y la psicología y desempeñan un papel importante en
Validación cruzada y fundamentos de la inferencia causal en modelos CatBoost, exportación a formato ONNX para MetaTrader 5
En este artículo veremos un método de autor para crear bots utilizando el aprendizaje automático
Metamodelos en el aprendizaje automático y el trading: Timing original de las órdenes comerciales para MetaTrader 5
Metamodelos en el aprendizaje automático: Creación automática de sistemas comerciales sin apenas intervención humana: el Modelo decide por sí mismo cómo y cuándo comerciar
Aprendizaje de máquinas en sistemas comerciales con cuadrícula y martingale. ¿Apostaría por ello? para MetaTrader 5
En este artículo, presentaremos al lector la técnica del aprendizaje automático para el comercio con martingale y cuadrícula. Para nuestra sorpresa, este enfoque, por algún motivo, no se ha tratado en absoluto en la red global. Después de leer el artículo, podremos crear nuestros propios bots
Buscando patrones estacionales en el mercado de divisas con la ayuda del algoritmo CatBoost para MetaTrader 5
En el presente artículo, mostramos la posibilidad de crear modelos de aprendizaje automático con filtros temporales y también descubrimos la efectividad de este enfoque. Ahora, podremos descartar el factor humano, diciéndole simplemente al modelo: "Quiero que comercies a una hora determinada de un
Gradient boosting en el aprendizaje de máquinas transductivo y activo para MetaTrader 5
En este artículo, el lector podrá familiarizarse con los métodos de aprendizaje automático activo basados en datos reales, descubriendo además cuáles son sus ventajas y desventajas. Puede que estos métodos terminen por ocupar un lugar en su arsenal de modelos de aprendizaje automático. El término
Remuestreo avanzado y selección de modelos CatBoost con el método de fuerza bruta para MetaTrader 5
Este artículo describe uno de los posibles enfoques respecto a la transformación de datos para mejorar las capacidades generalizadoras del modelo, y también analiza la iteración sobre los modelos CatBoost y la elección del mejor de ellos
Gradient boosting (CatBoost) en las tareas de construcción de sistemas comerciales. Un enfoque ingenuo para MetaTrader 5
Entrenamiento del clasificador CatBoost en el lenguaje Python, exportación al formato mql5; análisis de los parámetros del modelo y simulador de estrategias personalizado. Para preparar los datos y entrenar el modelo, se usan el lenguaje de programación Python y la biblioteca MetaTrader5
Foro
Preguntas sobre la lengua SI
void quicksort( double *a, int *idx, int l, int u) { int i, m, idx_temp; double a_temp; if (l >= u) return ; m = l; for (i=l+ 1 ; i<=u; i++) { if (a[i] < a[l]) { ++m; idx_temp = idx[m]; idx[m] = idx[i]; idx[i] = idx_temp;
Interpolación, aproximación y similares (paquete alglib)
Necesito interpolar una función con ajustes arbitrarios, así que elegí splines. This subroutine builds cubic spline interpolant. INPUT PARAMETERS: X - spline nodes, array[ 0 ..N- 1 ]. Y - function values, array[ 0 ..N- 1 ]. OPTIONAL PARAMETERS: N - points
Analice las características ESTADÍSTICAS más importantes del patrón y elija un método para operar con él.
Digamos que tenemos un trozo de gráfico. Tenemos que resolver (en la historia) la mejor manera de abrir acuerdos sobre ella. Dónde comprar, dónde vender, dónde comprar más, dónde cerrar, etc. Pero debemos tener en cuenta que los patrones pueden ser diferentes, y debemos encontrar el método más
Recuperación de un flujo de precios vía WebSocket en C#.
Hola, estimados señores. Interesado en recibir cotizaciones de diferentes fuentes (incluyendo la bolsa LMAX). Dado que diferentes corredores están conectados a diferentes ECNs, proveedores de liquidez, es mejor obtener las cotizaciones directamente de los propios ECNs. Pero hay una limitación: la
El arbitraje cambiario, ¿merece la pena investigarlo?
Me pregunto si alguien se ha encontrado con cotizaciones atrasadas de diferentes corredores en FORTS. ¿Merece la pena indagar en esta dirección, o todo está claro desde hace tiempo y no hace falta jugársela? :) ¿Hay diferencias o retrasos en los presupuestos de los distintos corredores? ¿Cómo se
Estoy a punto de dejar de luchar contra ellos ya...
¿Puede alguien decirme qué puede estar causando estos errores? El nivel de StopLevels es de 20 pips, todas las operaciones deberían pasar. Los hándicaps y las comillas son molestos :)
Asesores en redes neuronales, compartiendo experiencias.
Hay poca información en el foro sobre las soluciones preparadas y la eficacia de las redes neuronales para operar en el mercado. Sugiero debatir y compartir la experiencia aquí. Si ya existe un hilo de discusión, por favor, enlaza con él. Estoy usando clases de aquí , simple Perspectron multicapa
Uso de OpenCV para reconocer patrones gráficos
Es sabido que la correlación y otros métodos similares no manejan con precisión la correspondencia de las series temporales y, en algunos casos, no son precisos en absoluto. Recientemente, la visión por ordenador se ha generalizado. Se utiliza principalmente para reconocer imágenes, por ejemplo