L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 616
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Il existe de nombreux algorithmes, même plus qu'on ne le souhaiterait. Par exemple -
Article de Vladimir -https://www.mql5.com/ru/articles/2029
Article par Alexey -https://habrahabr.ru/company/aligntechnology/blog/303750/
C'est sincère et sincère. Maintenant je vais voir ce qu'il y a dans ces articles. La méthode Invariant, permettez-moi de vous le dire, est également très intéressante. Ce que Reshetov a mis en place... Alors, voyons voir...
La loi de la conservation de l'énergie en action))
Personne ne veut faire quelque chose de nouveau si l'outil de communication MT-R existant fonctionne.
Je communique actuellement avec MT sans aucune DLL, en échangeant des fichiers TXT via RAM-Disk. Jusqu'à présent, aucune DLL n'a été nécessaire. Taux de change, >1,5 GBytes/sec - suffisant pour tout et plus encore. Communiquer avec n'importe qui, n'importe quel R, n'importe quel diable chauve. Et vous n'avez rien à faire du tout. Je veux dire, rien du tout.
Détails dans le fil de discussion --https://www.mql5.com/ru/forum/79922
Lancez-vous également le processus R directement depuis le terminal ou manuellement ?
J'exécute manuellement le programme dans R (ou un autre logiciel). A partir de là, ils échangent entre eux et pour toujours. La frappe supplémentaire avant de commencer vous stresse-t-elle ?
Beaucoup d'avantages par rapport aux DLL.
Je préfère la dll existante)
C'est pour le moment. Tout coule, tout change.
Ma préférence ne va pas à un appel de fonction, mais à un échange à part entière, où les programmes travaillent indépendamment et échangent des informations dans les deux sens.
Dans mon interprétation, l'échange via DLL et IP-client-serveur, c'est un développement de l'échange bidirectionnel via des fichiers -https://www.mql5.com/ru/blogs/post/671000. Et un tel échange simplifie tout de façon spectaculaire, y compris toutes sortes de mises à jour futures du système.
En fin de compte, peu m'importe dans quel langage j'écris - Python, C++, C#, R etc. etc. Les interfaces n'ont pas besoin d'être modifiées du tout. Ils conviennent à tout.
Salutations de la part des esprits du forum. Je dirai tout de suite que je n'ai pas encore maîtrisé l'ensemble du fil. Mais la question des modèles et des réseaux neuronaux m'a récemment frappé de plein fouet. Maxim n'a pas dit une seule fois que la corrélation est une mauvaise méthode pour déterminer le modèle, je vais ignorer cela car dans mon cas la corrélation est supérieure à 0,95. La question est un peu différente, lorsque vous exécutez le modèle à travers l'histoire, vous obtenez le même 50/50. Et là, j'ai une idée, peut-être qu'un neuronet est capable de déterminer à quel moment le modèle se vend et à quel moment il est acheté... J'aimerais connaître l'avis des experts qui ont déjà essayé et qui travaillent avec le neuronet. Je joins des photos du modèle pour voir à quel point l'avant fait la différence.
Je pense que la première image montre une baisse des prix, la deuxième une hausse des prix et la troisième une stabilisation des prix.
J'aimerais ajouter que le modèle peut être construit même toutes les heures, car il consiste en un portefeuille de paires de devises. Étant donné que la corrélation maximale est choisie, la longueur du modèle peut être différente. Et c'est là que la question se pose : comment gérer la variation de la longueur du modèle, comment introduire de tels échantillons dans le réseau neuronal ?
Salutations de la part des esprits du forum. Je dirai tout de suite que je n'ai pas encore maîtrisé l'ensemble du fil. Mais la question des modèles et des réseaux neuronaux m'a récemment frappé de plein fouet. Maxim n'a pas dit une seule fois que la corrélation est une mauvaise méthode pour déterminer le modèle, je vais ignorer cela car dans mon cas la corrélation est supérieure à 0,95. La question est un peu différente, lorsque vous exécutez le modèle à travers l'histoire, vous obtenez le même 50/50. Et là, j'ai une idée, peut-être qu'un neuronet est capable de déterminer à quel moment il faut vendre le modèle et à quel moment il faut l'acheter... Je voudrais connaître l'avis des experts qui ont déjà essayé et qui travaillent avec le neuronet. Je joins des photos du modèle pour voir à quel point l'avant fait la différence.
La première image montre un prix en baisse, la deuxième montre un prix en hausse et la troisième montre un prix plat.
La réponse à votre question : la classification. Les signaux d'achat/de vente/de passage.
Quant aux images, on ne sait pas très bien quelles sont les lignes.
J'aimerais ajouter que le modèle peut être construit même toutes les heures, du fait qu'il est constitué d'un portefeuille de paires de devises. Étant donné que la corrélation maximale est choisie, la longueur du modèle peut être différente. Et c'est là que la question se pose : comment gérer la variation de la longueur du modèle, comment introduire de tels échantillons dans un réseau neuronal ?
Je comprends que vous parlez d'un ensemble de données.
La longueur de l'ensemble de données affecte la qualité et la vitesse de l'apprentissage (rangs). La qualité des prédictions est influencée par la qualité des paramètres (colonnes)