L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1067
![MQL5 - Langage des stratégies de trading intégré au terminal client MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Écrivez plus lentement s'il vous plaît, je l'écris. ) Il est peut-être temps de passer au russe ? Je suis un analphabète, donc je ne comprends rien.
oui, vous pouvez le supprimer
D'ailleurs, cette version de l'EA prend un certain temps pendant l'entraînement et donc je suppose qu'il n'est pas nécessaire de se recycler tous les jours... mais je déciderai quand même après avoir vu le drawdown et les pertes consécutives....
Par ailleurs, avez-vous une idée de la manière dont on peut introduire des valeurs aléatoires dans RDF pour l'entraînement ? Je veux dire que je ne veux pas alimenter RDF avec des données passées. Je ne sais pas si c'est possible dans cette version du RDF ou non et donc, avant de continuer, je voulais juste vérifier avec vous.
Voici l'algo que j'essaie de mettre en place :
1. pas d'optimisation
2.pas de formation de données antérieures
3. pas d'indicateurs ou pas d'alimentation en prix et rien.
4.juste en utilisant des simulations de bougies aléatoires
5.je veux dire que dans l'étape 4, un agent va créer des longueurs de bougies aléatoires basées sur une valeur maximale définie pour la longueur de la bougie et les directions de la bougie (BUY ou SELL) et le second agent va
prend ces valeurs de longueur de bougie et de direction comme entrée au RDF à chaque étape et place des ordres d'ACHAT et de VENTE et essaie de maximiser la récompense. Dans ce cas, la récompense sera la somme ou la soustraction des longueurs des bougies à partir du point de départ.
Nous pouvons donc simplement entraîner ce modèle pour des millions de bougies de ce type avec différentes variations dans lesquelles RDF apprendra à maximiser les profits directement et nous pouvons simplement garder l'entraînement en cours....
Si c'est faisable, le seul obstacle est simplement la puissance de calcul quant au nombre de simulations et de vérifications que nous pouvons faire...
A propos, j'ai l'exemple de code pour la génération de bougies aléatoires et la direction des bougies (BUY ou SELL), mais je n'ai pas de mode visuel, mais seulement des valeurs. Je cherche donc à savoir comment alimenter ces valeurs à RDF pour la formation et ensuite, il devrait utiliser ce modèle pendant le trading.
Je vois que le magicien vise les bourgeois. Voici mon anglais, alors.
Vi DURAKI
Comment ça sonne ? Son ? :-)))))))
niveaux....
niveaux de travail....
Je vais le peaufiner un peu plus, et ensuite vous pourrez ajouter un neurone comme filtre)
neurone ?
Il me semble que le forum local (ce fil de discussion est concerné) s'appuie sur l'apprentissage automatique comme quelque chose qui leur évitera d'avoir à réfléchir...
Si vous avez déjà un résultat visuellement bon, ne pouvez-vous pas inventer un algorithme du type "si ça" ?
Je vois que le magicien vise les bourgeois. Voici mon anglais, alors.
Vi DURAKI
Comment ça sonne ? Son ? :-)))))))
Nan, ça ne va pas marcher, ça doit être international : U LUSER ! !!
))))
D'ailleurs, cette version de l'EA prend un certain temps pendant l'entraînement et donc je suppose qu'il n'est pas nécessaire de se recycler tous les jours... mais je déciderai quand même après avoir vu le drawdown et les pertes consécutives....
Par ailleurs, avez-vous une idée de la manière dont on peut introduire des valeurs aléatoires dans RDF pour l'entraînement ? Je veux dire que je ne veux pas alimenter RDF avec des données passées. Je ne sais pas si c'est possible dans cette version du RDF ou non et donc, avant de continuer, je voulais juste vérifier avec vous.
Voici l'algo que j'essaie de mettre en place :
1. pas d'optimisation
2.pas de formation de données antérieures
3. pas d'indicateurs ou pas d'alimentation en prix et rien.
4.juste en utilisant des simulations de bougies aléatoires
5.je veux dire que dans l'étape 4, un agent va créer des longueurs de bougies aléatoires basées sur une valeur maximale définie pour la longueur de la bougie et les directions de la bougie (BUY ou SELL) et le second agent va
prend ces valeurs de longueur de bougie et de direction comme entrée au RDF à chaque étape et place des ordres d'ACHAT et de VENTE et essaie de maximiser la récompense. Dans ce cas, la récompense sera la somme ou la soustraction des longueurs des bougies à partir du point de départ.
Nous pouvons donc simplement entraîner ce modèle pour des millions de bougies de ce type avec différentes variations dans lesquelles RDF apprendra à maximiser les profits directement et nous pouvons simplement garder l'entraînement en cours....
Si c'est faisable, le seul obstacle est simplement la puissance de calcul quant au nombre de simulations et de vérifications que nous pouvons faire...
A propos, j'ai l'exemple de code pour la génération de bougies aléatoires et la direction des bougies (BUY ou SELL), mais je n'ai pas de mode visuel, mais seulement des valeurs. Je cherche donc à savoir comment transmettre ces valeurs à RDF pour l'entraînement et comment utiliser ce modèle lors des transactions.
Vous pouvez simplement introduire des valeurs de prix aléatoires au lieu des prix de clôture dans la phase d'apprentissage.
quelque chose comme ceciVous pouvez acheter un prix aléatoire
Ok, mais je suis confus à propos de certains des codes que vous avez utilisés auparavant.
CRLAgents * ag1 = new CRLAgents ("RlExp1iter", 5,100,50, regularize, learn) ;
et celui-ci :
CopyClose (_Symbol, 0,0,100, ag1.agent [i] .inpVector) ;
Donc, si nous devons utiliser 100 bougies dans copyclose, n'est-ce pas ? Je veux dire que les bougies et les caractéristiques sont les mêmes. n'est-ce pas ?
Ou pouvons-nous utiliser des valeurs différentes pour les caractéristiques et les bougies ?
Au fait, j'essaie d'utiliser 1000 fonctionnalités et la formation dure depuis une heure maintenant.Ok, mais je suis confus de certains codes avant de mettre en œuvre quelque chose de mon propre code.le code ci-dessous :
CRLAgents *ag1=new CRLAgents("RlExp1iter",5,100,50,regularize,learn) ;
et celui-ci :
CopyClose(_Symbol,0,0,100,ag1.agent[i].inpVector) ;
Donc si nous devons utiliser 100 caractéristiques dans le code ci-dessus, cela signifie que nous devons utiliser 100 bougies dans copyclose. n'est-ce pas ?
Ou pouvons-nous utiliser des valeurs différentes pour les caractéristiques et les bougies ?
Ou vous pouvez utiliser différentes valeurs pour chaque prédicteur, c'est juste un exemple simple, chaque valeur proche = 1 valeur de prédicteur divergent.