L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2098

[Rorschach]

Maxim Dmitrievsky:
Oui, c'est drôle, je vais garder ça en tête.

Un certain type de GPT-3 peut aussi avoir un effet cotier.

[Maxim Dmitrievsky]

Rorschach:

Une sorte de GPT-3 peut aussi être utilisée.

Il est coûteux de convertir le cotier en images, donc je suis pour les convolutions unidimensionnelles.

[Vladimir Karputov]

Comment télécharger le fichier *.ipynb de github vers jupyter notebook ?

ajouter : La question est supprimée - quelque chose a cliqué et un bouton de téléchargement est apparu :

[Maxim Dmitrievsky]

Vladimir Karputov:

Comment télécharger le fichier *.ipynb de github vers jupyter notebook ?

ajouter : La question est décalée - quelque chose a cliqué et un bouton de téléchargement est apparu :

Vladimir, tu es avec nous maintenant, du côté obscur ?

[Aleksey Vyazmikin]

Mon articlea été publié. Vous êtes les bienvenus pour lire et critiquer :)

[Vladimir Karputov]

Maxim Dmitrievsky:

Vladimir, tu es avec nous maintenant, du côté obscur ?

Je suis en train d'apprendre...

[Mihail Marchukajtes]

Maxim Dmitrievsky:

Vladimir, tu es avec nous maintenant, du côté obscur ?

Wow, les côtés sont déjà distribués ! Prem's sur l'eau ! !!!! :-)))))

[Vladimir Karputov]

Je n'arrive pas à imprimer les cinq premières lignes de l'objet DataFrame.

Je prends le script du dossier de données 'Scripts' et ajoute les lignes:

from datetime import datetime
import MetaTrader5 as mt5
# выведем данные о пакете MetaTrader5
print("MetaTrader5 package author: ",mt5.__author__)
print("MetaTrader5 package version: ",mt5.__version__)

# импортируем модуль pandas для вывода полученных данных в табличной форме
import pandas as pd
pd.set_option('display.max_columns', 500) # сколько столбцов показываем
pd.set_option('display.width', 1500)      # макс. ширина таблицы для показа
# импортируем модуль pytz для работы с таймзоной
import pytz

# установим подключение к терминалу MetaTrader 5
if not mt5.initialize():
    print("initialize() failed")
    mt5.shutdown()

# установим таймзону в UTC
timezone = pytz.timezone("Etc/UTC")
# создадим объект datetime в таймзоне UTC, чтобы не применялось смещение локальной таймзоны
utc_from = datetime(2020, 1, 10, tzinfo=timezone)
# получим 10 баров с EURUSD H4 начиная с 01.10.2020 в таймзоне UTC
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H4, utc_from, 10)

# завершим подключение к терминалу MetaTrader 5
mt5.shutdown()
# выведем каждый элемент полученных данных на новой строке
print("Выведем полученные данные как есть")
for rate in rates:
    print(rate)

# создадим из полученных данных DataFrame
rates_frame = pd.DataFrame(rates)

from datetime import datetime
import MetaTrader5 as mt5
# выведем данные о пакете MetaTrader5
print("MetaTrader5 package author: ",mt5.__author__)
print("MetaTrader5 package version: ",mt5.__version__)

# импортируем модуль pandas для вывода полученных данных в табличной форме
import pandas as pd
pd.set_option('display.max_columns', 500) # сколько столбцов показываем
pd.set_option('display.width', 1500)      # макс. ширина таблицы для показа
# импортируем модуль pytz для работы с таймзоной
import pytz

# установим подключение к терминалу MetaTrader 5
if not mt5.initialize():
    print("initialize() failed")
    mt5.shutdown()

# установим таймзону в UTC
timezone = pytz.timezone("Etc/UTC")
# создадим объект datetime в таймзоне UTC, чтобы не применялось смещение локальной таймзоны
utc_from = datetime(2020, 1, 10, tzinfo=timezone)
# получим 10 баров с EURUSD H4 начиная с 01.10.2020 в таймзоне UTC
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H4, utc_from, 10)

# завершим подключение к терминалу MetaTrader 5
mt5.shutdown()
# выведем каждый элемент полученных данных на новой строке
print("Выведем полученные данные как есть")
for rate in rates:
    print(rate)

# создадим из полученных данных DataFrame
rates_frame = pd.DataFrame(rates)

# выведем пять первых строк (метод 'head' pandas)
print("\nВыведем пять первых строк")
rates_frame.head()

rates_frame['time']=pd.to_datetime(rates_frame['time'], unit='s')

# выведем данные
print("\nВыведем датафрейм с данными")
print(rates_frame)

rates_frame['time']=pd.to_datetime(rates_frame['time'], unit='s')

# выведем данные
print("\nВыведем датафрейм с данными")
print(rates_frame)

et la méthode n'imprime rien :

(1578614400, 1.11051, 1.11093, 1.11017, 1.11041, 2448, 1, 0)

Выведем пять первых строк

Выведем датафрейм с данными

[Mikhail Mishanin]

Aleksey Vyazmikin:
Mon article a été publié. Je vous invite à le lire et à le critiquer :)

Alexey, ma question à vous et à tous : "Pourquoi ? prenons comme cible le signal de franchissement de la moyenne mobile et ne la touchons pas sur la barre suivante...".

Vous pouvez enseigner le signal "idéal". Prenez un ZZ (plusieurs ZZ) et faites un cycle du présent au passé dans chaque barre, qui montera ou descendra exactement, pendant tant de barres.

Lorsque j'étais un Day Trader Professionnel Neuroshell, j'ai appris un tel signal et obtenu le premier résultat sain, mais il était très difficile de l'utiliser en trading réel.

[Aleksey Vyazmikin]

dr.mr.mom:

Alexey, une question pour toi et tous les autres : pourquoi ?" Prenons comme cible le signal qui traverse la moyenne mobile et ne la touche pas sur la barre suivante..."

Vous pouvez enseigner un signal "idéal". Prenez un ZZ (plusieurs ZZ) et faites un cycle du présent au passé dans chaque barre, qui montera ou descendra exactement, pendant tant de barres.

Lorsque j'étais un Neuroshell Day Trader Professional, j'ai appris ce signal et obtenu un premier résultat raisonnable, mais il était très difficile de l'utiliser en trading réel.

C'est pourquoi, à l'époque, nous ne savions pas que les points de pivot sont mal prédits par une telle méthode, et l'entraînement est principalement basé sur les tendances.....

Il est tout à fait raisonnable d'utiliser différentes stratégies pour la diversification, et le MO aide à améliorer les stratégies sous-jacentes, ce que j'ai suggéré d'utiliser dans l'article.