L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 546

 

Aleksey Terentev Anche io ho scelto Keras. Due domande. Che backend usi per Keras? Come lo collegherete a MT? Sto usando il backend Tensorflow. Per MT sto scrivendo DLL in C++ per usare il modello addestrato. Ma ottenere una libreria C++ con file di intestazione per Tensorflow non è banale. Non c'è nessuna libreria C++ per Kuras.

 
Grigoriy Chaunin:

Aleksey Terentev Anche io ho scelto Keras. Due domande. Che backend usi per Keras? Come lo collegherete a MT? Sto usando il backend Tensorflow. Per MT sto scrivendo DLL in C++ per usare il modello addestrato. Ma ottenere una libreria C++ con file di intestazione per Tensorflow non è banale. Non c'è nessuna libreria C++ per Kuras.

Non ho ancora cambiato il backend. L'impostazione predefinita è Tensorflow. Si dice che impari più velocemente su Teano. Ma ho avuto problemi durante l'installazione su Windows, inoltre su Anaconda.

Con MT4 uso la mia utility ML-Assistant. È progettato per lavorare con la classificazione. Per il trading uso anche un mio strumento con la funzione "trading virtuale" sul grafico, potrei pubblicarlo più tardi.
Io sostengo ML-Assistant. Sto preparando la prossima versione. L'ho fatto specialmente per comodità di lavoro con strumenti esterni, test rapidi e debug dei modelli MO.

PS. Felice anno nuovo del cane! =)

 
Aleksey Terentev:


Con MT4 uso la mia utility ML-Assistant. È progettato per lavorare con la classificazione. Per il trading uso anche un mio strumento con la funzione "trading virtuale" sul grafico, potrei pubblicarlo più tardi.
Io sostengo ML-Assistant. Sto preparando la prossima versione. L'ho fatto specialmente per la comodità di strumenti esterni, test rapidi e debug dei modelli МО.


Roba estremamente curiosa. Cercasi un esempio concreto per R - eseguire qualsiasi algoritmo MO, ad esempio uno dei più semplici è la foresta casuale (rf).

 
SanSanych Fomenko:

Roba estremamente curiosa. Cercasi un esempio concreto per R - eseguire qualsiasi algoritmo MO, ad esempio uno dei più semplici è la foresta casuale (rf).

Sfortunatamente per te, io stesso lavoro in Python.
Ma posso descrivere il principio della preparazione della sceneggiatura:
1. Quando si lancia uno script esterno, l'utility passa i parametri di lancio: ToolTimeframe + parametri specificati in train/predict.
Significa che lo script può essere universale per strumento e tempo.
2. Solo il percorso del file csv deve essere specificato nello script. Per esempio: "@MT4@/mql4/files/ml-assistant" + parametri[0] + "_x.csv".
3. Postfix ai file predefiniti "_x.csv" + "_y.csv" (train) e "_xx.csv" -> "_yyy.csv" (predict)

4. Leggere i parametri, leggere i dati dai file - tutto il set di dati è pronto.
5. Allenare, prevedere, salvare il file di previsione (con postfix "_yyy.csv").
6. L'utility ml-assistant legge la tua previsione e la visualizza sul grafico.

Quando aggiornerò la prossima versione, cambierò il post sul blog, cercherò di rendere la descrizione un po' più trasparente. E anche voi potete aiutare con esempi in R, aggiungerò del codice per rendere più facile agli altri iniziare.

Qui ci sono esempi dei miei script in Python.

 
Grigoriy Chaunin:

A proposito, ecco il link. Ho preso molte soluzioni per Keras da lì.

Start Here With Machine Learning
Start Here With Machine Learning
  • machinelearningmastery.com
Your guide to getting started and getting good at applied machine learning with Machine Learning Mastery.
 
Aleksey Terentev:
Qui si possono anche incontrare donne del mercato che si grattano la lingua.

Le persone intelligenti ti danno le chiavihttps://cran.r-project.org/web/packages/PSF/vignettes/PSF_vignette.html e tu non hai la minima idea...

Introduction to Pattern Sequence based Forecasting (PSF) algorithm
  • Neeraj Bokde, Gualberto Asencio-Cortes and Francisco Martinez-Alvarez
  • cran.r-project.org
This section discusses about the examples to introduce the use of the PSF package and to compare it with auto.arima() and ets() functions, which are well accepted functions in the R community working over time series forecasting techniques. The data used in this example are ’nottem’ and ’sunspots’ which are the standard time series dataset...
 

Per quanto riguarda l'assenza di indicatori e EA già pronti su NS. Non ho pubblicato i miei ultimi lavori nel pubblico dominio e non lo farò.

A proposito, sull'aggiunta di NS a MT. Sto pensando di collegare Python a MT. Sto pensando di imbullonare Python a MT: è progettato per questo, ma è davvero necessario? Il punto è che Python ha un sacco di librerie già pronte.

 

Aleksey Terentev Grazie per il link.

 
Grigoriy Chaunin:

Per quanto riguarda l'assenza di indicatori e EA già pronti su NS. Non ho pubblicato i miei ultimi lavori nel pubblico dominio e non lo farò.

A proposito, sull'aggiunta di NS a MT. Sto pensando di collegare Python a MT. Sto pensando di imbullonare Python a MT: è progettato per questo, ma è davvero necessario? Il punto è che in Python c'è un sacco di librerie già pronte.


Puoi semplicemente chiamare uno script Python attraverso un'api di vino se hai bisogno di calcolare qualcosa e poi scaricare il risultato in un file e lasciare che il bot lo legga). In generale, si può fare tutta la logica in Python e ottenere solo segnali in MT

Anche se non so quanto sarà veloce, i riavvii periodici dello script

 

Penso che se si collega Python correttamente, sarà più veloce via DLL. Ho deciso di scrivere un file header in MQL5 per collegare Python. Ho deciso di scrivere un file di intestazione in MQL5 per collegare Python. Caricherò il codice su GitHub.