symbols = ['EURUSD','GBPUSD']
points = [1 / mt5.symbol_info(s).point for s in symbols]
trade_agent = Agent()
for s, p in zip(symbols, points):
trade_agent.create_symbol(s, p,max_positions=6)
for index, row in dataset.iterrows():
sig = signal[index]
prices = list(row.filter(like='open'))
spreads = list(row.filter(like='spread'))
if index != len(dataset) - 1:
trade_agent.refresh(prices, [sig], spreads)
else:
trade_agent.stop = True
.
いろんなアプローチがあって、githubで実装を見つけることができる。
様々なアプローチがあり、githubで実装を見つけることができる。
多くの解決策があるかもしれないが、これらの解決策の質はどうなのだろうか？
アレクセイが考えたり聞いたりしようと思えば、私の脚本なら2分で終わる......。
興味深い価値判断だ。あなたは私が書いたことを聞いていない。例を挙げようか？
興味深い価値判断だ。あなたは私があなたに書いたことを聞いていない。例を挙げようか？
はい、私は読んだ...私は長い間見ていないテキストのそれほど多くの行の思考の多くの間違い...
私に例を与える)
相関関係って何だか知ってる？君はくだらないことを言っている。
黄色でトリミングしたサンプルと緑色のサンプル。
黄色で縁取りされたサンプルと、緑一色のサンプルだ。
誰もあなたのサインの意味を理解していないことにまだ気づいていないようだ。))
あなたはもっと自制すべきだと思う。人生のフラストレーションは飲み友達か神父に任せればいい。
明らかに、Pnは予測因子であり、Kは相関係数である。この例では、残りの50％のデータの整合性が変われば、係数がどのように変化するかを示している。あなたのアプローチは、相関が変化しない定常的なデータにしか適用できない。だから、鼻で笑う前に考えることをお勧めする。
だから、悪口を言う前に考えることをお勧めする。
考えるというのは...。
問題は、なぜ0,1...0,2...0,7...0,8までの符号の相関のすべてのバリエーションを調べる必要があるのかということです。
生成されたランダムなノイズでさえ、予測値と0.6や0.8で相関することがあり、それ以上相関することはまれです...
相関のしきい値を0.8未満にするのは愚かだということになるが、あなたは完全なオーバーサンプルを行うことにした。
だから、私には笑う権利がある。
明らかに、Pnは予測因子であり、Kは相関係数です。
明らかに...)))これは書記だ....恥ずかしながら、何が明らかなのでしょうか？ どのような解読アルゴリズムを適用すれば明らかなのでしょうか？
自分の言っていることをちゃんと考えているのか？
あなたのアプローチは、不変の依存性を持つ定常データにのみ適用できます。
これは私のアプローチではなく、あなたのアプローチです。
考えることについて......。
問題は、なぜ0,1...0,2...0,7...0,8から符号の相関のすべてのバリエーションを検索するのか、その結果、アルゴリズムにとってすでに膨大な作業が増えるのか、ということだ。
生成されたランダム・ノイズでさえ、予測値と0.6や0.8で相関することがある。
相関のしきい値を0.8未満にするのは愚かだということになるが、あなたは完全なオーバーサンプルを行うことにした。
私が言っているのは、実験をして結論を出しているということだけです。
明らかに。)))))))))))))))))))))))))))))))))))))))))))))))))))恥ずかしながら、自明性とは何でしょうか？ どのような解読アルゴリズムを適用すれば自明なのでしょうか？
議論の文脈からすれば自明です。
私のやり方ではなく、あなたのやり方であり、そもそもグールーであり、あなたは3人からそう言われている。
あなたのアプローチは何ですか？私のアプローチとは？何を言っているのか理解できない。
特にあなたは、モデルはサンプルでトレーニングすることはできないと主張した。
メモリは重みを学習したNSで、各ステップで再学習し、重みを少し動かす......あまり動かさないので、ラグが生じる。
そして、それを端末に転送することはできない。
試してみたが、うまくいかなかった。
もしご興味があれば、スプレッド、原始ロット、端数ロットでのオープニング・クローズポジションのヒントを備えた多通貨テスターのデザインをお教えします。
このテスターを動作させるには、 ['open', 'spread'] カラムを持つデータフレームを準備する必要があります。また、各新しいバーの売買確率の予測を持つx (n,2) 形式の numpy 配列を シグナルに投げる必要があります。テスターはループで動作し、以下はテスターを使用する際の初期設定の例です。
売買ロジックとロットはSymbol オブジェクトの transcript_sig メソッドで調整できます。
テスト結果は、テスト全体の trade_history_data 辞書と各シンボルのtrade_symbol_data 辞書に入っています。
self.trade_history_data = {'step': [], 'acc_profit': [], 'acc_balance': [], 'acc_equity': [], 'lots_open': [], 'R2_balance': [0,0,0,0]}最適化や変更を希望する人がいれば、歓迎します。）