따라서 MQL 언어 거래와 관련하여 "머신 러닝"을 구현하는 방법에 대한 제 개념은 다음과 같습니다.
먼저 기본 개념에 대해:
1. 서명 - 매개변수 값의 변경 특성에 대한 디지털 설명입니다. 서명 은 특수 알고리즘으로 컴파일 됩니다. 형식이 있습니다. 특수 블록(배열)에 저장됩니다. 이것은 모든 알고리즘, 수학적 계산 및 연산의 최종 결과입니다.
2. 현재 기간 - 설정된 기간. 매개변수 값이 통과하는 링 버퍼에서 구현됩니다. 각각의 새로운 지식은 이전에 기록된 값의 전체 대기열을 이동하고 배열의 선두에 서서 가장 오래된 값이 지워집니다. 많은 현재 기간이 있을 수 있으며 각각은 자체 시간 척도 및 자체 매개변수에 대해 설계할 수 있습니다.
3. 매개변수 값 범위 - 매개변수 값이 변경되는 프레임입니다. 시스템 테스트 중에 경험적으로 설정되었습니다. 최소 사이의 범위 그리고 최대. 값에는 전체 다양한 매개변수 값을 분할하고 편리한 규모로 가져오는 역할을 하는 작은 범위 로 나누는 것이 포함될 수 있습니다.
4. 들어오는 값 사이의 시간 간격 은 링 버퍼에서 값을 받는 과정에서 측정됩니다. 범위와 함께 값 변화의 특성과 후속 수학적 분석을 컴파일하는 데 필요합니다.
5. 값 변경 곡선 - 값 자체와 값 사이의 시간 간격을 모두 결합하는 값 변경의 조건부 프로그램 내 표현입니다. 그 결과 다양한 수학적 분석 방법을 적용할 수 있는 그래픽 곡선(2차원 배열으로 표시됨)이 생성됩니다.
6. 수학적 필터 - 현재 기간 내 값 변화의 다양한 기능을 나타내는 분석 방법(공식).
7. 값을 범위로 가져오기 - 옵션의 수를 줄이기 위해 현재 값 의 일반화. 변화의 성격 분석에 필요합니다.
8. 시그니처 통계 수집 - 시스템 테스트 중 또는 실제 조건에서 실행하는 동안 수행되는 프로세스입니다. 사실, 시스템의 "경험"이 수집되고 다양한 매개변수 값의 서로 다른 행동을 나타내는 다양한 상황에 "익숙해집니다". 이러한 서명은 특수 데이터베이스에 저장됩니다.
9. 서명 데이터베이스 - 모든 현재 서명이 저장되는 메모리 블록. 지속적인 통계 선택으로 필터링된 시스템의 "경험"을 저장할 장소입니다. 데이터베이스 내에서 관련 서명의 선택 및 회전과 덜 관련성이 있는 서명의 점진적 변위가 수행됩니다. 선택은 특정 서명이 컴파일된 후 데이터베이스에 허용되는 현재 기간에 따라 결정됩니다(물론 값을 분석하고 필터링한 후). 가장 자주 반복되는 서명이 덜 반복되는 서명을 밀어냅니다.
시스템 운영 프로세스에 대한 설명:
한편으로는 매개변수 값을 받아들이고 다른 한편으로는 서로 다른 기간 동안 변경 사항의 특성에 대한 기성 서명을 발행하는 소프트웨어 엔진을 상상해 봅시다. 또한 이러한 서명을 데이터베이스에 저장하고 데이터베이스에서 회전하는 엔진입니다.
사용자가 엔진이 미리 정의된 변수 나 환경 매개변수를 가리키도록 하여 매개변수 그룹을 입력한다고 가정해 보겠습니다. 이러한 매개변수는 엔진에서 "관찰"되기 시작합니다. 즉, 해당 값은 링 버퍼에서 수신되고 기간별로 일반화되고 수학적 필터를 통해 분석됩니다. 결과적으로 기성품 서명이 데이터베이스에 입력됩니다.
다음으로 사용자는 엔진을 "훈련"시키기 시작합니다. 다음과 같이 작동합니까?
전략의 입력 매개변수 값을 특정 서명과 연결합니다. 즉, 현재 상황의 특정 디지털 "캐스트"에 대한 입력 매개 변수 값의 의존성을 설정합니다. 또한 사용자는 단순히 이러한 호출을 인덱싱하여 선택한 서명과 자신의 기능 호출을 연결할 수 있습니다. 엔진은 선택한 서명의 번호로 사용자 정의 기능을 호출합니다.
그러나 이 단계에서는 사용자가 자신의 전략 입력 매개변수의 최상의 값을 특정 서명과 연결하여 시스템을 수동으로 "훈련"해야 하기 때문에 시스템이 독립적이지 않습니다. 이 시스템이 어떻게 절대적인 독립성을 향해 더 발전할 수 있는지 상상해 봅시다.
이를 위해 교육 단계에서 시스템은 서명을 수집할 뿐만 아니라 결과적으로 이 전략의 최대 수익성을 얻을 수 있는 방식으로 전략의 입력 매개변수를 동시에 최적화해야 합니다. 최대 도달 시 수익성, 입력 매개 변수의 값은 이러한 값이 가장 효과적인 상황을 반영하는 특정 서명과 연결됩니다. 또한 다양한 시장 상황을 반영하는 일련의 서명이 있는 시스템은 각 상황에 대한 전략 입력 매개변수에 대한 기성 설정을 갖게 됩니다.
세 번째로 나는 이미 Forex에 정착하려고 노력하고 있습니다. 그 안에 뭔가가 있다고 생각하지만 인생은 그 자체로 선을 구부리며 각각 $200씩 2개의 창고를 비우는 것 이상으로 진행되지 않았습니다. 분명히 지금 상황은 4년 전보다 훨씬 낫습니다. 적어도 스프레드와 함께 모든 것이 매우 시원해졌습니다!(맙소사! 판추럴입니다! 와우!)
어떤 독성이 보여 클러스터링과 비슷하지만 교사의 경우 맨 처음의 포인트는 말 그대로 기호 또는 수치적 매개변수입니다. 목표 매수 및 앉음, 훈련 전의 포인트는 증가가 있었던 곳을 표시했습니다(매수 ) 및 가을(토), 그리고 알고리즘이 시작되고 기능의 매개변수를 대상별로 분리하는 것은 어리석은 일입니다. 예를 들어 파란색 영역은 구매, 빨간색 영역은 마을 ...
따라서 MQL 언어 거래와 관련하여 "머신 러닝"을 구현하는 방법에 대한 제 개념은 다음과 같습니다.
먼저 기본 개념에 대해:
1. 서명 - 매개변수 값의 변경 특성에 대한 디지털 설명입니다. 서명 은 특수 알고리즘으로 컴파일 됩니다. 형식이 있습니다. 특수 블록(배열)에 저장됩니다. 이것은 모든 알고리즘, 수학적 계산 및 연산의 최종 결과입니다.
2. 현재 기간 - 설정된 기간. 매개변수 값이 통과하는 링 버퍼에서 구현됩니다. 각각의 새로운 지식은 이전에 기록된 값의 전체 대기열을 이동하고 배열의 선두에 서서 가장 오래된 값이 지워집니다. 많은 현재 기간이 있을 수 있으며 각각은 자체 시간 척도 및 자체 매개변수에 대해 설계할 수 있습니다.
3. 매개변수 값 범위 - 매개변수 값이 변경되는 프레임입니다. 시스템 테스트 중에 경험적으로 설정되었습니다. 최소 사이의 범위 그리고 최대. 값에는 전체 다양한 매개변수 값을 분할하고 편리한 규모로 가져오는 역할을 하는 작은 범위 로 나누는 것이 포함될 수 있습니다.
4. 들어오는 값 사이의 시간 간격 은 링 버퍼에서 값을 받는 과정에서 측정됩니다. 범위와 함께 값 변화의 특성과 후속 수학적 분석을 컴파일하는 데 필요합니다.
5. 값 변경 곡선 - 값 자체와 값 사이의 시간 간격을 모두 결합하는 값 변경의 조건부 프로그램 내 표현입니다. 그 결과 다양한 수학적 분석 방법을 적용할 수 있는 그래픽 곡선(2차원 배열으로 표시됨)이 생성됩니다.
6. 수학적 필터 - 현재 기간 내 값 변화의 다양한 기능을 나타내는 분석 방법(공식).
7. 값을 범위로 가져오기 - 옵션의 수를 줄이기 위해 현재 값 의 일반화. 변화의 성격 분석에 필요합니다.
8. 시그니처 통계 수집 - 시스템 테스트 중 또는 실제 조건에서 실행하는 동안 수행되는 프로세스입니다. 사실, 시스템의 "경험"이 수집되고 다양한 매개변수 값의 서로 다른 행동을 나타내는 다양한 상황에 "익숙해집니다". 이러한 서명은 특수 데이터베이스에 저장됩니다.
9. 서명 데이터베이스 - 모든 현재 서명이 저장되는 메모리 블록. 지속적인 통계 선택으로 필터링된 시스템의 "경험"을 저장할 장소입니다. 데이터베이스 내에서 관련 서명의 선택 및 회전과 덜 관련성이 있는 서명의 점진적 변위가 수행됩니다. 선택은 특정 서명이 컴파일된 후 데이터베이스에 허용되는 현재 기간에 따라 결정됩니다(물론 값을 분석하고 필터링한 후). 가장 자주 반복되는 서명이 덜 반복되는 서명을 밀어냅니다.
시스템 운영 프로세스에 대한 설명:
한편으로는 매개변수 값을 받아들이고 다른 한편으로는 서로 다른 기간 동안 변경 사항의 특성에 대한 기성 서명을 발행하는 소프트웨어 엔진을 상상해 봅시다. 또한 이러한 서명을 데이터베이스에 저장하고 데이터베이스에서 회전하는 엔진입니다.
사용자가 엔진이 미리 정의된 변수 나 환경 매개변수를 가리키도록 하여 매개변수 그룹을 입력한다고 가정해 보겠습니다. 이러한 매개변수는 엔진에서 "관찰"되기 시작합니다. 즉, 해당 값은 링 버퍼에서 수신되고 기간별로 일반화되고 수학적 필터를 통해 분석됩니다. 결과적으로 기성품 서명이 데이터베이스에 입력됩니다.
다음으로 사용자는 엔진을 "훈련"시키기 시작합니다. 다음과 같이 작동합니까?
전략의 입력 매개변수 값을 특정 서명과 연결합니다. 즉, 현재 상황의 특정 디지털 "캐스트"에 대한 입력 매개 변수 값의 의존성을 설정합니다. 또한 사용자는 단순히 이러한 호출을 인덱싱하여 선택한 서명과 자신의 기능 호출을 연결할 수 있습니다. 엔진은 선택한 서명의 번호로 사용자 정의 기능을 호출합니다.
그러나 이 단계에서는 사용자가 자신의 전략 입력 매개변수의 최상의 값을 특정 서명과 연결하여 시스템을 수동으로 "훈련"해야 하기 때문에 시스템이 독립적이지 않습니다. 이 시스템이 어떻게 절대적인 독립성을 향해 더 발전할 수 있는지 상상해 봅시다.
이를 위해 교육 단계에서 시스템은 서명을 수집할 뿐만 아니라 결과적으로 이 전략의 최대 수익성을 얻을 수 있는 방식으로 전략의 입력 매개변수를 동시에 최적화해야 합니다. 최대 도달 시 수익성, 입력 매개 변수의 값은 이러한 값이 가장 효과적인 상황을 반영하는 특정 서명과 연결됩니다. 또한 다양한 시장 상황을 반영하는 일련의 서명이 있는 시스템은 각 상황에 대한 전략 입력 매개변수에 대한 기성 설정을 갖게 됩니다.
//================================================== ====================================
아마도 이 접근 방식은 기계 학습에 대한 고전적인 이해와 관련이 없지만 거래에서 그 목적을 실현한다는 사실은 의심의 여지가 없습니다. 지금까지 이것은 모두 일반적인 용어이지만 접근 방식의 정확성과 MQL에서 구현하는 현실에 대해 의심의 여지가 없습니다.
MO 전문가와 관심 있는 모든 분들의 의견을 부탁드립니다.
관심을 가져주셔서 감사합니다.
정말 감사합니다. 이것은 의사가 주문한 것입니다! 짧고 명확하게! 10줄의 모든 MO! Pantaral이 기뻐합니다. Pantural 감사합니다! 안녕, 카몬!
{
double w1 = x1 - 100 ;
double w2 = x2 - 100 ;
double w3 = x3 - 100 ;
double w4 = x4 - 100 ;
double a1 = iAC ( Symbol (), 0 , 0 );
double a2 = iAC ( Symbol (), 0 , 7 );
double a3 = iAC ( Symbol (), 0 , 14 );
double a4 = iAC ( Symbol (), 0 , 21 );
return (w1 * a1 + w2 * a2 + w3 * a3 + w4 * a4);
}
그리고 이제 유치한 순진함과 두꺼운 트롤링을 구별하십시오 ...
그러나 분명히 첫 번째.
여러분, 안녕하세요. 저는 판츄럴입니다.
세 번째로 나는 이미 Forex에 정착하려고 노력하고 있습니다. 그 안에 뭔가가 있다고 생각하지만 인생은 그 자체로 선을 구부리며 각각 $200씩 2개의 창고를 비우는 것 이상으로 진행되지 않았습니다. 분명히 지금 상황은 4년 전보다 훨씬 낫습니다. 적어도 스프레드와 함께 모든 것이 매우 시원해졌습니다!(맙소사! 판추럴입니다! 와우!)
따라서 MQL 언어 거래와 관련하여 "머신 러닝"을 구현하는 방법에 대한 제 개념은 다음과 같습니다.
MO가 어떤 언어로 되어 있는지는 중요하지 않습니다. 여기에서 MO의 개념을 다음과 같이 고려하는 것이 중요합니다.
1. 아이디어가 떠올랐다
2. R에서 사용 가능한 첫 번째 패키지를 가져왔습니다.
3. 패키지가 구피인지 또는 아이디어에 따라 불만족스러운 결과를 제공하는지 확인하고 2단계로 이동하여 모든 패키지를 정렬합니다. 모든 패키지가 소진되면 1단계로 이동합니다.
그리고 당신이 이해하거나 깨닫기 위해 노력하고 있다는 사실-그들은 여기에서 당신을 이해하지 못할 것이며 기껏해야 그들은 트롤을 선언할 것입니다.
MO가 어떤 언어로 되어 있는지는 중요하지 않습니다. 여기에서 MO의 개념을 다음과 같이 고려하는 것이 중요합니다.
1. 아이디어가 떠올랐다
2. R에서 사용 가능한 첫 번째 패키지를 가져왔습니다.
3. 패키지가 구피인지 또는 아이디어에 따라 불만족스러운 결과를 제공하는지 확인하고 2단계로 이동하여 모든 패키지를 정렬합니다. 모든 패키지가 소진되면 1단계로 이동합니다.
그리고 당신이 이해하거나 깨닫기 위해 노력하고 있다는 사실-그들은 여기에서 당신을 이해하지 못할 것이며 기껏해야 그들은 트롤을 선언할 것입니다.
처음 세 가지 점에 동의합니다. 그러나 이런 식으로 행동하는 것은 일반 사용자입니다. 내가 쓰는 내용을 이해해야 하는 전문가도 있습니다.
그들이 또한 개념의 본질에 대해 아무 말도 하지 않는다면, 지역적 관점의 틀이 너무 좁아서 어떤 자유로운 생각도 통과할 수 없습니다. 여기서 우리는 볼 것입니다 ...
처음 세 가지 점에 동의합니다. 그러나 이런 식으로 행동하는 것은 일반 사용자입니다. 내가 쓰는 내용을 이해해야 하는 전문가도 있습니다.
그들이 또한 개념의 본질에 대해 아무 말도 하지 않는다면, 지역적 관점의 틀이 너무 좁아서 어떤 자유로운 생각도 통과할 수 없습니다. 여기서 우리는 볼 것입니다 ...
일반 사용자가 아니라 매우 똑똑한 사용자이며 일부는 박사 학위를 가지고 있지만 R 사용자입니다.
이 주제에 대해 Yuri Reshetov와 의사 소통할 수 있지만 그는 여기에 오랫동안 글을 쓸 인내심이 없습니다.
어떤 독성이 보여 클러스터링과 비슷하지만 교사의 경우 맨 처음의 포인트는 말 그대로 기호 또는 수치적 매개변수입니다. 목표 매수 및 앉음, 훈련 전의 포인트는 증가가 있었던 곳을 표시했습니다(매수 ) 및 가을(토), 그리고 알고리즘이 시작되고 기능의 매개변수를 대상별로 분리하는 것은 어리석은 일입니다. 예를 들어 파란색 영역은 구매, 빨간색 영역은 마을 ...
하지만 이제 마지막 엿보기는 다음과 같습니다.
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
하지만 난 완전한 멍청이야
그리고 그것은 일반적으로 재미있습니다)))
https://www.youtube.com/watch?v=pgaEE27nsQw
이 영상 덕분에 점프 공룡이 특히나 전합니다))))
Mario의 신경망인 IMHO는 중요한 점을 분명히 보여줍니다.
특정 수준(매우 어려운 수준일지라도)을 통과하도록 알고리즘을 훈련할 수 있습니다.
그러나 이것이 그가 다른 수준에서 성공할 것이라는 의미는 전혀 아닙니다.
이 봇이 레벨을 통과하는 방법을 자세히 살펴보면
이것은 단지 적합하고 봇이 상황의 의미를 이해 하지 못하고 실제 게이머 지능이 없다는 것
네트워크는 버튼의 타이밍을 포착했습니다.
이것은 Mario가 그의 총구를 장애물에 찌르고 벽으로 점프하는 방식에서 볼 수 있습니다.
그의 성공은 자연스러운 것보다 더 우연적이다
같은 방식으로 Forex에서 봇은 한 섹션/레벨을 성공적으로 통과하고 다른 섹션을 채울 수 있습니다.
상인의 지능이 없고 봇이 하는 일을 "이해하지 못하기" 때문에...
모든 영역/레벨에서 성공하려면 봇이 존재하는 세계의 개체 모델이 있어야 합니다.
즉, 알고리즘은 단순히 패턴을 최적화해서는 안 됩니다.
알고리즘은 의미 범주로 작동해야 하며 거래자/게이머가 보는 상황을 설명해야 합니다.
봇은 물체의 유형과 특성을 구별하고 역학 상황의 위험을 평가해야 합니다.
이것은 신경망 최적화와는 완전히 다른 수준의 휴리스틱을 필요로 합니다.
훈련의 결과는 의미론적 모델과 객체 및 프로세스에 대한 지식이어야 합니다.
그렇지 않은 경우 거래 봇은 무작위로 파고들게 됩니다.
종종 이것은 알고리즘이 거래 상황을 얼마나 어리석게 평가하는지 봇의 거래 이력에서 볼 수 있습니다.
정상적인 인간 거래자가 결코 관여하지 않을 곳으로 들어갑니다.
이런 이유로 나는 로봇 글쓰기에 대해 비관적입니다.
기껏해야 몇 가지 일반적인 상황을 해결하는 형태로 주제 영역에 대한 설명으로 세미 로봇을 만들 수 있습니다.
(예: 플랫 또는 추세 반전에서 이탈)
그러나 어떤 식 으로든 로봇을 돌봐야 새로운 수준의 마리오 봇처럼 깎기 시작하지 않습니다.
...
처음 세 가지 점에 동의합니다. 그러나 이런 식으로 행동하는 것은 일반 사용자입니다. 내가 쓰는 내용을 이해해야 하는 전문가도 있습니다.
그들이 또한 개념의 본질에 대해 아무 말도 하지 않는다면, 지역적 관점의 틀이 너무 좁아서 어떤 자유로운 생각도 통과할 수 없습니다. 여기서 우리는 볼 것입니다 ...
MO는 무엇보다도 엔지니어링의 예술이며 결과는 모든 개념을 정당화합니다. 결과를 주세요. 여기 당신을 위한 도전이 있습니다: https://numer.ai/
따라서 MQL 언어 거래와 관련하여 "머신 러닝"을 구현하는 방법에 대한 제 개념은 다음과 같습니다.
먼저 기본 개념에 대해: ...........................
MO 전문가와 관심 있는 모든 분들의 의견을 부탁드립니다.
관심을 가져주셔서 감사합니다.
나는 개인적으로 아무것도 이해하지 못했다
그러나 나는 할 수 있다. 나는 나 자신을 전문가라고 생각하지 않는다.
MO는 무엇보다도 엔지니어링의 예술이며 결과는 모든 개념을 정당화합니다. 결과를 주세요. 여기 당신을 위한 도전이 있습니다: https://numer.ai/