Kun Li / 프로필
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![JC](https://c.mql5.com/avatar/avatar_na2_micro.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![MQL5에서 ONNX 모델을 사용하는 방법](https://c.mql5.com/2/52/onnx_models_avatar.png)
ONNX(Open Neural Network Exchange)는 머신 러닝 모델을 나타내기 위해 구축된 개방형 형식입니다. 이 기사에서는 금융 시계열을 예측하기 위해 CNN-LSTM 모델을 만드는 방법에 대해 살펴보겠습니다. 또한 MQL5 Expert Advisor에서 생성된 ONNX 모델을 사용하는 방법도 보여드리겠습니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![데이터 과학 및 기계 학습(파트 02): 로지스틱 회귀](https://c.mql5.com/2/48/logistic_regression__1.png)
데이터 분류는 알고리즘 트레이더와 프로그래머에게 중요합니다. 이 기사에서 우리는 예 또는 아니오, 상방 또는 하방, 매수 또는 매도를 식별하는 데 도움이 될 수 있는 분류 로지스틱 알고리즘 중 하나에 초점을 맞출 것입니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![모집단 최적화 알고리즘: 뻐꾸기 최적화 알고리즘(COA)](https://c.mql5.com/2/50/Cuckoo-Optimization-Algorithm-avatar.png)
다음으로 살펴볼 알고리즘은 레비 비행을 사용한 뻐꾸기 검색 최적화입니다. 이는 최신의 최적화 알고리즘 중 하나이며 인기 있는 새로운 알고즘 중 하나입니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![모집단 최적화 알고리즘: 회색 늑대 옵티마이저(GWO)](https://c.mql5.com/2/50/grey_wolf_optimizer_avatar.png)
이번에는 최신의 최적화 알고리즘 중 하나인 그레이 울프 최적화에 대해 알아봅시다. 테스트 함수에서의 오리지널 행동은 이 알고리즘을 앞서 고려한 알고리즘 중 가장 흥미로운 알고리즘 중 하나로 만듭니다. 이 알고리즘은 신경망 훈련, 많은 변수가 있는 부드러운 함수의 훈련에 사용되는 최고의 알고리즘 중 하나입니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![MetaQuotes](https://c.mql5.com/avatar/2010/1/4B5DE8B4-9045.jpg)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Boris](https://c.mql5.com/avatar/2015/2/54E6173A-2577.jpg)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![모집단 최적화 알고리즘: 인공 꿀벌 군집(ABC)](https://c.mql5.com/2/50/artificial_bee_colony_avatar.png)
이 글에서는 인공 꿀벌 군집의 알고리즘을 연구하고 기능적 공간을 연구하는 새로운 원칙을 더해 우리의 지식을 보완할 것입니다. 이 글에서는 고전적인 버전의 알고리즘에 대한 저의 해석을 보여드리겠습니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![시계열 주요 특성의 분석](https://c.mql5.com/2/0/Time_Series_Analysis_in_MQL5.png)
이 문서를 통해 다양한 시계열의 특성에 대한 빠른 예비 추정치를 제공하기 위해 고안된 클래스를 소개해드릴 것입니다. 이 경우 통계적 모수와 자기 상관 함수가 추정되고 시계열의 스펙트럼 추정이 수행되며 히스토그램이 작성됩니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![MQL5에서의 엘리엇 파동(Elliot Waves) 자동 분석 도입](https://c.mql5.com/2/0/MQL5_Elliott_Waves_Automated.png)
시장 분석에서 가장 인기 좋은 방법 중 하나는 엘리엇 파동(Elliot Wave) 이론입니다. 하지만 이 과정은 꽤나 복잡하기때문에 다른 툴을 사용해야합니다. 그런 툴 중 하나는 자동 마커입니다. 본 문서에서는 MQL5로 엘리엇 파동 자동 분석기를 만드는 법에 대해서 다뤄보겠습니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![지그재그 지표: 신선한 접근 방식과 새로운 솔루션](https://c.mql5.com/2/0/avatar2.png)
이 글에서는 고급 ZigZag 지표를 만들 가능성을 검토합니다. 노드를 식별하는 아이디어는 Envelopes 지표의 사용을 기반으로 합니다. 우리는 모든 ZigZag 노드가 Envelopes 밴드의 범위 내에 있는 일련의 Envelopes에 대한 입력 매개변수의 특정 조합을 찾을 수 있다고 가정합니다. 결과적으로 우리는 새로운 노드의 좌표를 예측하려고 시도할 수 있습니다.
![Kun Li](https://c.mql5.com/avatar/avatar_na2.png)
![Renko 차트 표시](https://c.mql5.com/2/0/LOGO__2.png)
이 글에서는 Renko 차트 작성의 예와 MQL5에서 지표로 구현하는 방법을 설명합니다. 이 지표를 수정하면 기존 차트와 구별됩니다. 지표 창과 메인 차트 모두에서 구성할 수 있습니다. 또한 지그재그 표시기가 있습니다. 차트 구현의 몇 가지 예를 찾을 수 있습니다.