Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2098

 
Maxim Dmitrievsky:
Sim, engraçado, vou ter isso em mente.

Alguns GPT-3 também podem ter um cotier.

 
Rorschach:

Algum tipo de GPT-3 também pode ser cotiered.

É caro converter cotier em imagens, por isso sou a favor de convoluções unidimensionais.
 

Como faço o download do arquivo *.ipynb do github para o bloco de notas jupyter?


adicionar: A pergunta é removida - algo clicado e um botão de download aparece:

 
Vladimir Karputov:

Como faço o download do arquivo *.ipynb do github para o bloco de notas jupyter?


adicionar: A pergunta está desligada - algo clicado e um botão de download apareceu:

Vladimir, estás connosco agora, no lado negro?

 
O meu artigofoi publicado. Você está convidado a ler e criticar :)
Машинное обучение от Яндекс (CatBoost) без изучения Phyton и R
Машинное обучение от Яндекс (CatBoost) без изучения Phyton и R
  • www.mql5.com
Уважаемый читатель, в настоящей статье я опишу процесс создания моделей, описывающих закономерность рынка при ограниченном наборе переменных и наличии гипотезы о закономерности его поведения, являющихся результатом работы алгоритма машинного обучения CatBoost от Яндекса. Для получения моделей не потребуется знание таких языков программирования...
 
Maxim Dmitrievsky:

Vladimir, estás connosco agora, no lado negro?

Estou apenas a aprender...

 
Maxim Dmitrievsky:

Vladimir, estás connosco agora, no lado negro?

Uau, os lados já estão a desistir! Direitos sobre a água !!!!! :-)))))
 

Não consigo imprimir as primeiras cinco linhas do objecto DataFrame.

Eu pego o script da 'pasta de dados' e adiciono as linhas:

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)

e o método não imprime nada:

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

Выведем пять первых строк

Выведем датафрейм с данными
 
Aleksey Vyazmikin:
O meu artigo foi publicado. Convido-vos a lê-lo e a criticá-lo :)

Alexey, a minha pergunta para ti e para todos: Porquê? Vamos tomar como alvo o sinal de passagem da média móvel e não lhe tocar no próximo bar...".

Você pode ensinar o sinal "ideal". Pegue um ZZ (vários ZZ) e passe do presente para o passado em cada barra, que subirá/descerá exatamente, para tantas barras.

Quando eu era um profissional da Neuroshell Day Trader aprendi tal sinal e obtive o primeiro resultado sensato, mas foi muito difícil usá-lo em negociações reais.

 
dr.mr.mom:

Alexey, uma pergunta para ti e para os outros: porquê?" Vamos pegar num sinal que atravessa uma média móvel e não lhe toca na próxima barra como alvo..."

Você pode ensinar um sinal "ideal". Pegue um ZZ (vários ZZ) e passe do presente para o passado em cada barra, que subirá/descerá exatamente, para tantas barras.

Quando eu era um profissional da Neuroshell Day Trader aprendi este sinal e obtive o primeiro resultado razoável, mas foi muito difícil usá-lo em negociações reais.

É por isso que na altura não sabíamos que os pontos pivot são mal previstos por tal método, e o treino é baseado principalmente em tendências....

É bastante razoável usar estratégias diferentes para diversificação, e MO ajuda a melhorar as estratégias subjacentes, que é o que eu sugeri usar no artigo.