Discussão do artigo "Anotação de dados na análise de série temporal (Parte 6): Aplicação e teste de EA com ONNX"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Anotação de dados na análise de série temporal (Parte 6): Aplicação e teste de EA com ONNX foi publicado:
Nesta série de artigos, apresentamos vários métodos de anotação de séries temporais, que podem criar dados adequados à maioria dos modelos de inteligência artificial (IA). A anotação de dados direcionada pode tornar o modelo de IA treinado mais alinhado aos objetivos e tarefas do usuário, aumentar a precisão do modelo e até ajudar o modelo a alcançar um salto qualitativo!
No artigo anterior, discutimos como usar WebSocket para a comunicação entre o EA e o servidor Python para resolver o problema de teste histórico, e também discutimos por que adotamos esse método. Neste artigo, discutiremos como usar o ONNX, que é suportado nativamente pelo MQL5, para realizar a inferência do nosso modelo. Também abordaremos as limitações do método. Se o seu modelo usar operadores não suportados pelo ONNX, a inferência pode falhar, então esse método não é adequado para todos os modelos (claro, você também pode adicionar operadores para suportar seu modelo, mas isso requer muito tempo e esforço). É por isso que, no artigo anterior, dediquei bastante espaço para apresentar o método de sockets.
Claro, converter um modelo comum para o formato ONNX é muito conveniente e nos dá suporte eficiente para operações multiplataforma. O artigo aborda principalmente algumas operações básicas de trabalho com modelos ONNX no MQL5, incluindo maneiras de mapear os dados de entrada e saída dos modelos torch e ONNX, bem como formas de converter formatos de dados adequados para modelos ONNX. Claro, falaremos também sobre o gerenciamento de ordens do EA.
Autor: Yuqiang Pan