Códigos
Algoritmos RL para MetaTrader 5
Biblioteca baseada no artigo "Floresta de decisão aleatória na aprendizagem por reforço"
Cointegration para MetaTrader 5
O indicador calcula e exibe o relacionamento linear entre dois ou mais instrumentos
Arbitrage Synthetic para MetaTrader 5
Robô para arbitragem entre o par EURGBP e sua cotação sintética (arbitragem triangular)
Artigos
Time series clustering in causal inference para MetaTrader 5
Clustering algorithms in machine learning are important unsupervised learning algorithms that can divide the original data into groups with similar observations. By using these groups, you can analyze the market for a specific cluster, search for the most stable clusters using new data, and make
O escore de propensão na inferência causalidade para MetaTrader 5
O artigo examina o tema de pareamento na inferência causal. O pareamento é utilizado para comparar observações semelhantes em um conjunto de dados. Isso é necessário para determinar corretamente os efeitos causais e eliminar o viés. O autor explica como isso ajuda na construção de sistemas de
Inferência causal em problemas de classificação de séries temporais para MetaTrader 5
Neste artigo, examinaremos a teoria da inferência causal usando aprendizado de máquina, bem como a implementação de uma abordagem personalizada em Python. A inferência causal e o pensamento causal têm suas raízes na filosofia e psicologia e desempenham um papel importante na nossa compreensão da
Validação cruzada e noções básicas de inferência causal em modelos CatBoost, exportação para o formato ONNX para MetaTrader 5
Este artigo propõe um método autoral para a criação de robôs usando aprendizado de máquina
Metamodelos em aprendizado de máquina e negociação: Tempo original das ordens de negociação para MetaTrader 5
Metamodelos em aprendizado de máquina: Criação automática de sistemas de negociação com quase nenhum envolvimento humano, o próprio modelo decide como operar e quando operar
Aprendizado de máquina em sistemas de negociação baseados em grade e martingale. Deveríamos apostar nele? para MetaTrader 5
Este artigo apresentará ao leitor a técnica de aprendizado de máquina para negociação baseada em grade e martingale. Para minha surpresa, essa abordagem, por algum motivo, não é afetada de forma alguma na rede global. Após ler o artigo, podemos criar nossos próprios bots
Busca de padrões sazonais no mercado de Forex usando o algoritmo CatBoost para MetaTrader 5
O artigo considera a criação de modelos de aprendizado de máquina com filtros de tempo e discute a eficácia dessa abordagem. O fator humano pode ser eliminado agora simplesmente instruindo o modelo a negociar em uma determinada hora de um determinado dia da semana. A busca de padrões pode ser
Gradient boosting no aprendizado de máquina transdutivo e ativo para MetaTrader 5
Neste artigo, nós consideraremos os métodos de aprendizado de máquina ativo que se baseiam em dados reais e discutiremos seus prós e contras. Talvez você considere esses métodos úteis e os inclua em seu arsenal de modelos de aprendizado de máquina. A transdução foi introduzida por Vladimir Vapnik
Reamostragem avançada e seleção de modelos CatBoost pelo método de força bruta para MetaTrader 5
Este artigo descreve uma das possíveis abordagens para a transformação de dados com o objetivo de melhorar a generalização do modelo, ele também discute a amostragem e seleção dos modelos CatBoost
Gradient Boosting (CatBoost) no desenvolvimento de sistemas de negociação. Uma abordagem ingênua para MetaTrader 5
Treinamento do classificador CatBoost em Python e exportação do modelo para a mql5, bem como a análise dos parâmetros do modelo e um testador de estratégia customizado. A linguagem Python e a biblioteca MetaTrader 5 são usadas para preparar os dados e treinar o modelo
Fórum
Perguntas sobre a linguagem SI
void quicksort( double *a, int *idx, int l, int u) { int i, m, idx_temp; double a_temp; if (l >= u) return ; m = l; for (i=l+ 1 ; i<=u; i++) { if (a[i] < a[l]) { ++m; idx_temp = idx[m]; idx[m] = idx[i]; idx[i] = idx_temp;
Interpolação, aproximação e afins (embalagem de algibe)
Preciso interpolar uma função com ajustes arbitrários, por isso escolhi estrias. This subroutine builds cubic spline interpolant. INPUT PARAMETERS: X - spline nodes, array[ 0 ..N- 1 ]. Y - function values, array[ 0 ..N- 1 ]. OPTIONAL PARAMETERS: N - points
Analisar as características ESTATÍSTICAS mais importantes do padrão e escolher um método de negociação sobre ele.
Digamos que temos um pedaço de um gráfico. Precisamos elaborar (sobre a história) a melhor maneira de abrir negócios sobre ela. Onde comprar, onde vender, onde comprar mais, onde fechar, e assim por diante. Mas devemos considerar que os padrões podem ser diferentes, e devemos encontrar o método mais
Recuperando um fluxo de preços via WebSocket em C#.
Olá, Prezados Senhores. Interessado em receber citações de diferentes fontes (incluindo o intercâmbio LMAX). Como diferentes corretores estão conectados a diferentes ECNs, fornecedores de liquidez, é melhor obter citações diretamente dos próprios ECNs. Mas há uma limitação aí - a maioria dos
Vale a pena investigar a arbitragem cambial?
Será que alguém encontrou citações desfasadas de diferentes corretores em FORTS? Vale a pena cavar nesta direção, ou tudo está claro há muito tempo e não há necessidade de brincar? :) Há diferenças ou atrasos nas cotações de diferentes corretores? Como tudo isso corresponde às regras da bolsa, será
Já estou prestes a desistir de lutar contra eles...
Alguém pode me dizer o que poderia estar causando esses erros? O nível StopLevels é de 20 pips, todas as negociações devem passar. Handicaps e fora de cotação são irritantes :)
Conselheiros em redes neurais, compartilhando experiências.
Há poucas informações no fórum sobre soluções prontas e a eficácia das redes neurais para o comércio no mercado. Sugiro discutir e compartilhar experiências aqui. Se já existe um tópico com discussão, por favor, faça um link para ele. Estou usando classes daqui , simples e multicamadas Perspectron
Usando o OpenCV para reconhecer padrões gráficos
É do conhecimento geral que a correlação e métodos similares não lidam com a correspondência de séries temporais com precisão e, em alguns casos, não são de todo precisos. Recentemente, a visão por computador tornou-se generalizada. É usado principalmente para reconhecer imagens, por exemplo, rostos