Wujun Chen / Perfil
- Informações
6+ anos
experiência
|
0
produtos
|
0
versão demo
|
0
trabalhos
|
0
sinais
|
0
assinantes
|
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Teoria das Categorias em MQL5 (Parte 1)](https://c.mql5.com/2/50/Category-Theory-avatar-001.png)
A Teoria das Categorias é um ramo diverso da Matemática e em expansão, sendo uma área relativamente recente na comunidade MQL. Esta série de artigos visa introduzir e examinar alguns de seus conceitos com o objetivo geral de estabelecer uma biblioteca aberta que atraia comentários e discussões enquanto esperamos promover o uso deste campo notável no desenvolvimento da estratégia dos traders.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Desenvolvimento de robôs de negociação usando programação visual](https://c.mql5.com/2/43/avatar.png)
Este artigo demonstra as capacidades do editor botbrains.app, uma plataforma no-code para o desenvolvimento de robôs de negociação. Para criar um robô de negociação você não precisa programar, basta arrastar os blocos necessários para o esquema, definir seus parâmetros e estabelecer as ligações entre eles.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Combinatória e teoria da probabilidade para negociação (Parte II): fractal universal](https://c.mql5.com/2/42/Centropolis2.png)
Neste artigo, continuaremos a estudar fractais e prestaremos muita atenção a resumir todo o material. Tentarei apresentar todos os projetos da maneira mais compacta e compreensível para serem aplicados ao trading.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Gradient boosting no aprendizado de máquina transdutivo e ativo](https://c.mql5.com/2/41/yandex_catboost__2.png)
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, que é o coinventor da Support-Vector Machine (SVM).
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Teoria das probabilidades e estatística matemática com exemplos (Parte I): fundamentos e teoria elementar](https://c.mql5.com/2/39/Probability_theory_1.png)
Fazer trading é sempre sobre como tomar decisões diante da incerteza. Isso significa que os resultados das decisões tomadas não são muito óbvios no momento em que são tomadas. Por isso, são importantes as abordagens teóricas para a construção de modelos matemáticos que possibilitem descrever tais situações de maneira significativa.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Previsão de séries temporais (parte 2): método de vetores de suporte por mínimos quadrados (LS-SVM)](https://c.mql5.com/2/38/mql5-avatar-lssvm.png)
O artigo estuda a teoria e a aplicação prática de um algoritmo de previsão de séries temporais com base no método de vetores de suporte, além disso, propõe sua implementação em MQL5 e fornece indicadores de teste e EAs. Embora este abordagem ainda não tenha sido implementada em MQL, em primeiro lugar, precisamos conhecer determinado modelo matemático.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Aplicação prática de redes neurais no trading. Embarquemos na prática](https://c.mql5.com/2/39/neural_DLL.png)
Este artigo apresenta uma descrição e instruções para o uso prático de módulos de redes neurais (MRN) na plataforma Matlab. Também aborda os principais aspectos para construção de um sistema de negociação usando o MRN. Para realizar uma apresentação concisa deste artigo, tive que modernizá-lo um pouco de forma a combinar várias funções da MRN num programa.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Como escrever um cliente nativo Twitter para MetaTrader 4 e MetaTrader 5 sem usar DLL](https://c.mql5.com/2/41/mql5_twitter__1.png)
Quer receber tweets ou postar seus sinais de negociação no Twitter? Você já não precisará procurar soluções, já que nesta série de artigos, veremos como trabalhar com o Twitter sem usar uma DLL. Juntos implementaremos a Tweeter API usando MQL. No primeiro artigo, começaremos com os recursos de autenticação e autorização da Twitter API.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Comunicando-se com o MetaTrader 5 utilizando pipes nomeados sem DLLs](https://c.mql5.com/2/0/pipe-ava__1.png)
Muitos desenvolvedores encontram o mesmo problema - como chegar ao sandbox do terminal sem utilizar DLLs arriscados. Um dos métodos mais fáceis e seguros é utilizar pipes nomeados padrão que funcionam como operações de arquivo normais. Eles permitem que você organize a comunicação cliente-servidor interprocessadores entre programas. Dê uma olhada em exemplos práticos em C++ e MQL5 que incluem servidor, cliente, a troca de dados entre eles e avaliação de desempenho.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Promova seus projetos de desenvolvimento utilizando bibliotecas EX5](https://c.mql5.com/2/0/Use_ex5_libraries.png)
Ocultando os detalhes de implementação de classes/funções em um arquivo .ex5 vai permitir que você compartilhe seus algoritmos experientes com outros desenvolvedores, defina projetos comuns e promova-os na Internet. E enquanto a equipe MetaQuotes não mede esforços para viabilizar a possibilidade de herança direta de classes de biblioteca ex5, vamos implementá-la agora.
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Aplicação prática das correlações na negociação](https://c.mql5.com/2/35/Correlation.png)
Neste artigo, nós analisaremos o conceito de correlação entre variáveis, bem como os métodos para o cálculo dos coeficientes de correlação e seu uso prático na negociação. A Correlação é uma relação estatística entre duas ou mais variáveis aleatórias (ou quantidades que podem ser consideradas aleatórias com algum grau aceitável de precisão). Mudanças em uma ou mais variáveis levam a mudanças sistemáticas em outras variáveis relacionadas.
![Liang Li Liang Li](https://c.mql5.com/avatar/2024/2/65e06531-30d2.png)
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Wujun Chen](https://c.mql5.com/avatar/2016/4/57165E1C-64B9.jpeg)
![Redes Neurais Profundas (Parte VIII). Melhorando a qualidade de classificação dos bagging de ensembles](https://c.mql5.com/2/48/Deep_Neural_Networks_08.png)
O artigo considera três métodos que podem ser usados para aumentar a qualidade de classificação do bagging de ensembles, e a estimação de sua eficiência. Os efeitos da otimização dos hiperparâmetros da rede neural ELM e dos parâmetros de pós-processamento são avaliados.