Andrey Dibrov / Perfil
- Informações
3 anos
experiência
|
0
produtos
|
0
versão demo
|
0
trabalhos
|
0
sinais
|
0
assinantes
|
![Aplicação prática de redes neurais no trading (Parte 2). Visão computacional](https://c.mql5.com/2/42/neural_DLL.png)
O uso da visão computacional permite treinar redes neurais, usando uma representação visual do gráfico de preços e indicadores. Este método nos permite operar mais livremente com todo o conjunto de indicadores técnicos, uma vez que não requer feed digital para a rede neural.
![rafanjos rafanjos](https://c.mql5.com/avatar/avatar_na2_micro.png)
![Aplicação prática de redes neurais no trading. Python (Parte I)](https://c.mql5.com/2/40/neural_python.png)
Neste artigo, analisaremos passo a passo a implementação de um sistema de negociação baseado na programação de redes neurais profundas em Python. Para isso, usaremos a biblioteca de aprendizado de máquina TensorFlow desenvolvida pelo Google. Para descrever as redes neurais, iremos por em uso a biblioteca Keras.
![Rafael Sekiguchi Rafael Sekiguchi](https://c.mql5.com/avatar/2021/4/6080E139-BC81.jpg)
![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.
![Aplicação prática de redes neurais no trading](https://c.mql5.com/2/37/neural_DLL.png)
O artigo discute os principais pontos para integrar as redes neurais e um terminal de negociação, providenciando criar um robô de negociação robusto.