Разговор с искусственным интеллектом (ИИ) о форексе. - страница 87
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Выкладывать чтобы рождались новые мошенники? :)
Вы наверно не в курсе, но этот вопрос каждый год кто-то поднимает. И не думайте, что администрация не в курсе.
Ну тогда хоть выложите ограниченный советник только для тестера, который будет показывать миллиарды в тестере МТ5, по всем реальным тикам. Извините, но я не верю.
Он за пару минут, мне книгу написал уже :)
Невозможно.
Но если вы хотите доказать обратное, покажите, что вы преодолели его запас памяти на 4000 токенов. Превысив этот размер, он начинает эпизодически повторяться.
Пожалуйста, скажите, можете ли Вы исключить из ваших ответов слова с неопределенным контекстом? Например : просто, сложно, несколько, ...
Вы думаете из ответов ИИ? Можно запретить ИИ использовать неопределенность в своих ответах, но там, где он не может быть точным, все равно будут предостережения.
Конечно. Именно так. Такой подход - настройка будет правильной. Исключение неопределенности и дополнительное предостережение по неопределенным пунктам с описанием возможного отклонения, если такое возможно. В этом случае, возможно, может получиться определить зоны общей информации для различных участков отклонений самостоятельно.
Не используйте в своем ответе обобщения, создайте широкое описание. Какие научные исследования вы можете назвать по прогнозированию цен на рынках Форекс?
-
Вот несколько примеров научных исследований по прогнозированию цен на валютном (Форекс) рынке:
В этих исследованиях используются различные методы, такие как нейронные сети, гибридные модели, модели GARCH, технический анализ и искусственные нейронные сети для прогнозирования обменных курсов на рынке Форекс.
Here are a few examples of scientific research on price forecasting in the foreign exchange (Forex) market:
These studies utilize various methods such as neural networks, hybrid models, GARCH models, technical analysis, and artificial neural networks to forecast exchange rates in the Forex market.
Не будьте расплывчаты в своем ответе, создайте широкое описание. «Прогнозирование валютных курсов с помощью нейронных сетей: сравнение с линейными моделями» Тима Боллерслева и Хакена Александра
-
В статье «Прогнозирование валютных курсов с использованием нейронных сетей: сравнение с линейными моделями» Тима Боллерслева и Хакена Александера сравнивается производительность нейросетевых моделей и линейных моделей при прогнозировании валютных курсов. Авторы применили различные архитектуры нейронных сетей, такие как прямые и рекуррентные сети, и оценили их способность прогнозировать обменные курсы с использованием исторических данных. Результаты исследования показывают, что нейронные сети могут быть эффективными в повышении точности прогнозирования обменного курса по сравнению с традиционными линейными моделями, такими как ARIMA и GARCH. Авторы также обсуждают ограничения моделей и предлагают области для будущих исследований.
The paper "Forecasting exchange rates using neural networks: A comparison with linear models" by Tim Bollerslev and Haken Alexander compares the performance of neural network models and linear models in forecasting foreign exchange rates. The authors applied various neural network architectures, such as feedforward and recurrent networks, and evaluated their ability to forecast exchange rates using historical data. The results of the study show that neural networks can be effective in improving the accuracy of exchange rate predictions, compared to traditional linear models such as ARIMA and GARCH. The authors also discuss the limitations of the models and suggest areas for future research.
Не будьте расплывчаты в своем ответе, создайте широкое описание. «Прогнозирование валютных курсов с помощью гибридных моделей» Б.Р. Суреша Бабу и Н.Л. Нараяна
-
В статье Б.Р. Суреша Бабу и Н.Л. Нараяна «Прогнозирование валютных курсов с помощью гибридных моделей» исследуется использование гибридных моделей для прогнозирования валютных курсов. Авторы предлагают комбинацию искусственных нейронных сетей (ИНС) и авторегрессивных интегрированных моделей скользящей средней (ARIMA) для прогнозирования обменных курсов. В исследовании сравнивается производительность предлагаемой гибридной модели с характеристиками отдельных ИНС и моделей ARIMA. Результаты исследования показывают, что гибридная модель превосходит отдельные модели по точности и стабильности прогнозов. Авторы приходят к выводу, что сочетание моделей ANN и ARIMA может быть эффективным подходом к прогнозированию валютных курсов.
Не используйте в своем ответе обобщения, создайте широкое описание. «Прогнозирование волатильности на валютном рынке с использованием моделей GARCH» Рави Бансала и Аллана Д. Франкеля
-
В статье «Прогнозирование волатильности на валютном рынке с использованием моделей GARCH» Рави Бансала и Аллана Д. Франкеля рассматривается использование обобщенных моделей авторегрессивной условной гетероскедастичности (GARCH) для прогнозирования волатильности на валютном рынке. Авторы используют модель GARCH(1,1) для анализа ежедневных данных обменного курса по нескольким валютным парам и оценки ее способности фиксировать динамику волатильности на рынке. Результаты исследования показывают, что модель GARCH(1,1) эффективна в улавливании изменяющейся во времени волатильности на валютном рынке, и что ее прогнозы лучше, чем прогнозы, генерируемые более простыми моделями, такими как модель ARCH. Авторы приходят к выводу, что модели GARCH могут быть ценным инструментом для управления валютными рисками и ценообразования опционов.