![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
Наука о данных и ML (часть 23): Почему LightGBM и XGBoost превосходят многие модели ИИ?
Gradient Boosted Decision Trees (GBDT) - это мощная техника машинного обучения, используемая в основном для задач регрессии и классификации. Они объединяют прогнозы нескольких слабых обучаемых, обычно деревьев решений, для создания сильной прогностической модели.
Основная идея заключается в последовательном построении моделей, при этом каждая новая модель пытается исправить ошибки, допущенные предыдущими.
Завоевали большую популярность в сообществе машинного обучения как алгоритмы, выбранные многими командами-победителями в соревнованиях по машинному обучению. В этой статье мы узнаем, как можно использовать эти точные модели в наших торговых приложениях.
Наука о данных и машинное обучение (часть 24): Прогнозирование временных рядов на Форекс с помощью регулярных моделей искусственного интеллекта
Прогнозирование временных рядов - это процесс использования прошлых данных для предсказания будущих значений в последовательности точек данных. Эта последовательность обычно упорядочена по времени, отсюда и название временного ряда.
Форум о трейдинге, автоматизированных торговых системах и тестировании торговых стратегий
Все (пока не все) о Тестере стратегий, оптимизации и облаке
Сергей Голубев, 2024.06.29 16:37
Автоматизированная оптимизация параметров торговых стратегий с помощью Python и MQL5
Читатели поймут важность автооптимизации, различные используемые алгоритмы, увидят практические примеры на Python и скрипты советников (EA). Они научатся настраивать автооптимизацию, сравнивать результаты и правильно настраивать оптимизацию параметров, повышая эффективность своей торговой стратегии.
Алгоритмы самооптимизации торговых стратегий включают оптимизацию параметров, эволюционные алгоритмы, эвристические методы, градиентные методы, машинное обучение и оптимизацию на основе моделирования. Каждый из них обладает уникальными плюсами и минусами, адаптированными к различным торговым потребностям и рыночным условиям.
Наука о данных и машинное обучение (часть 25): Прогнозирование временных рядов на рынке Форекс с помощью рекуррентной нейронной сети (RNN)
Рекуррентные нейронные сети (РНС) - это искусственные нейронные сети, предназначенные для распознавания закономерностей в последовательностях данных, таких как временные ряды, язык или видео. В отличие от традиционных нейронных сетей, которые предполагают, что входные данные не зависят друг от друга, RNN могут обнаруживать и понимать закономерности в последовательности данных (информации).
Для полного понимания содержания этой статьи необходимо базовое понимание языка Python, ONNX на MQL5 и машинного обучения на Python.Анализ настроений и глубокое обучение для торговли с помощью советника и бэктестинга с помощью Python
Интеграция глубокого обучения и анализа настроений в торговые стратегии в MetaTrader 5 (MQL5) представляет собой сложное достижение в области алгоритмической торговли. Глубокое обучение, подмножество машинного обучения, включает в себя нейронные сети с несколькими слоями, которые могут обучаться и делать прогнозы на основе обширных и сложных наборов данных. С другой стороны, анализ настроения - это метод обработки естественного языка (NLP), используемый для определения настроения или эмоционального тона текста. Используя эти технологии, трейдеры могут улучшить процесс принятия решений и повысить результативность торговли.
Переосмысление классических стратегий на Python: Пересечения МА
Многие из современных торговых стратегий были придуманы в условиях совершенно иных рыночных ландшафтов. Оценка их актуальности на современных рынках, где доминируют алгоритмы, имеет решающее значение. В этой статье мы рассмотрим стратегию пересечения скользящих средних, чтобы оценить ее эффективность в сегодняшней финансовой среде.
Оптимизация портфеля на Python и MQL5
Наука о данных и ML (часть 26): Окончательная битва в прогнозировании временных рядов - LSTM против GRU-нейронных сетей
Long Short-Term Memory (LSTM) - это тип рекуррентной нейронной сети, предназначенной для решения последовательных задач, позволяющей улавливать и использовать долгосрочные зависимости в данных. В отличие от ванильных рекуррентных нейронных сетей (простых RNN), о которых шла речь в предыдущей статье этого цикла (обязательно к прочтению). Которые не могут улавливать долгосрочные зависимости в данных.
Наука о данных и ML (часть 27): Конволюционные нейронные сети (CNN) в торговых ботах MetaTrader 5 - стоит ли их использовать?
Конволюционные нейронные сети (CNN) - это класс алгоритмов глубокого обучения, специально разработанных для обработки структурированных данных, похожих на сетку, таких как изображения, аудиоспектрограммы и временные ряды. Они особенно хорошо подходят для задач, связанных с визуальными данными, поскольку могут автоматически и адаптивно обучаться пространственным иерархиям признаков на основе входных данных.
CNN - это расширенная версия искусственных нейронных сетей (ANN). Они преимущественно используются для извлечения признаков из матричных наборов данных, похожих на сетку. Например, визуальные наборы данных, такие как изображения или видео, где шаблоны данных играют важную роль.
Форум о трейдинге, автоматизированных торговых системах и тестировании торговых стратегий
Самообучающийся эксперт
Сергей Голубев, 2024.07.29 19:27
Построение самооптимизирующихся экспертов с помощью MQL5 и Python