Обсуждение статьи "Нейросети в трейдинге: Управляемая сегментация (Окончание)"
Дмитрий здравствуйте. Вот при обучении выскочила такая вот ошибка:
2024.10.08 21:28:01.820 Study (EURUSD,H1) RefMaskAct.nnw 2024.10.08 21:28:01.896 Study (EURUSD,H1) RefMaskCrt.nnw 2024.10.08 22:48:49.440 Study (EURUSD,H1) Train -> 294 -> Actor 0.0803357 2024.10.08 22:48:49.440 Study (EURUSD,H1) Train -> 295 -> Critic 0.0005726 2024.10.08 22:48:49.440 Study (EURUSD,H1) ExpertRemove() function called 2024.10.08 22:48:49.558 Study (EURUSD,H1) 14 undeleted dynamic objects found: 2024.10.08 22:48:49.558 Study (EURUSD,H1) 14 objects of class 'CBufferFloat' 2024.10.08 22:48:49.558 Study (EURUSD,H1) 19968 bytes of leaked memory found
Что это значит?
Кстати при компиляции вот такие 2 предупреждения появляются:
Series.mqh ArrayDouble.mqh 'NeuroNet.cl' as 'const string cl_program' 1 deprecated behavior, hidden method calling will be disabled in a future MQL compiler version NeuroNet.mqh 30478 22 deprecated behavior, hidden method calling will be disabled in a future MQL compiler version NeuroNet.mqh 30700 22 code generated 1 0 errors, 2 warnings, 6344 msec elapsed, cpu='X64 Regular' 3
Файлы из статьи без изменений.
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
Опубликована статья Нейросети в трейдинге: Управляемая сегментация (Окончание):
Продолжаем, начатую в предыдущей статье работу, по построению фреймворка RefMask3D средствами MQL5. Данный фреймворк разработан для всестороннего изучения мультимодального взаимодействия и анализа признаков в облаке точек, с последующей идентификацией целевого объекта на основе описания, предоставленного на естественном языке.
Обучение моделей осуществляется ofline. Однако для подержания обучающей выборки в актуальном состоянии мы проводим периодическое обновление обучающей выборки с добавлением проходов в рамках текущей политики Актера. Итерации обучения моделей и обновления обучающей выборки повторяются до достижения желаемого результата.
В рамках подготовки данной статьи мы получили довольно интересную политику Актера. Результаты её тестирования на исторических данных января 2024 года представлены ниже.
Легко заметить, что период тестирования не входит в обучающую выборку. Такой метод тестирования создает условия, максимально приближенные к реальному использованию модели.
За период тестирования модель совершила 21 торговую операцию и 14 из них было закрыто с прибылью, что составило более 66%. Следует отметить, что доля прибыльных операций превышает убыточные как по коротким, так и по длинным позициям. Более того, средняя прибыльная сделка в 2 раза превышает среднюю убыточную. А аналогичный показатель по максимальной прибыльной сделке приближается к трехкратной отметке. При этом график баланса имеет четко выраженную тенденцию.
Автор: Dmitriy Gizlyk