Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2659

 
mytarmailS #:
А почему в сигнале алготрейдинг не 100%, как это вообще работает? 

ты про демку? не знаю, может руками что-то закрывал раньше, тот акк для тестов, не обращай внимание

 
Maxim Dmitrievsky #:

ты про демку? не знаю, может руками что-то закрывал раньше, тот акк для тестов, не обращай внимание

Да, про демку... 
Мне просто интересно и не понятно как их алгоритм определяет ручная или алго торговля идет
 
mytarmailS #:
Да, про демку... 
Мне просто интересно и не понятно как их алгоритм определяет ручная или алго торговля идет

через идентификаторы сделок, там есть пометки

 
Maxim Dmitrievsky #:

через идентификаторы сделок, там есть пометки

А что такое идентификатор сделок? 
 
mytarmailS #:
А что такое идентификатор сделок? 

пометка, руками была открыта или нет

какие еще варианты могут быть? )
 
Maxim Dmitrievsky #:

пометка, руками была открыта или нет

какие еще варианты могут быть? )
)) ну у меня были варианты
 

Посмотрите на анонс нового релиза Бета-версия платформы MetaTrader 5 build 3360: Float в OpenCL и математических функциях, методы активации и потерь для машинного обучения, пожалуйста.

Мы уже провели огромную работу как по внедрению встроенных типов данных vector, vector (а также шаблонированных vector<double> vector<float>), matrix, matrixf, complex, так и по большому расширению математических функций.

Уже сейчас MQL5 стал удобен для нативного и быстрого написания нейросетей и матричных операций. Причем с расширенной поддержкой в OpenCL.

Мы также провели подготовительную работу по внедрению мощного движка машинного обучения нативно в MQL5 язык. Это позволит писать полноценные ML системы прямо в платформе.

 
Renat Fatkhullin #:

Посмотрите на анонс нового релиза Бета-версия платформы MetaTrader 5 build 3360: Float в OpenCL и математических функциях, методы активации и потерь для машинного обучения, пожалуйста.

Мы уже провели огромную работу как по внедрению встроенных типов данных vector, vector (а также шаблонированных vector<double> vector<float>), matrix, matrixf, complex, так и по большому расширению математических функций.

Уже сейчас MQL5 стал удобен для нативного и быстрого написания нейросетей и матричных операций. Причем с расширенной поддержкой в OpenCL.

Мы также провели подготовительную работу по внедрению мощного движка машинного обучения нативно в MQL5 язык. Это позволит писать полноценные ML системы прямо в платформе.

Лет 10 назад все бы ахнули, сейчас такие ну да ну да 
Сейчас более значимым событием видится возможность именно переноса моделей в MQL, что не умаляет позитив от нововведений
 
Maxim Dmitrievsky #:
Лет 10 назад все бы ахнули, сейчас такие ну да ну да 
Сейчас более значимым событием видится возможность именно переноса моделей в MQL, что не умаляет позитив от нововведений

Наличие нативных матриц и векторов с большим набором штатных математических функций - это необходимый фундамент для рывка в возможностях алготрейдинга. И мы это сделали.

Импорт onnx моделей тоже есть в предварительных разработках, хоть и без поддержки 100% возможностей. К сожалению, мало какие пакеты могут на 100% полностью импортировать любой onnx файл.

Безусловно, сейчас удобнее и производительнее делать исследования и разработки в существующих системах. Но исполнение можно будет перенести через onnx модели без применения сторонних библиотек.

С добавлением ML движка исследования и тренировки можно будет вести напрямую в MQL5. Это следующий рывок.

 
Renat Fatkhullin #:

Наличие нативных матриц и векторов с большим набором штатных математических функций - это необходимый фундамент для рывка в возможностях алготрейдинга. И мы это сделали.

Импорт onnx моделей тоже есть в предварительных разработках, хоть и без поддержки 100% возможностей. К сожалению, мало какие пакеты могут на 100% полностью импортировать любой onnx файл.

Безусловно, сейчас удобнее и производительнее делать исследования и разработки в существующих системах. Но исполнение можно будет перенести через onnx модели без применения сторонних библиотек.

С добавлением ML движка исследования и тренировки можно будет вести напрямую в MQL5. Это следующий рывок.

Мне нравится такой подход, чем-то похоже на то, как сделано в PyTorch, т.е. поверх матриц/тензоров реализованы разные функции для МО. Очень удобно. Можно собирать разные конструкции из них.