文章 "利用 CatBoost 算法寻找外汇市场的季节性模式" 新评论 MetaQuotes 2021.03.11 07:41 新文章 利用 CatBoost 算法寻找外汇市场的季节性模式已发布： 本文探索了用时间过滤器建立机器学习模型，并讨论了这种方法的有效性。现在，只要简单地指示模型在一周中某一天的某个时间进行交易，就可以消除人为因素。模式搜索可以由单独的算法提供。 您可以在函数中设置要检查的小时数列表。在我的例子中，所有的24小时都设置好了。为了实验的纯度，我通过将“min”和“max”（开启仓位的最小和最大水平）设置为15来禁用采样。“iterations”变量负责每小时的再训练周期数。增加这个参数可以得到更可靠的统计数据。操作完成后，函数将显示下图： X轴以小时的序号为特征。Y轴表示每次迭代的R^2分数（使用10次迭代，这意味着每小时进行一次模型再培训）。如您所见，4小时、5小时和6小时的通行证位于更近的位置，这使您对找到的模式的质量更有信心。选择原则很简单 - 点的位置和密度越高，模型就越好。例如，在9-15点的时间间隔内，图中显示了大量的点分散，模型的平均质量下降到0.6。您可以进一步选择所需的小时数，重新训练模型并在自定义测试器中查看其结果。 作者：Maxim Dmitrievsky 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 利用 CatBoost 算法寻找外汇市场的季节性模式已发布：
本文探索了用时间过滤器建立机器学习模型，并讨论了这种方法的有效性。现在，只要简单地指示模型在一周中某一天的某个时间进行交易，就可以消除人为因素。模式搜索可以由单独的算法提供。
您可以在函数中设置要检查的小时数列表。在我的例子中，所有的24小时都设置好了。为了实验的纯度，我通过将“min”和“max”（开启仓位的最小和最大水平）设置为15来禁用采样。“iterations”变量负责每小时的再训练周期数。增加这个参数可以得到更可靠的统计数据。操作完成后，函数将显示下图：
X轴以小时的序号为特征。Y轴表示每次迭代的R^2分数（使用10次迭代，这意味着每小时进行一次模型再培训）。如您所见，4小时、5小时和6小时的通行证位于更近的位置，这使您对找到的模式的质量更有信心。选择原则很简单 - 点的位置和密度越高，模型就越好。例如，在9-15点的时间间隔内，图中显示了大量的点分散，模型的平均质量下降到0.6。您可以进一步选择所需的小时数，重新训练模型并在自定义测试器中查看其结果。
作者：Maxim Dmitrievsky