交易中的机器学习：理论、模型、实践和算法交易 - 页 3112

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:

我在 5 月 15 日测试了我在这里抛出的机器人，一个月过去了。不同的 sl 和 tp 会产生不同的结果，但平均而言都在增长。

使用了哪些功能？ 最好能提供一份完整的清单）。

[Maxim Dmitrievsky]

Evgeni Gavrilovi #:

如果能提供一份完整的清单，将不胜感激。）

各种模拟回报，没什么特别的。我以前写过，有时只是波动性效果很好，这又是转换后的回报。

太多不好，太少也不好。不知怎么的，我得到了一个最佳值，大约是 10 个不同时期的小说，以一个固定的步长递增。比方说，range(10, 100, 10)

但这就是我的实现方法，我并没有假装自己推导出了什么神奇的公式。

时间序列中还有其他什么吗？)

[mytarmailS]

我被禁言了，主题也死了）)

[mytarmailS]

我用过滤器 "可靠 "筛选 了所有 MT5 信号，以查看按年份的分布情况，从而了解 "可靠 TS "的 "寿命 "有多长。

以下是分布情况

years
2015 2018 2019 2020 2021 2022 2023 
   1    4    5   34  130  549  957 

值得思考的问题....

如果有人需要，请提供 Pars 代码

library(rvest)
library(readr)
n_pages <- 35 
url <- "https://www.mql5.com/ru/signals/mt5/page"
urls <- paste0(url, 1:n_pages)
years <- lapply(urls, \(Url) Url |> read_html() |> html_nodes(".signal-card__growth-label") |> html_text() |> parse_number()) |> unlist()
hist(years)

df <- data.frame(table(years))
library(ggplot2)
ggplot(df,aes(years,Freq)) +
  geom_bar(stat='identity',fill=colors()[128]) 

[mytarmailS]

稀释论坛前 100 页中 Sanych 的所有帖子

将文本转换为 "词袋"

删除 "停止词

将其可视化为 "词云"（词越大，出现的频率越高）。

酷 ))))

library(xml2)
library(rvest)
urls <- paste0("https://www.mql5.com/ru/forum/86386/page", 2:100)
author <- "СанСаныч Фоменко"

li <- list()
for(url in urls){
txt <- url |> read_html() |> html_nodes(".text") 
txt |> html_node(".fquote") |> xml_remove() #  remove fquote

Authors <- txt |> html_node(".author") |> html_text()
Content <- txt |> html_node(".content") |> html_text()
Comment_date <- txt |> html_node(".comment__date") |> html_text()

if(any(Authors==author,na.rm = T)){
la <- lapply(seq_along(Authors), function(i) {
       list(author=Authors[i], text=Content[i], date=Comment_date[i]) })
la <- la[Authors==author]
la <- la[!sapply(la, is.null)]
li <- append(li, la)
}
print(url)
}
text2word <- function(text) strsplit(text, "\\P{L}+", perl = TRUE) |> unlist()
words <- lapply(li, function(x) text2word(x$text))  |> unlist() 
bag_of_words <- table(words)

library(stopwords)
stopw <- stopwords("ru", source = "stopwords-iso")
bag_of_words <- bag_of_words[!names(bag_of_words) %in% stopw]

library(wordcloud2)
bag_of_words |> as.data.frame() |> wordcloud2()

这就是我在 2016 年说过的内容。

......

是的，你几乎可以在一个屏幕上用 R 语言完成任何事情，这是一门神奇的语言....。

[Renat Fatkhullin]

欲了解新的接种/燃料，请参阅：量化交易

[СанСаныч Фоменко]

mytarmailS #:

删除论坛前 100 页中 Sanych 的所有帖子

将文字精简为 "字袋"

减去 "停顿词

可视化为 "词云"（词越大，出现频率越高）

这很酷）。

这就是我在 2016 年时所说的。

......

是的，你几乎可以在一个屏幕上用 R 语言完成任何事情，这是一门神奇的语言.....。

太棒了，谢谢！

[СанСаныч Фоменко]

Renat Fatkhullin #:
如需接种/补充新疫苗，请参阅：量化交易

真是令人惊叹的选择！

[mytarmailS]

СанСаныч Фоменко #:

真是太好了，谢谢！

最初的目的是数数你说了多少次 GARCH 这个词，因为在我看来是 50 次，而不是更少)))))。

但在学习解析论坛上的帖子时，我已经忘了，也忘了我这样做的目的....

就让它成为一个秘密吧））））

[mytarmailS]

Renat Fatkhullin #:

是否有关于 mt 软件包的任何消息？