Matplotlib is a Python 2D plotting library which produces publication quality figures in a variety of hardcopy formats and interactive environments across platforms. Matplotlib can be used in Python scripts, the Python and IPython shells, the Jupyter notebook, web application servers, and four graphical user interface toolkits. Matplotlib tries...
我认为，这是一种变态的做法--从Python或Java到R，再从R到MT。
那是因为你没有提出正确的建议。实际上，我们在R中执行Python、Java和其他，而R和MT已经是很长时间的好朋友了（没有变态的意思！）。
祝好运
我很早就离开了外汇市场，我建议你也这样做。
我目前正在测试一个在比特币期货上成交量最小的策略。
我回到了numerai -https://numer.ai/dr_tr
你能用python做0.691616和83.33%吗？
这都是在纯粹的标准R上，甚至是在加密货币交易所的交易。
我只看到了你的演示信号，你把它删除了，但至少你还有一个截图 -https://www.mql5.com/ru/forum/86386/page924#comment_7487707
请再次公开424027号信号，我真的想看看你的 "有更好的更新，比如上面的截图。下周我将上传一个新的已经"。
我不知道你是否在考虑这个问题，你也不知道你是否准备好与他们交易。我在一天之内赚得更多。
我需要一支稳定的好雪茄
我会做的，这还没有结束。
你是不是把股票图和4个交易的表格混淆了？
没有交易，股权也不存在，金额是当天的利润额。
0.0001比特币。
按照目前的汇率，它是以美元计算的。我是按当前汇率的三倍换的nmr，所以要乘以三。并问自己，为什么你还没有参加比赛？这些钱简直是一摞一摞地递出来的，能拿多少就拿多少。
我会做的，这还没有结束。
将其公开。否则我知道这样的做派--你用简单的擦边球交易几十个隐藏信号，其中一个会免费获利，把它公开并开始为Python广播。
我们已经看到了，现在让我们严肃起来。
那是因为你没有做出正确的判决。现实上，我们在R中运行Python、Java和其他，而R与MT有着长期而深厚的友谊（没有变态！）。
祝好运
我不知道从java，但直接从Python到MT一个适配器似乎并不困难。然而，这种Python-R-MT的混乱似乎并不是一个好的甚至是合理的解决方案。
没有交易和股权，金额是当天的利润额。
按照目前的汇率，它是以美元计算的。我是以目前三倍的速度改变nmr的，所以要乘以三。并问自己为什么你还没有参加比赛。这些钱简直是一叠叠地发下来，能拿多少就拿多少。
来吧，公开地做吧。我知道这样的经销商--你用简单的马什卡交易几十个隐藏信号，其中一个会免费变成利润，你把它公开，开始为Python广播。
我们已经看到了，现在让我们严肃起来。
哦，那就好，但我要求的是公平（来自每个人）和更多正常的策略，而不是二元论R .1500个比特币，你真有钱。
是的，我现在特意交易mashups，以便我以后可以开始使用python。
Python和Java是美国学校编程教学的标准。
R的语法很糟糕。许多东西都被作为拐杖塞进它。例如，使用data.fram的工作在语法上与标准类型不同。
https://matplotlib.org/ 创建图形要容易得多，而且比它在R中令人困惑的对应功能多得多。
Python和Java是美国学校编程教学的标准。
我的问题是：那些还在接受便盆训练的公民是什么编程语言？
R是统计学的语言。不熟悉统计的人不需要这种语言，因此R是统计专业人员的语言。如果我们考虑到统计学在交易中的地位，在真正的、专业的交易中，今天不知道R就会对交易员的专业性产生怀疑。
在我看来，正是这种情况，忽视统计的情况，不愿意/不熟练地在交易中使用统计，一开始让我感到惊讶，并解释了我对R的厌恶。
我决定张贴一些中间材料。
一个基于分级的交易系统。
Guru = 关闭增量。
该系统是一个测试系统：我计算历史上收盘价的增量。 我开始将历史上获得的增量作为信号发送给一个简单的专家顾问，在该顾问中只设置订单，我形成根据增量获得的订单：买入-卖出，即系统是可逆转的。
也就是说，交易系统总是向前看，看向未来。在分类方面，这种方法给出了100%的预测，我检查了它，因为在测试器中的结果完全不同。
以下是测试者的结果
引人注目的是平衡线--不是很光滑。
但绝对惊人的盈利和亏损交易的数值=64.51%乘以35.49%。
而这里是一张亏损的多头头寸和下面的空头头寸的图片。
在这里如此广泛宣传的明显的老师就这么多了!
PS。我应该注意到，所显示的多头的损失不能仅仅用价差来解释。
我决定张贴一些中间材料。
一个基于分级的交易系统。
Guru = 关闭增量。
该系统是一个测试系统：我计算历史上的收盘价增量。 我开始将历史上获得的增量作为信号发送给一个简单的专家顾问，该顾问只下订单；我根据增量形成订单：买入-卖出，即系统是可逆转的。
也就是说，交易系统总是向前看，看向未来。在分类方面，这种方法给出了100%的预测，我检查了它，因为在测试器中的结果完全不同。
以下是测试者的结果
引人注目的是平衡线--不是很光滑。
但绝对惊人的盈利和亏损交易的数值=64.51%乘以35.49%。
而这里是一张亏损的多头头寸后的空头头寸的图片。
在这里如此广泛宣传的明显的老师就这么多了!
PS。我想指出的是，只有价差不能解释所显示的多头的损失。
但绝对惊人的盈利和亏损交易的数值=64.51%乘以35.49%。
在我看来，如果NS可能只在条形上进行训练，那么使用所有的ticks是没有意义的。公开价格测试将更快。