Diskussion zum Artikel "Deep Learning, Vorhersage und Aufträge mit Python, dem MetaTrader5 Python-Paket und ONNX-Modelldatei"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Deep Learning, Vorhersage und Aufträge mit Python, dem MetaTrader5 Python-Paket und ONNX-Modelldatei :
Im Rahmen des Projekts wird Python für Deep Learning-basierte Prognosen auf den Finanzmärkten eingesetzt. Wir werden die Feinheiten des Testens der Leistung des Modells anhand von Schlüsselkennzahlen wie dem mittleren absoluten Fehler (MAE), dem mittleren quadratischen Fehler (MSE) und dem R-Quadrat (R2) erkunden und lernen, wie man alles in eine ausführbare Datei verpackt. Wir werden auch eine ONNX-Modelldatei mit seinem EA erstellen.
Mit Hilfe der Erkenntnisse aus dem Artikel „Wie man ONNX-Modelle in MQL5 verwendet“ von MetaQuotes bin ich nun dabei, das Modell in das ONNX-Format zu konvertieren. Gemäß den im selben Artikel enthaltenen Richtlinien werde ich das resultierende ONNX-Modell in den Basis-Expert Advisor (EA) integrieren, um den Handel zu starten. Dieser Ansatz ermöglicht die nahtlose Integration von Modellen des maschinellen Lernens in die MQL5-Umgebung, wodurch die Fähigkeiten des Handelsalgorithmus verbessert werden.
Vor der Formatierung in ONNX ist es notwendig, die Daten herunterzuladen. Zu diesem Zweck verwenden wir das von mir hochgeladene Skript (ticks_to_csv). Speichern Sie es einfach im MQL5 EA-Ordner, öffnen Sie es in der IDE und kompilieren Sie es. Ziehen Sie das Skript anschließend auf einen Chart und lassen Sie es einige Zeit laufen (da es alle Ticks für ein Symbol herunterlädt, kann es eine Weile dauern). Im Journal wird eine Meldung angezeigt, wenn der Vorgang abgeschlossen ist. Als Referenz habe ich es für EUR/USD verwendet, und es hat mehrere Gigabyte belegt.
Autor: Javier Santiago Gaston De Iriarte Cabrera