本月阅读最多文章
如何从 MetaTrader 市场购买自动交易以及如何安装?
MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。
无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法
本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外,基本的MQL5知识已经足够了- 这正是我的水平。因此,我希望这篇文章能为广大读者提供一个很好的指导,帮助那些对评估机器学习能力感兴趣的人,并在他们的课程中实现这些能力。
本月下载最多代码
- PivotPoint 本指标绘制轴点, 阻力和支撑。
- 蜡烛结束时间和点差 此指标在同一时间显示当前点差和距收盘的剩余时间 (蜡烛条)。
- 蜡烛图上的简单计时器 该计时器可以友好的显示在当前价格蜡烛旁或者在靠某一个角落显示。
2 新信号 现在可以订阅:
已发布文章 "多层感知机与反向传播算法"。
这两种方法的普及性日益增加,因此在 Matlab、R、Python、C++ 等领域开发了大量的库,它们接收到一个训练集作为输入,并自动为问题创建合适的网络。让我们试着理解基本的神经网络类型是如何工作的(包括单神经元感知机和多层感知机)。我们将探讨一个令人兴奋的算法,它负责网络训练 - 梯度下降和反向传播。现有的复杂模型往往基于这样简单的网络模型。
大多数可免费下载的产品
畅销市场
已发布文章 "DoEasy 函数库中的时间序列(第六十部分):品种即时报价数据的序列列表"。
在本文中,我将创建存储单一品种即时报价数据的列表,并在 EA 中检查其创建状态,以及检索所需数据。 每个所用品种各自的即时报价数据列表将来会构成即时报价数据集合。
大多数可免费下载的产品
畅销市场
本周阅读最多文章
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。
如何从 MetaTrader 市场购买自动交易以及如何安装?
MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。
在接下来的系列文章中,我将演示探讨大多数市场因素的自适应算法的开发,以及如何将这些情况系统化,用逻辑描述它们,并在您的交易活动中应用它们。我将从一个非常简单的算法开始,这个算法将逐渐获得理论,并发展成一个非常复杂的项目。
本周下载最多代码
- 蜡烛结束时间和点差 此指标在同一时间显示当前点差和距收盘的剩余时间 (蜡烛条)。
- b-clock 显示距离新蜡烛线出现的分、秒数。
- PivotPoint 本指标绘制轴点, 阻力和支撑。
畅销市场
大多数可免费下载的产品
畅销市场
已发布文章 "自适应算法(第三部分): 放弃优化"。
如果采用基于历史数据的优化方法来选择参数,就不可能得到真正稳定的算法。一个稳定的算法应该知道在任何时候操作任何交易工具时需要哪些参数。它不应该预测或猜测,它应该确定知道。
大多数可免费下载的产品
畅销市场
畅销市场
大多数可免费下载的产品
2 新信号 现在可以订阅:
大多数可免费下载的产品
畅销市场
本月阅读最多文章
在本文中,我们将分析一个基于Python的深层神经网络编程的交易系统的分步实现。这将使用谷歌开发的 TensorFlow 机器学习库执行。我们还将使用 Keras 库来描述神经网络。
如何从 MetaTrader 市场购买自动交易以及如何安装?
MetaTrader 市场的产品可以从 MQL5.com 网站购买,或者直接从 MetaTrader 4 和 MetaTrader 5 交易平台购买。选择一个想要的适合您交易风格的产品,使用您想要的支付方法付款,然后就能激活产品。
无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法
本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外,基本的MQL5知识已经足够了- 这正是我的水平。因此,我希望这篇文章能为广大读者提供一个很好的指导,帮助那些对评估机器学习能力感兴趣的人,并在他们的课程中实现这些能力。
本月下载最多代码
- 蜡烛结束时间和点差 此指标在同一时间显示当前点差和距收盘的剩余时间 (蜡烛条)。
- PivotPoint 本指标绘制轴点, 阻力和支撑。
- 交易量 档案 + 范围 v6.0 交易量 档案 + 范围 v6.0 (原为 TPO)。在给定时间间隔内按照价位的成交分布。显示为直方条。
已发布文章 "神经网络变得轻松(第十部分):多目击者关注"。
我们以前曾研究过神经网络中的自关注机制。 在实践中,现代神经网络体系结构会采用多个并行的自关注线程来查找序列元素之间的各种依存关系。 我们来研究这种方法的实现,并评估其对整体网络性能的影响。
已发布文章 "神经网络在交易中的实际应用 (第二部分). 计算机视觉"。
利用计算机视觉可以训练神经网络对价格图表和指标的直观表示。这种方法可以对整个复杂的技术指标进行更广泛的操作,因为不需要将它们以数字形式输入神经网络。
已发布文章 "神经网络变得轻松(第九部分):操作归档"。
我们已经经历了很长一段路,并且函数库中的代码越来越庞大。 这令跟踪所有连接和依赖性变得难以维护。 因此,我建议为先前创建的代码创建文档,并保持伴随每个新步骤进行更新。 正确准备的文档将有助我们看到操作的完整性。
大多数可免费下载的产品
畅销市场
大多数可免费下载的产品
畅销市场
本周阅读最多文章
在接下来的系列文章中,我将演示探讨大多数市场因素的自适应算法的开发,以及如何将这些情况系统化,用逻辑描述它们,并在您的交易活动中应用它们。我将从一个非常简单的算法开始,这个算法将逐渐获得理论,并发展成一个非常复杂的项目。
在之前的文章中,我们已经测试了组织规划神经网络的各种选项。 我们还研究了自图像处理算法中借鉴而来的卷积网络。 在本文中,我建议研究关注机制,它的出现为开发语言模型提供了动力。