Entwicklungsgeschichte der MQL5.community

In diesem dritten Teil werden die zuvor entwickelten Simple Hedge und Simple Grid Expert Advisors (EAs) erneut vorgestellt. Wir konzentrieren uns darauf, den Simple Hedge EA durch mathematische Analysen und einen Brute-Force-Ansatz zu verfeinern, mit dem Ziel, eine optimale Strategie zu entwickeln. Dieser Artikel befasst sich eingehend mit der mathematischen Optimierung der Strategie und legt den Grundstein für die künftige Erforschung der kodierungsbasierten Optimierung in späteren Ausgaben.

Wir werden Sie durch den gesamten Prozess der DL mit Python führen, um ein GRU ONNX-Modell zu erstellen, das in der Erstellung eines Expert Advisor (EA) für den Handel gipfelt, und anschließend das GRU-Modell mit dem LSTN-Modell vergleichen.

Variablen und Datentypen sind nicht nur in der MQL5-Programmierung, sondern auch in jeder anderen Programmiersprache ein sehr wichtiges Thema. MQL5-Variablen und -Datentypen können in einfache und erweiterte Typen unterteilt werden. In diesem Artikel werden wir die fortgeschrittenen identifizieren und kennenlernen, denn die einfachen haben wir bereits in einem früheren Artikel erwähnt.

Tauchen Sie ein in das Herz des Rätsels der Künstlichen Intelligenz und navigieren Sie mit uns durch die turbulenten Gewässer der Erklärbarkeit. In einem Bereich, in dem Modelle ihr Innenleben verbergen, enthüllt unsere Untersuchung das „Uneinigkeitsproblem“ (disagreement problem), das in den Korridoren des maschinellen Lernens widerhallt.