Diskussion zum Artikel "Die Anwendung der Monte Carlo Methode beim Reinforcement-Learning"

Einloggen oder registrieren, um einen Kommentar zu schreiben
MetaQuotes Software Corp.
Moderator
205609
MetaQuotes Software Corp.  

Neuer Artikel Die Anwendung der Monte Carlo Methode beim Reinforcement-Learning :

Im Artikel werden wir das Reinforcement-Learning (Verstärkungslernen) anwenden, um selbstlernende Expert Advisors zu entwickeln. Im vorherigen Artikel haben wir den Algorithmus Random Decision Forest betrachtet und einen einfachen, selbstlernenden EA geschrieben, der auf dem Reinforcement-Learning basiert. Die Hauptvorteile eines solchen Ansatzes (Einfachheit der Entwicklung von Handelsalgorithmen und hohe "Trainings"-Geschwindigkeit) wurden erläutert. Reinforcement-Learning (RL) lässt sich leicht in jedes Trading EA integrieren und beschleunigt dessen Optimierung.

Nach Beendigung der Optimierung aktivieren Sie einfach den Einzeltestmodus (da das beste Modell in die Datei geschrieben wird und nur dieses Modell hochgeladen werden soll):


Lassen Sie uns die Historie für zwei Monate zurückblättern und sehen, wie das Modell für die vollen vier Monate funktioniert:


Wir sehen, dass das resultierende Modell einen weiteren Monat (fast den gesamten September) dauerte, während es im August zusammenbrach.

Autor: Maxim Dmitrievsky

Einloggen oder registrieren, um einen Kommentar zu schreiben