Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2953
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
Die Ausgabe des in LightGBM trainierten ONNX-Modells an MT5 funktioniert nicht. Fehler 5808 und 5805 bei der Einstellung der Form der Parameter. Aber das Problem scheint bei der Definition der Parameterdimensionen zu liegen - es werden negative Werte erhalten (im Code hervorgehoben). Vielleicht habe ich nur etwas durcheinander gebracht. In Python 3.10 scheint alles normal zu sein.
MQL5-Ausgabe:
Lernen in Python:
Ausgabe in Python:
Ich erinnerte mich an die Diskussion über zyklische Zeichen wie die Tageszeit. IMHO sollten wir sie in regelmäßige übersetzen, indem wir einfach den Punkt für den Startpunkt auswählen, an dem die stärkste Veränderung im möglichen Muster auftritt. Man kann entweder Marktüberlegungen (in diesem Fall den Sitzungsplan) oder etwas Ähnliches heranziehen, oder ein Baummodell trainieren und den Punkt des ersten Splits auf der Grundlage dieses Merkmals nehmen.
.
Nun, beim Training in Python habe ich das Modell mit den ersten fünf Zeilen des Datensatzes getestet. Als ich dann ONNX in Python ausführte, testete ich auch die Ausgabe mit denselben ersten fünf Zeilen. Egal wie man es betrachtet, es ist immer noch eine Matrix. In der MT5-Variante habe ich einfach dieselben fünf Zeilen als Matrix kopiert. Und im Beispiel von Renat ist die Eingabe ebenfalls eine Matrix mit zehn Zeilen und vier Spalten.
Das Problem liegt da IMHO schon beim Laden des Modells, denn es werden negative Zahlen in den Dimensionen ausgegeben. Übrigens sollten wir uns ansehen, was in Renates Beispiel ausgegeben wird.
Sie können die Volatilität anstelle von Inkrementen verwenden, sie spiegelt die Marktzyklen genau wider. Und lassen Sie es durch 2 Modelle laufen, von denen eines schlechte Fälle herausfiltert (wie ich es im letzten Artikel getan habe). Die Ergebnisse sind manchmal anständig, man muss nur ein paar Mal neu trainieren. Möglicherweise bringt dieser Ansatz mehr als bestinterval.
Nein, ich spreche nur über den allgemeinen Ansatz für zyklische Variablen. Sie müssen "aufgeschnitten" werden, um sie in normale Variablen zu verwandeln. Aber das kann man auf verschiedene Weise tun, nicht unbedingt in formaler Null.
Neben der täglichen Zeit treten zyklische Variablen zum Beispiel auf, wenn man nach Gewichten für ein Portfolio aus zwei Symbolen sucht.
Es gibt leichte Zweifel an der Zukunft von Yandex)
Außerdem soll sich lgbm besser in sysharp und andere Microsoft-Entwicklungen integrieren lassen, falls das plötzlich relevant wird)
Es gibt auch ein intrees-Paket, in dem Sie Regeln aus vielen Dorfmodellen ziehen können.
Können Sie ein Skript mit dieser Funktionalität demonstrieren?
Es gibt leichte Zweifel an der Zukunft von Yandex)
Worauf stützen sie sich?