Diskussion zum Artikel "Neuronale Netze im Handel: Kontrollierte Segmentierung (letzter Teil)"
Hallo Dmitry. Ich habe diesen Fehler während des Trainings erhalten:
2024.10.08 21:28:01.820 Study (EURUSD,H1) RefMaskAct.nnw 2024.10.08 21:28:01.896 Study (EURUSD,H1) RefMaskCrt.nnw 2024.10.08 22:48:49.440 Study (EURUSD,H1) Train -> 294 -> Actor 0.0803357 2024.10.08 22:48:49.440 Study (EURUSD,H1) Train -> 295 -> Critic 0.0005726 2024.10.08 22:48:49.440 Study (EURUSD,H1) ExpertRemove() function called 2024.10.08 22:48:49.558 Study (EURUSD,H1) 14 undeleted dynamic objects found: 2024.10.08 22:48:49.558 Study (EURUSD,H1) 14 objects of class 'CBufferFloat' 2024.10.08 22:48:49.558 Study (EURUSD,H1) 19968 bytes of leaked memory found
Was bedeutet das?
Übrigens, beim Kompilieren erscheinen diese 2 Warnungen:
Series.mqh ArrayDouble.mqh 'NeuroNet.cl' as 'const string cl_program' 1 deprecated behavior, hidden method calling will be disabled in a future MQL compiler version NeuroNet.mqh 30478 22 deprecated behavior, hidden method calling will be disabled in a future MQL compiler version NeuroNet.mqh 30700 22 code generated 1 0 errors, 2 warnings, 6344 msec elapsed, cpu='X64 Regular' 3
Die Dateien aus dem Artikel sind unverändert.
Ausgezeichneter Artikel. Ich werde ihn herunterladen und am Wochenende ausprobieren. Es gibt zwei Dinge, die der Backtest-Bericht nicht anzeigt: das verwendete Währungspaar und den Zeitrahmen. Können Sie diese Informationen bitte zur Verfügung stellen oder auf einen früheren Artikel verweisen, in dem dies beschrieben wurde? Ich habe gerade die Antworten gefunden. Es ist EURUSD und H1
Viktor, ich hatte denselben Memo-Fehler bei veraltetem Verhalten. In meinem Fall entwickelte ich eine Klasse und rief versehentlich eine sichtbare Funktion auf, der ein Parameter fehlte, aber die Klasse enthielt die richtigen Parameter. Das Hinzufügen des Parameters löste mein Problem. Das Programm lief korrekt unter Verwendung des veralteten Verhaltens, weshalb es ein Memo-Fehler ist.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Neuronale Netze im Handel: Kontrollierte Segmentierung (letzter Teil) :
Das Modelltraining wird offline durchgeführt. Um jedoch die Relevanz des Trainingsdatensatzes aufrechtzuerhalten, aktualisieren wir ihn regelmäßig, indem wir neue Episoden auf der Grundlage der aktuellen Politik des Akteurs hinzufügen. Das Modelltraining und die Aktualisierung der Datensätze werden wiederholt, bis die gewünschte Leistung erreicht ist.
Während der Vorbereitung dieses Artikels haben wir eine recht interessante Akteurspolitik entwickelt. Die Ergebnisse der Tests mit historischen Daten vom Januar 2024 werden im Folgenden dargestellt.
Der Testzeitraum wurde nicht in den Trainingsdatensatz aufgenommen. Dieser Testansatz simuliert die Verwendung des Modells in der Praxis so genau wie möglich.
Während des Testzeitraums führte das Modell 21 Handelsgeschäfte aus, von denen 14 gewinnbringend waren, was einem Anteil von über 66 % entspricht. Sowohl bei den Kauf- als auch bei den Verkaufs-Positionen war der Anteil der gewinnbringenden Geschäfte höher als der Anteil der mit einem Verlust. Außerdem war der durchschnittliche Gewinn pro Gewinngeschäft doppelt so hoch wie der durchschnittliche Verlust pro Verlustgeschäft. Der maximale Gewinn war fast dreimal so hoch wie der größte Verlust. Das Gleichgewichtsdiagramm zeigt einen klar definierten Aufwärtstrend.
Autor: Dmitriy Gizlyk