Diskussion zum Artikel "MQL5-Assistenz-Techniken, die Sie kennen sollten (Teil 74): Verwendung von Ichimoku-Mustern und ADX-Wilder mit überwachtem Lernen"

[MetaQuotes]

Neuer Artikel MQL5-Assistenz-Techniken, die Sie kennen sollten (Teil 74): Verwendung von Ichimoku-Mustern und ADX-Wilder mit überwachtem Lernen :

Wir knüpfen an unseren letzten Artikel an, in dem wir das Indikatorenpaar Ichimoku und ADX vorstellten, und untersuchen, wie dieses Duo durch überwachtes Lernen verbessert werden kann. Ichimoku und ADX sind ein Unterstützungs-/Widerstands- und komplementäres Paar bezüglich eines Trends. Unser überwachter Lernansatz verwendet ein neuronales Netzwerk, das den Deep Spectral Mixture Kernel einsetzt, um die Prognosen dieses Indikatorpaares zu verfeinern. Wie üblich erfolgt dies in einer nutzerdefinierten Signalklassendatei, die mit dem MQL5-Assistenten zur Zusammenstellung eines Expert Advisors arbeitet.

Im letzten Artikel haben wir uns die Indikatorenkombination Ichimoku und ADX-Wilder als komplementäres S/R- und Trendinstrumentenpaar angesehen. Wie üblich haben wir diese in einem von einem Assistenten zusammengestellten Expert Advisor getestet und uns 10 verschiedene Signalmuster angesehen. Bei dieser Indikatorenkombination waren die meisten von ihnen in der Lage, ein Jahr lang gewinnbringend weiterzugehen, nachdem sie im Vorjahr Tests und Optimierungen durchgeführt hatten. Allerdings gab es 3, die dies nicht zufriedenstellend taten, und zwar Pattern-0, Pattern-1 und Pattern-5. Im Anschluss an diesen Artikel untersuchen wir daher, ob überwachtes Lernen einen Unterschied in ihrer Leistung bewirken kann. Unser Ansatz besteht darin, die Signale jedes dieser Muster als einfachen Eingangsvektor in ein neuronales Netz zu rekonstruieren, wodurch das neuronale Netz im Wesentlichen zu einem zusätzlichen Filter für das Signal wird.

Autor: Stephen Njuki