|
10+ Jahre
Erfahrung
|
4
Produkte
|
290
Demoversionen
|
|
0
Jobs
|
0
Signale
|
0
Abonnenten
|
Intraday-Volumenprofile analysieren kurzfristige Informationen über Preis und Volumen und helfen Ihnen, die Bewegung von Preis und Volumen zu visualisieren. Beim kurzfristigen Forex-Handel werden in der Regel 5-, 15-, 30-, 60-Minuten- usw. Intraday-Charts verwendet, wenn an einem Markttag gehandelt wird. Sie können auch als zusätzliches Instrument für das Intraday-Scalping verwendet werden. Das Volumenprofil bietet ein hervorragendes visuelles Bild von Angebot und Nachfrage für jeden Preis für
Das Session Volume Profile ist eine fortschrittliche grafische Darstellung, die die Handelsaktivität während der Forex-Handelssitzungen zu bestimmten Kursniveaus anzeigt. Der Devisenmarkt kann in vier Haupthandelssitzungen unterteilt werden: die australische Sitzung, die asiatische Sitzung, die europäische Sitzung und die beliebteste Handelszeit - die amerikanische (US) Sitzung. POC - Profil kann als Unterstützungs- und Widerstandsniveau für den Intraday-Handel verwendet werden. VWAP -
Конечно же я рад такому раскладу, но неужели в Маркете не появилось ничего нового?
В общем я рад и в тоже время недоумеваю.
https://fx-on.com/
Der Artikel beschreibt die Bibliothek, mit der Sie die Effizienz von HTTP-Anfragen mit WebRequest in MQL5 erhöhen können. Die Ausführung von WebRequest im nicht-blockierenden Modus verwendet in zusätzliche Threads, die Hilfscharts und Expert Advisors verwendet, um nutzerdefinierte Ereignisse austauschen und gemeinsame Ressourcen lesen. Die Quellcodes sind ebenfalls besprochen und beigefügt.
Der Artikel beschreibt die Methoden des Aufbaus und Trainings von Gruppen von Neuronalen Netzen mit einer Struktur für das Bagging, einer Methode, um Vorhersagen aus verschiedenen Regressions- oder Klassifikationsmodellen zu kombinieren. Es bestimmt auch die Besonderheiten der Hyperparameter-Optimierung für einzelne Neuronale Netzwerk-Klassifikatoren, aus denen sich das Ensemble zusammensetzt. Die Qualität des optimierten Neuronalen Netzes, das im vorherigen Artikel der Serie erhalten wurde, wird mit der Qualität des erzeugten Ensembles Neuronaler Netze verglichen. Möglichkeiten, die Qualität der Klassifizierung des Ensembles weiter zu verbessern, werden geprüft.
Wir erstellen weitere Ensembles. Diesmal wird das zuvor mittels Bagging geschaffene Ensemble durch einen trainierbaren Kombinator (Combiner) - ein tiefes neuronales Netzwerk - ergänzt. Ein neuronales Netz kombiniert die 7 besten Ensemble-Ergebnisse nach der Bereinigung (pruning). Der zweite nimmt alle 500 Ausgänge des Ensembles als Input, bereinigt sie und kombiniert sie neu. Die neuronalen Netze werden mit dem keras/TensorFlow-Paket für Python aufgebaut. Die Eigenschaften des Pakets werden kurz erläutert. Es werden Tests durchgeführt und die Klassifizierungsqualität der Ensembles mit Bagging und Stacking verglichen.