Gang Wu / Profil

Der Artikel stellt eine erweiterte Studie über jahreszeitliche Merkmale vor: Autokorrelations-Heatmaps und Streudiagramme. Der Zweck des Artikels ist es zu zeigen, dass das "Marktgedächtnis" saisonaler Natur ist, was durch eine maximale Korrelation von Zuwächsen beliebiger Ordnung ausgedrückt wird.

Schritt-für-Schritt Anleitung wie man den Datentransfer von Matlab zu MetaTrader 4 mit DDE organisiert.

Der Artikel enthält Überlegungen hinsichtlich der Errichtung einer DLL-Bibliothek - eines "Wrapper", der die Wechselwirkung zwischen MetaTrader 4 und dem mathematischen Desktop-Paket MATLAB ermöglicht. Er beschreibt "Fallen" und die Wege, um sie zu überwinden. Der Artikel ist für erfahrene C/C++ Programmierer vorgesehen, die den Borland C++ Builder 6 Compiler verwenden.

Im Artikel wurden die Methoden beschrieben, mit den man besser die Optimierungsergebnisse des Testers verstehen kann. Auch sind einige Tipps, die Ihnen helfen, eine "schädliche Optimierung" zu vermeiden.

Dieser Artikel befasst sich mit der Theorie der „Marktintuition“ und möglichen Wegen, diese weiterzuentwickeln. Die Methode, welche in diesem Artikel beschrieben wird, basiert auf Modellen von Finanzwetten, und zwar in der Form eines simplen Spiels.

Der Artikel widmet sich der Analyse des Traidings mit Hilfe der Winkelmessung im Terminal MetaTrader 4. Es geht da sowie um den allgemeinen Plan der Winkelanwendung für die Analyse der Trendsbewegung, als auch um das nicht standardmäßige Herangehen an die praktische Anwendung der Analyse der Winkel im Traiding. Es wurden die gezogenen Schlussfolgerungen beschrieben, die für den Handel nützlich sind.

Dieser Artikel konzentriert sich auf die Besonderheiten der Auswahl, Vorkonditionierung und Bewertung der Eingabevariablen (Prädiktoren) für den Einsatz in Modellen für maschinelles Lernen. Neue Ansätze und Möglichkeiten der tiefen Prädiktor Analyse und deren Einfluss auf mögliche Überanpassung von Modellen werden berücksichtigt. Das Gesamtergebnis der Verwendung von Modellen hängt weitgehend vom Ergebnis dieser Phase ab. Wir werden zwei Pakete analysieren, die neue und ursprüngliche Konzepte für die Auswahl der Prädiktoren bieten.

Bei der Automatisierung von Handelsstrategien, die grafische Muster verwenden, ist es notwendig, Extremwerte auf den Charts für eine weitere Verarbeitung und Interpretation zu ermitteln. Bestehende Tools bieten nicht immer diese Möglichkeit. Die im Artikel beschriebenen Algorithmen erlauben es, alle Extremwerte auf den Charts zu ermitteln. Die entwickelten Tools sind effektiv sowohl in einem Trend, als auch in einem Seitwärtsmarkt. Die erhaltenen Ergebnisse hängen von der gewählten Timeframe ab und werden nur durch den angegebenen Rückgang definiert.

In diesem Artikel führen wir die Umkehrtechnik weiter. Wir werden versuchen, den maximalen Saldorückgang auf ein akzeptables Niveau für die zuvor betrachteten Instrumente zu reduzieren. Wir werden sehen, ob die Maßnahmen den Gewinn verringern. Wir werden auch prüfen, wie sich die Umkehrmethode auf anderen Märkten, einschließlich Aktien-, Rohstoff-, Index-, ETF- und Agrarmärkten, bewährt. Achtung, der Artikel enthält viele Bilder!

Der Artikel betrachtet drei Methoden, die zur Erhöhung der Klassifizierungsqualität von Ensembles mit Bagging eingesetzt werden können, und schätzt deren Effizienz. Die Auswirkungen der Optimierung der Hyperparameter des neuronalen ELM-Netzwerkes und der Nachbearbeitungsparameter werden bewertet.

Es gibt mehrere, unterschiedliche Ansätze zur Marktanalyse und -forschung. Die wichtigsten sind technische und fundamentale Analysen. In der technischen Analyse sammeln, verarbeiten und analysieren Händler numerische Daten und marktrelevante Parameter, einschließlich Preise, Volumina usw. In der Fundamentalanalyse analysieren Händler Ereignisse und Nachrichten, die die Märkte direkt oder indirekt betreffen. Der Artikel beschäftigt sich mit Messmethoden zur Preisgeschwindigkeit und untersucht darauf aufbauend Handelsstrategien.

Basierend auf universellen Tools, die für die Arbeit mit Kohonen-Netzwerken entwickelt wurden, konstruieren wir das System zur Analyse und Auswahl der optimalen EA-Parameter und besprechen die Vorhersage von Zeitreihen. In Teil I haben wir die öffentlich zugänglichen neuronalen Netzwerkklassen korrigiert und verbessert, indem wir notwendige Algorithmen hinzugefügt haben. Jetzt ist es an der Zeit, sie praktisch anzuwenden.

Viele Trader sprechen über Neurale Netze, aber was diese sind und was sie wirklich können, wissen nur wenige Menschen. Dieser Artikel wirft etwas Licht auf die Welt der künstlichen Intelligenz. Er beschreibt, wie die Daten für das Netzwerk richtig vorbereitet werden. Außerdem finden Sie hier ein Beispiel der Prognose mit Hilfe des Programms Matlab.

Schritt-für-Schritt Anleitungen wie man einen Daten-Arrays Austausch zwischen MetaTrader 4 und Matlab über CSV Dateien organisiert.