Siempre y cuando Akello no vuelva a fallar la semana que viene.
Pensaba que mis estrategias básicas eran una mierda. ¿Puede alguien darme algunas estrategias básicas que debería intentar mejorar con mis agentes?
Toma una contra-tendencia. Te lo digo como cirujano. Es el enfoque más adecuado. No hay mejor momento para el análisis que el comienzo de un pullback....
Toma una contra-tendencia. Te lo digo como cirujano. Es el enfoque más adecuado. No hay mejor momento para el análisis que el inicio de un pullback....
Uses the Zero-lag MACD instead of the standard iMACD (Moving Average Convergence/Divergence, MACD). When the number of positions increases, the following is also increased: step between positions, lot size, take profit (martingale). Position volume management: The initial lot can be specified manually; The initial lot can be calculated as the...
La estrategia básica se necesita SOLO para seleccionar el momento (tiempo) para el análisis. Puede ser estático y no tener parámetros de optimización. Si optimizamos la estrategia básica, obtendremos un montón de modelos. La optimización de la estrategia básica no tiene sentido. La carga es manejada por la NS. Basta con establecer en la estrategia básica un conjunto conveniente de parámetros, en términos de número de operaciones por día, y ya utilizarlo para entrenar a NS....
He dejado de contar los errores de estas tablas como estándar.
Razono así, tomo la clase 1 directamente, es más obvio: La clase inicial "0" dio una predicción de la clase "1" = 86118 y la clase "1" dio una predicción de la clase "1" = 12256. Esto significa que al operar, obtendremos una predicción de clase falsa = 86118, mientras que la predicción correcta = 12256, es decir, error = 86116/(86116+12256) = 87,5%9(!!), si la clase "1" = entrada/posición - esto es un desastre. Pero la posición de la clase "0" es muy decente: sólo habrá un 5,3% de ceros erróneos en la toma de decisiones.
Yo tampoco uso esas tablas cuando comparo modelos. Lo he añadido aquí sólo para que quede claro. Inmediatamente se ve que se proyecta un montón de ceros donde debería haber un "1", y se ve enseguida que con un árbol la proyección es mala.
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Siempre y cuando Akello no vuelva a fallar la semana que viene.
Pensaba que mis estrategias básicas eran una mierda. ¿Puede alguien darme algunas estrategias básicas que debería intentar mejorar con mis agentes?
Toma una contra-tendencia. Te lo digo como cirujano. Es el enfoque más adecuado. No hay mejor momento para el análisis que el comienzo de un pullback....
Toma una contra-tendencia. Te lo digo como cirujano. Es el enfoque más adecuado. No hay mejor momento para el análisis que el inicio de un pullback....
https://www.mql5.com/en/code/19598
Me quedo con esta por ahora, es una estrategia antigua, pero es buena para la óptica
mnogovhodov_02 2016 arr_Buy resultó así:
La chica dice que tienes razón, pero que necesitas más champán.
¡¡¡¡Ella es genial, dile que dije hola !!!!
¡¡¡¡Genial, dale mis saludos!!!!
Alternativa. El resultado a la vez en las clases, sin probabilidades. Eso me parece peor.
ok, tú también de ella :)
Tal vez te enseñe algunos pensamientos sobrios en relación con la CT. Cómo se puede y no se puede hacer.....
Tal vez te enseñe algunos pensamientos sobrios en relación con la CT. Cómo se puede y no se puede hacer.....
Dice que soy inteligente y que sólo tengo que llevarla a Australia, tiene una amiga allí
necesitamos un matrimonio falso para eso
He dejado de contar los errores de estas tablas como estándar.
Razono así, tomo la clase 1 directamente, es más obvio: La clase inicial "0" dio una predicción de la clase "1" = 86118 y la clase "1" dio una predicción de la clase "1" = 12256. Esto significa que al operar, obtendremos una predicción de clase falsa = 86118, mientras que la predicción correcta = 12256, es decir, error = 86116/(86116+12256) = 87,5%9(!!), si la clase "1" = entrada/posición - esto es un desastre. Pero la posición de la clase "0" es muy decente: sólo habrá un 5,3% de ceros erróneos en la toma de decisiones.
Yo tampoco uso esas tablas cuando comparo modelos. Lo he añadido aquí sólo para que quede claro. Inmediatamente se ve que se proyecta un montón de ceros donde debería haber un "1", y se ve enseguida que con un árbol la proyección es mala.