Discusión sobre el artículo "Construya Asesores Expertos Auto-Optimizables con MQL5 y Python"
En el artículo anterior se han utilizado matrices y vectores para optimizar una estrategia de negociación sin utilizar necesariamente el enfoque convencional de las redes neuronales. Parece que (al menos para mí), uno puede realmente construir un EA auto-optimización, sin necesidad de utilizar NN que implican funciones de activación, lo que significa que realmente no necesita funciones de activación o neuronas para auto-optimizar su EA. Lo más probable es que pueda ser corregido, hey. Yo definitivamente podría estar equivocado, yo podría ser realmente realmente estar terriblemente equivocado, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, ........... estar malinterpretando todo acerca de la optimización y NN mate......Yo soy tu vecino, aquí en RSA.
Sibusiso Steven Mathebula estrategia de negociación sin utilizar necesariamente el enfoque convencional de las redes neuronales. Parece que (al menos para mí), uno puede realmente construir un EA auto-optimización, sin necesidad de utilizar NN que implican funciones de activación, lo que significa que realmente no necesita funciones de activación o neuronas para auto-optimizar su EA. Lo más probable es que pueda ser corregido, hey. Definitivamente podría estar equivocado, podría estar realmente muy equivocado, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, yo podría, ........... estar malinterpretando todo acerca de la optimización y NN mate......Soy tu vecino, aquí en RSA.
Hey SIbusiso, ¿Ujani Budi?Bueno como sabes hay muchas maneras de hacer cualquier cosa. El enfoque que he esbozado aquí está destinado a ayudarle a obtener resultados fiables, rápido. Sin embargo, todo tiene un precio, la matriz de transición que observarás está muy influenciada por la cantidad de datos que has obtenido, pero a medida que obtienes más y más datos la matriz de transición se vuelve estable y deja de cambiar (converge).
Permíteme ponértelo de esta manera, la matriz de transición y el enfoque NN están resolviendo problemas completamente diferentes, están respondiendo a preguntas diferentes. La matriz de transición no predice nada, simplemente resume/nos dice lo que ha ocurrido en el pasado y no nos dice lo que es probable que ocurra en el futuro.
En cambio, la NN nos dice lo que es probable que ocurra en el futuro. Es posible utilizar ambos en un EA.
Hola Gamuchirai. Este artículo me habla directamente a mí y te doy las gracias por abrir nuestras mentes. Soy muy nuevo en la codificación y aprendo leyendo y codificando de artículos como el tuyo. Mi mayor reto es Python. Ni siquiera sé por dónde empezar sobre todo porque aprendo más rápido si el tema es el comercio porque entonces puedo backtest e incorporar ideas en mi EA. Por favor, indíqueme dónde puedo aprender el lenguaje. Sólo he codificado la versión MQL5 y el problema al que me enfrento es que 'max_arg' sigue siendo 0, por lo que el EA se mantiene alcista. Con mi limitada comprensión, traté de manipular algunos parámetros y me detuve en un punto donde el código colocaría una compra y una venta al mismo tiempo. Puede que me esté perdiendo un detalle crucial. Puedo enviarle mi código copiado y/o modificado si su código funciona correctamente en su lado. Tal vez usted puede detectar el problema. Utilizo datos descargados ya que estoy de vacaciones y por lo tanto trabajo sin conexión. ¿Podría eso causar problemas? Aprecio el trabajo que está haciendo y sus artículos son brillantes. Soy de SA y todo lo que puedo decir es gracias tsano.
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Construya Asesores Expertos Auto-Optimizables con MQL5 y Python:
En este artículo, vamos a discutir cómo podemos construir Asesores Expertos capaces de seleccionar de forma autónoma y cambiar las estrategias de negociación en función de las condiciones imperantes en el mercado. Aprenderemos sobre las cadenas de Markov y cómo pueden sernos útiles como operadores algorítmicos.
Imagine que dirige una empresa de transporte público que lleva más de 70 años prestando servicios de autobús en Alemania. La empresa está considerando añadir más autobuses a la flota y usted, como gerente, debe decidir qué destinos deben recibir los autobuses adicionales y cuáles no merecen una mayor inversión.
Plantear el problema como una cadena de Markov podría simplificarle el proceso de toma de decisiones como gestor. Imaginemos que el siguiente diagrama representa la cadena de Markov de todos los viajes realizados por la empresa a lo largo de sus 70 años de historia.
Interpretemos la cadena de Markov anterior. Podemos observar que el 40% de los pasajeros que embarcan en Fráncfort suelen desembarcar en Múnich, mientras que el 60% restante tiende a dirigirse a Colonia. Entre los pasajeros de Colonia, el 30% suele regresar a Fráncfort, y el 70% suele dirigirse a Berlín. Este modelo destaca claramente las rutas más utilizadas por sus clientes.
Autor: Gamuchirai Zororo Ndawana