Discusión sobre el artículo "Redes neuronales en el trading: Segmentación guiada (Final)"
Hola Dmitry. Tengo este error durante el entrenamiento:
2024.10.08 21:28:01.820 Study (EURUSD,H1) RefMaskAct.nnw 2024.10.08 21:28:01.896 Study (EURUSD,H1) RefMaskCrt.nnw 2024.10.08 22:48:49.440 Study (EURUSD,H1) Train -> 294 -> Actor 0.0803357 2024.10.08 22:48:49.440 Study (EURUSD,H1) Train -> 295 -> Critic 0.0005726 2024.10.08 22:48:49.440 Study (EURUSD,H1) ExpertRemove() function called 2024.10.08 22:48:49.558 Study (EURUSD,H1) 14 undeleted dynamic objects found: 2024.10.08 22:48:49.558 Study (EURUSD,H1) 14 objects of class 'CBufferFloat' 2024.10.08 22:48:49.558 Study (EURUSD,H1) 19968 bytes of leaked memory found
¿Qué significa?
Por cierto, al compilar aparecen estas 2 advertencias:
Series.mqh ArrayDouble.mqh 'NeuroNet.cl' as 'const string cl_program' 1 deprecated behavior, hidden method calling will be disabled in a future MQL compiler version NeuroNet.mqh 30478 22 deprecated behavior, hidden method calling will be disabled in a future MQL compiler version NeuroNet.mqh 30700 22 code generated 1 0 errors, 2 warnings, 6344 msec elapsed, cpu='X64 Regular' 3
Los archivos del artículo no se modifican.
Excelente artículo. Voy a descargarlo y probar a utilizarlo este fin de semana. Hay dos cosas que el informe de backtest no muestra. El par de divisas utilizado y el marco temporal. ¿Puedes proporcionar esta información o hacer referencia a un artículo anterior que lo identifique? Acabo de encontrar las respuestas. Es EURUSD y H1
Viktor, he tenido el mismo memo error en Deprecated behavior. En mi caso, estaba desarrollando una clase y sin querer llamé a una función visible a la que le faltaba un parámetro pero la clase contenía los parámetros correctos. Añadiendo el parámetro se solucionó mi problema. el probram se ejecutó correctamente usando el deprecated behavior que es por lo que es un memo error.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Redes neuronales en el trading: Segmentación guiada (Final):
El entrenamiento de los modelos se ha realizado offline. Sin embargo, para mantener la muestra de entrenamiento al día, realizaremos actualizaciones periódicas de la muestra de entrenamiento con la adición de pasadas dentro de la política actual del Actor. Las iteraciones de entrenamiento de los modelos y la actualización de la muestra de entrenamiento se repetirán hasta alcanzar el resultado deseado.
Como parte de la preparación de este artículo, hemos obtenido una política del Actor bastante interesante. A continuación le presentamos los resultados de nuestras pruebas con los datos históricos de enero de 2024.
Resulta sencillo ver que el periodo de prueba no está incluido en la muestra de entrenamiento. Este método de prueba crea un entorno de condiciones lo más semejante posible al uso real del modelo.
Durante el periodo de prueba, el modelo ha realizado 21 transacciones comerciales y 14 de ellas se han cerrado con beneficio, lo que supone más del 66%. Cabe señalar que la proporción de transacciones rentables supera la proporción de transacciones perdedoras tanto para las posiciones cortas como para las largas. Además, la media de transacciones rentables es 2 veces superior a la media de transacciones perdedoras. Y el indicador similar sobre la transacción máxima rentable se acerca a la marca del triple. Al mismo tiempo, el gráfico de balance tiene una tendencia claramente definida.
Autor: Dmitriy Gizlyk