Discusión sobre el artículo "Ejemplo de nuevo Indicador y LSTM condicional"
Puede usted por favor guía donde colocar los archivos.
He colocado C:\Users\anilh\AppData\Roaming\MetaQuotes\Terminal\73B7A2420D6397DFF9014A20F1201F97\MQL5\Files carpeta
así como en C:\Users\anilh\AppData\Roaming\MetaQuotes\Terminal\Common\Files
el archivo .onnx y obtengo los siguientes errores
archivo de recursos '/Files/stock_prediction_model_MACD.onnx' no encontrado IC_009_EA_ONNX_045_Final.mq5
archivo de recursos 'C:\sers\anilh\AppData\Roaming\MetaQuotes\Terminal\73B7A2420D6397DFF9014A20F1201F97\MQL5\Filesstock_prediction_model_MACD.onnx' no encontrado (2) IC_009_EA_ONNX_045_Final.mq5
Esto está funcionando perfectamente y hasta ahora se abren más de 10 beneficios y todos tp golpeado pero me pregunto si usted tiene un conjunto que funciona en tf inferior
Tengo un problema con esto ... para hacer los modelos, he utilizado python colab con datos de un websearcher no puedo nombre ... en lugar de utilizar colab con python, se podría utilizar python y bild el modelo en su computadora portátil (usted debe hacer un nuevo script py) .... Digo esto porque, el .com de donde obtengo los datos, puede tener datos similares para 1day (en comparación con nuestros corredores) ... pero si vas a períodos de tiempo más pequeños, es posible que desee utilizar los datos mt5 (los datos de sus corredores con mt5) ... (algunos corredores tienen datos diferentes).
¿Soy comprensible?
¡Sí, por favor, llene libre de probarlo en períodos más bajos, y compartir los resultados!
¿Puede usted por favor guiar dónde colocar los archivos.
He colocado la carpeta C:\Users\anilh\AppData\Roaming\MetaQuotes\Terminal\73B7A2420D6397DFF9014A20F1201F97\MQL5\Files
así como en la carpeta C:\Users\anilh\AppData\Roaming\MetaQuotes\Terminal\Common\Files
el archivo .onnx y obtener los siguientes errores
archivo de recursos '/Files/stock_prediction_model_MACD.onnx' no se encuentra IC_009_EA_ONNX_045_Final.mq5
archivo de recursos 'C:\sers\anilh\AppData\Roaming\MetaQuotes\Terminal\73B7A2420D6397DFF9014A20F1201F97\MQL5\Filesstock_prediction_model_MACD.onnx' no encontrado (2) IC_009_EA_ONNX_045_Final.mq5
Hola Anil
el modelo onnx tiene que ir en tu carpeta Files (MQL5 -> Files) ... o donde tu quieras (dentro de mql5\files\), solo cambia la ruta (no tienes que especificar toda la ruta, solo desde \\Files\...)
Tengo un problema con esto ... para hacer los modelos, he utilizado python colab con datos de un websearcher no puedo nombre ... en lugar de utilizar colab con python, se podría utilizar python y bild el modelo en su computadora portátil (usted debe hacer un nuevo script py) .... Digo esto porque, el .com de donde obtengo los datos, puede tener datos similares para 1day (en comparación con nuestros corredores) ... pero si vas a períodos de tiempo más pequeños, es posible que desee utilizar los datos mt5 (los datos de sus corredores con mt5) ... (algunos corredores tienen datos diferentes).
¿Soy comprensible?
¡Sí, por favor, llene libre de probarlo en períodos más bajos, y compartir los resultados!
¡Hola Anil!
el modelo onnx tiene que ir en tu carpeta Files (MQL5 -> Files) ... o donde tu quieras (dentro de mql5\files\), solo cambia la ruta (no tienes que especificar toda la ruta, solo desde \\Files\...)
Hola Javier
Gracias por la respuesta.
He encontrado el problema. Has nombrado "stock_prediction_model_MACD.onnx" en EA pero los archivos zip lo tienen nombrado como stock_prediction_model_MACD_Signal.onnx
También he notado el uso inadecuado de la manija del indicador (error!!!) en el código. Usted ha utilizado
double volatility = iMA(NULL, 0, volatility_period, 0, MODE_SMA, PRICE_CLOSE);
double atr = iATR(_Symbol,PERIOD_CURRENT,14)*_Point;
double volatility = iStdDev(_Symbol, PERIOD_CURRENT, volatility_period, 0, MODE_SMA, PRICE_CLOSE);
En MQL5, los valores de los indicadores se derivan utilizando CopyBuffer y el handle del indicador, que has utilizado en
int macd_handle2 = iMACD(_Symbol, PERIOD_CURRENT, 12, 26, 9, PRICE_CLOSE); CopyBuffer(macd_handle2, 0, 0, 1, macd_main2);¿Podrías explicarnos por qué se ha usado handle de forma diferente a double variable para obtener los valores en el primer caso?
Saludos y buen fin de semana.
Ok voy a tratar de hacer un nuevo modelo, pero a partir de algunos investigadores que he visto que es bueno hacer cambios por lo menos cada 6 meses. voy a backtest en primer lugar con diferentes entradas en mt5 y onnx modelo voy a dejar con que los valores que usted colocó. La entrada es perfecta pero he visto hoy que tp y sl tienen que afinar broker basado. Gracias
Hola, buena q.
Es bueno hacer un nuevo modelo cada 6 meses (si está utilizando 1d períodos de marco de tiempo), lo que sería interesante, es hacer un modelo con algún tipo de exponencial o lineal pesos (por lo que los últimos valores tenían más peso ... Estoy trabajando en esto, voy a empujar un artículo sobre esto), y en ese caso, sí, usted debe hacer modelos con mucha más frecuencia. Sí 6 meses tiene buenos resultados en el día de comercio, pero no es tan diferente de 3 meses. Es más interesante dar esperas a los últimos valores, porque un modelo suele tener 10 mil últimas velas ... Voy a trabajar en esto y empujar un artículo.
Veo finalidad si este EA es para abrir posición basado en volatilidad y ahora se necesitan ruidos, si usamos ma entonces podemos ver solo tendencia.
Bueno, el propósito de este artículo es para ver que también podemos hacer modelos LSTM condicional con indicadores que también dan buen resultado como se muestra... el VAM es para que veas que un indicador es algo no tan difícil de crear.
- 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 Ejemplo de nuevo Indicador y LSTM condicional:
La industria financiera ha utilizado durante mucho tiempo indicadores técnicos para detectar tendencias y posibles oportunidades comerciales. A pesar de su importancia, estos indicadores con frecuencia no logran captar plenamente las complejidades de la dinámica del mercado, en particular durante períodos de extrema volatilidad o cambios abruptos. Sin embargo, las arquitecturas de aprendizaje profundo como LSTM, en particular, han demostrado un potencial sorprendente en los modelos de aprendizaje automático para el reconocimiento y la predicción de patrones en datos complicados y dependientes del tiempo. Sin embargo, estos modelos no siempre ofrecen la interpretabilidad y el conocimiento específico del dominio que ofrece el análisis técnico convencional.
Nuestra estrategia pretende cerrar esta brecha fusionando las ventajas de ambos enfoques. Este artículo presenta una nueva herramienta denominada indicador Volatility Adjusted Momentum (VAM), que intenta medir el impulso del mercado teniendo en cuenta la volatilidad subyacente. En comparación con los indicadores de impulso convencionales, este ofrece una imagen más detallada de la dinámica del mercado. El VAM tiene como objetivo proporcionar señales más confiables en una variedad de escenarios de mercado, desde tranquilos hasta tormentosos, teniendo en cuenta la volatilidad.
Autor: Javier Santiago Gaston De Iriarte Cabrera