ML Lorentzian Classification for MT5
110 USD
Descargado demo:
107
Publicado:
1 noviembre 2024
Versión actual:
1.3
¿No ha encontrado el robot adecuado?
Encargue el suyo
en la bolsa Freelance.
Pasar a la bolsa
Encargue el suyo
en la bolsa Freelance.
Cómo comprar un robot comercial o indicador
Inicia el robot en el
hosting virtual
hosting virtual
Pruebe un indicador/robot comercial antes de comprarlo
¿Quieres ganar en el Market?
Cómo ofrecer un producto para que lo compren
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
Good day.
I just got the Indicator, when trying to install I'm not getting the whole set of settings (like in the information section).
It looks like the downloaded version is 1.0 .
Can you please give me some advice, Please.
Thanks in advance.
Good day.
I just got the Indicator, when trying to install I'm not getting the whole set of settings (like in the information section).
It looks like the downloaded version is 1.0 .
Can you please give me some advice, Please.
Thanks in advance.
I seem you use an example EA that i made to demo how to read buffer from my indicator.
I will support you directly in private measage!
Good day.
The ML Lorentzian is a very interesting concept; complex to code but very easy to graphically make decisions by following the trend.
I received the appropriate support from the developer, who took the time to explain and answer all my questions.
I put it to work with BTC & ETH and, well the investment was paid-off during the first day.
Thanks for providing this quality, innovate and accurate indicator.
Hallo,
ich habe eine kurze Frage zum Lorentzian Classification Indikator.
Der Indikator besitzt den Parameter MaxBarsBack. Meine Erwartung wäre, dass der Indikator damit nur die letzten X Kerzen für die Berechnung bzw. das „Training“ verwendet.
Im Backtest im MT5 habe ich jedoch den Eindruck, dass der Indikator trotzdem die gesamte verfügbare Historie berücksichtigt. Die Signale verändern sich je nachdem, wann der Backtest gestartet wird, obwohl die Einstellungen identisch bleiben.
Daher meine Frage:
Begrenzt der Parameter MaxBarsBack tatsächlich die Berechnung strikt auf die letzten X Bars (Rolling Window), oder wird die gesamte Historie weiterhin in die Berechnung einbezogen?
Und wäre es möglich, den Indikator so zu erweitern, dass er sich strikt nur auf die eingestellten Werte bei MaxBarsBack bezieht, also dauerhaft ausschließlich die letzten X Kerzen für die Berechnung verwendet?
Hallo,
ich habe eine kurze Frage zum Lorentzian Classification Indikator.
Der Indikator besitzt den Parameter MaxBarsBack. Meine Erwartung wäre, dass der Indikator damit nur die letzten X Kerzen für die Berechnung bzw. das „Training“ verwendet.
Im Backtest im MT5 habe ich jedoch den Eindruck, dass der Indikator trotzdem die gesamte verfügbare Historie berücksichtigt. Die Signale verändern sich je nachdem, wann der Backtest gestartet wird, obwohl die Einstellungen identisch bleiben.
Daher meine Frage:
Begrenzt der Parameter MaxBarsBack tatsächlich die Berechnung strikt auf die letzten X Bars (Rolling Window), oder wird die gesamte Historie weiterhin in die Berechnung einbezogen?
Und wäre es möglich, den Indikator so zu erweitern, dass er sich strikt nur auf die eingestellten Werte bei MaxBarsBack bezieht, also dauerhaft ausschließlich die letzten X Kerzen für die Berechnung verwendet?
Specifically, the learning process is as follows:
+ On the first run, the indicator will calculate all the factors declared in Feature Engineering and save them.
+ For each candle to be predicted, the indicator will calculate the set (Feature - CountNumber of features to use for ML predictions) x the preceding candle (default is 5) to see the correlation with historical 5-candle sets. Therefore, you must keep the historical data as maximum as possible to increase the accuracy of the prediction. You can change the Feature - CountNumber of features to use for ML predictions parameter to further improve prediction efficiency.