Maxim Dmitrievsky
Maxim Dmitrievsky
2.2 (120)
  • Información
11+ años
experiencia
0
productos
0
versiones demo
0
trabajos
0
señales
0
suscriptores
There are two hard problems in computer science: 1) computers and 2) science.
Maxim Dmitrievsky
Ha publicado el artículo Исследуем регрессионные модели для причинно-следственного вывода и трейдинга
Исследуем регрессионные модели для причинно-следственного вывода и трейдинга

В данной статье проведено исследование на тему возможности применения регрессионных моделей в алгоритмической торговле. Регрессионные модели, в отличие от бинарной классификации, дают возможность создавать более гибкие торговые стратегии за счет количественной оценки прогнозируемых ценовых изменений.

1
Maxim Dmitrievsky
Ha publicado el artículo Выявление и классификация фрактальных паттернов посредством машинного обучения
Выявление и классификация фрактальных паттернов посредством машинного обучения

В этой статье мы затронем интригующую тему фрактального анализа и прогнозирования рынков посредством машинного обучения. Это только первые шаги на пути к исследованию многообразных фрактальных структур, которые образуются на графиках финансовых котировок. Мы используем корреляцию для поиска паттернов и алгоритм CatBoost для классификации этих паттернов.

3
Maxim Dmitrievsky
Ha publicado el artículo Введение в исследование фрактальных рыночных структур с помощью машинного обучения
Введение в исследование фрактальных рыночных структур с помощью машинного обучения

В данной статье предпринята попытка рассмотрения финансовых временных рядов с точки зрения самоподобных фрактальных структур. Поскольку мы имеем слишком много аналогий, которые подтверждают возможность рассматривать рыночные котировки в качестве самоподобных фракталов, то имеем возможность составить представления о горизонтах прогнозирования таких структур.

4
Maxim Dmitrievsky
Ha publicado el artículo Изучаем конформное прогнозирование финансовых временных рядов
Изучаем конформное прогнозирование финансовых временных рядов

В этой статье вы познакомитесь с конформными предсказаниями и библиотекой MAPIE, которая их реализует. Данный подход является одним из самых современных в машинном обучении и позволяет сосредоточиться на контроле рисков для уже существующих разнообразных моделей машинного обучения. Конформные предсказания, сами по себе, не являются способом поиска закономерностей в данных. Они лишь определяют степень уверенности существующих моделей в предсказании конкретных примеров и позволяют фильтровать надежные предсказания.

4
Maxim Dmitrievsky
Ha publicado el artículo Скрытые марковские модели в торговых системах на машинном обучении
Скрытые марковские модели в торговых системах на машинном обучении

Скрытые марковские модели (СММ) представляют собой мощный класс вероятностных моделей, предназначенных для анализа последовательных данных, где наблюдаемые события зависят от некоторой последовательности ненаблюдаемых (скрытых) состояний, которые формируют марковский процесс. Основные предположения СММ включают марковское свойство для скрытых состояний, означающее, что вероятность перехода в следующее состояние зависит только от текущего состояния, и независимость наблюдений при условии знания текущего скрытого состояния.

4
Maxim Dmitrievsky
Ha publicado el artículo Торговля по алгоритму: ИИ и его путь к золотым вершинам
Торговля по алгоритму: ИИ и его путь к золотым вершинам

В данной статье продемонстрирован подход к созданию торговых стратегий для золота с помощью машинного обучения. Рассматривая предложенный подход к анализу и прогнозированию временных рядов с разных ракурсов, можно определить его преимущества и недостатки по сравнению с другими способами создания торговых систем, основанных исключительно на анализе и прогнозировании финансовых временных рядов.

7
Maxim Dmitrievsky
Ha publicado el artículo Машинное обучение в однонаправленной трендовой торговле на примере золота
Машинное обучение в однонаправленной трендовой торговле на примере золота

В данной статье рассматривается подход к торговле только в выбранном направлении (на покупку или на продажу). Для этого используется техника причинно-следственного вывода и машинное обучение.

4
Maxim Dmitrievsky
Ha publicado el artículo Разработка трендовых торговых стратегий на основе машинного обучения
Разработка трендовых торговых стратегий на основе машинного обучения

В данной статье предложен оригинальный подход к разработке трендовых стратегий. Вы узнаете, как можно делать разметку обучающих примеров и обучать на них классификаторы. На выходе получатся готовые торговые системы, работающие под управлением терминала MetaTrader 5.

5
Maxim Dmitrievsky
Ha publicado el artículo Cоздание стратегии возврата к среднему на основе машинного обучения
Cоздание стратегии возврата к среднему на основе машинного обучения

В данной статье предлагается очередной оригинальный подход к созданию торговых систем на основе машинного обучения, с использованием кластеризации и разметки сделок для стратегий возврата к среднему.

4
Maxim Dmitrievsky
Ha publicado el artículo Simulador rápido de estrategias comerciales en Python usando Numba
Simulador rápido de estrategias comerciales en Python usando Numba

Este artículo implementaremos un simulador rápido de estrategias para modelos de aprendizaje automático utilizando Numba. En cuanto a su velocidad, superará en un factor de 50 a un simulador de estrategias puramente basado en Python. El autor recomienda usar esta biblioteca para acelerar los cálculos matemáticos, y especialmente cuando se utilizan ciclos.

Maxim Dmitrievsky
Maxim Dmitrievsky
Want to learn more about machine learning? Subscribe this channel to receive the latest and actual information!

https://www.mql5.com/ru/channels/machinelearning
Maxim Dmitrievsky
Ha publicado el artículo Clústeres de series temporales en inferencia causal
Clústeres de series temporales en inferencia causal

Los algoritmos de agrupamiento en el aprendizaje automático son importantes algoritmos de aprendizaje no supervisado que pueden dividir los datos originales en grupos con observaciones similares. Utilizando estos grupos, puede analizar el mercado de un grupo específico, buscar los grupos más estables utilizando nuevos datos y hacer inferencias causales. El artículo propone un método original de agrupación de series temporales en Python.

Maxim Dmitrievsky
Ha publicado el artículo Puntuación de propensión (Propensity score) en la inferencia causal
Puntuación de propensión (Propensity score) en la inferencia causal

Este artículo trata el tema del emparejamiento en la inferencia causal. El emparejamiento se usa para emparejar observaciones similares en un conjunto de datos. Esto es necesario para identificar correctamente los efectos causales, eliminando el sesgo. Hoy explicaremos cómo esto ayuda a crear sistemas comerciales basados en el aprendizaje automático que se vuelven más robustos con nuevos datos en los que no se ha entrenado. El papel principal lo asignaremos a la puntuación de propensión, ampliamente utilizada en la inferencia causal.

Maxim Dmitrievsky
Ha publicado el código ONNX Trader
Пример бота со встроенной моделью машинного обучения, которая обучена на питоне и сохранена в формат ONNX.
3 530
Maxim Dmitrievsky
Ha publicado el artículo Inferencia causal en problemas de clasificación de series temporales
Inferencia causal en problemas de clasificación de series temporales

En este artículo, examinaremos la teoría de la inferencia causal utilizando el aprendizaje automático, así como la implementación del enfoque personalizado en Python. La inferencia causal y el pensamiento causal tienen sus raíces en la filosofía y la psicología y desempeñan un papel importante en nuestra comprensión de la realidad.

Maxim Dmitrievsky
Ha publicado el artículo Validación cruzada y fundamentos de la inferencia causal en modelos CatBoost, exportación a formato ONNX
Validación cruzada y fundamentos de la inferencia causal en modelos CatBoost, exportación a formato ONNX

En este artículo veremos un método de autor para crear bots utilizando el aprendizaje automático.

Maxim Dmitrievsky
Ha agregado el tema Preguntas sobre la lengua SI
void quicksort( double *a, int *idx, int l, int u) {    int i, m, idx_temp;    double a_temp;    if (l >= u)      return ;   m = l;    for (i=l+ 1 ; i<=u; i++)
Maxim Dmitrievsky
Ha agregado el tema Interpolación, aproximación y similares (paquete alglib)
Necesito interpolar una función con ajustes arbitrarios, así que elegí splines. This subroutine builds cubic spline interpolant. INPUT PARAMETERS:      X           -  
Maxim Dmitrievsky
Ha agregado el tema Analice las características ESTADÍSTICAS más importantes del patrón y elija un método para operar con él.
Digamos que tenemos un trozo de gráfico. Tenemos que resolver (en la historia) la mejor manera de abrir acuerdos sobre ella. Dónde comprar, dónde vender, dónde comprar más, dónde cerrar, etc. Pero debemos tener en cuenta que los patrones pueden ser
Maxim Dmitrievsky
Ha agregado el tema Recuperación de un flujo de precios vía WebSocket en C#.
Hola, estimados señores. Interesado en recibir cotizaciones de diferentes fuentes (incluyendo la bolsa LMAX). Dado que diferentes corredores están conectados a diferentes ECNs, proveedores de liquidez, es mejor obtener las cotizaciones directamente
12