|
10+ años
experiencia
|
4
productos
|
290
versiones demo
|
|
0
trabajos
|
0
señales
|
0
suscriptores
|
El Perfil de Volumen Intradía analiza la información a corto plazo sobre el precio y el volumen, y le ayuda a visualizar el movimiento del precio y el volumen. En las operaciones a corto plazo en Forex, se suelen utilizar gráficos intradía de 5, 15, 30, 60 minutos, etc. cuando se opera en un día de mercado. Se puede utilizar como herramienta adicional para el scalping intradía. El perfil de volumen proporciona una excelente imagen visual de la oferta / demanda de cada precio para el marco de
El Perfil de Volumen de Sesión es una representación gráfica avanzada que muestra la actividad de negociación durante las sesiones de negociación de Forex a niveles de precios específicos. El mercado de divisas puede dividirse en cuatro sesiones de negociación principales: la sesión australiana, la sesión asiática, la sesión europea y la hora de negociación favorita: la sesión americana (EE.UU.). POC - perfil que puede utilizarse como nivel de soporte y resistencia para la negociación intradía
Конечно же я рад такому раскладу, но неужели в Маркете не появилось ничего нового?
В общем я рад и в тоже время недоумеваю.
https://fx-on.com/
En el artículo se analiza una biblioteca que permite aumentar la efectividad del trabajo con solicitudes HTTP en MQL5. La ejecución de WebRequest en el modo no bloqueante se ha implementado en flujos adicionales usando gráficos y expertos auxiliares, intercambio de eventos personalizados y lectura de recursos compartidos. Se adjuntan los códigos fuente.
Vamos a ver los métodos de construcción y entrenamiento de conjuntos de redes neuronales con la estructura bagging. También vamos a definir las peculiaridades de la optimización de los hiperparámetros de los clasificadores de redes neuronales individuales que componen el conjunto. Asimismo, compararemos la calidad de la red neuronal optimizada obtenida en el artículo anterior de la serie, y el conjunto creado de redes neuronales. Para finalizar, analizaremos las diferentes opciones para mejorar aún más la calidad de clasificación del conjunto.
Continuamos construyendo conjuntos. Ahora vamos a añadir al conjunto bagging creado anteriormente un combinador entrenable: una red neuronal profunda. Una red neuronal combina las mejores 7 salidas del conjunto después de la poda. La segunda recibe en la entrada las 500 salidas del conjunto, las poda y las combina. Construiremos las redes neuronales con la ayuda del paquete keras/TensorFlow de Python. Veremos brevemente las posibilidades del paquete. Y finalmente, realizaremos la simulación y compararemos la calidad de la clasificación de los conjuntos bagging y stacking.