ML Lorentzian Classification for MT5
110 USD
Démo téléchargée:
107
Publié:
1 novembre 2024
Version actuelle:
1.3
Vous ne trouvez aucun robot qui vous convient ?
Commandez le vôtre
dans la section Freelance
Aller à la section Freelance
Commandez le vôtre
dans la section Freelance
Comment acheter un robot de trading ou un indicateur
Exécutez votre EA sur
hébergement virtuel
hébergement virtuel
Test un indicateur/robot de trading avant d'acheter
Vous voulez gagner de l'argent sur Market ?
Comment présenter un produit pour qu'il se vende bien
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
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.