コード
RL アルゴリズム MetaTrader 5のため
論文「Random decision forest in reinforcement learning」に基づくライブラリ
Cointegration MetaTrader 5のため
この指標は、複数の金融銘柄間の線形関係を計算して表示します。
Arbitrage Synthetic MetaTrader 5のため
EURGBPとそのシンセティック・クォート（三角裁定取引）との間の裁定を行うための自動売買ロボットです。
記事
Кластеризация временных рядов в причинно-следственном выводе MetaTrader 5のため
Алгоритмы кластеризации в машинном обучении — это важные алгоритмы обучения без учителя, которые позволяют разделять исходные данные на группы с похожими наблюдениями. Используя эти группы, можно проводить анализ рынка для конкретного кластера, искать наиболее устойчивые кластеры на новых данных, а
Показатель склонности (Propensity score) в причинно-следственном выводе MetaTrader 5のため
В статье рассматривается тема матчинга в причинно-следственном выводе. Матчинг используется для сопоставления похожих наблюдений в наборе данных. Это необходимо для правильного определения каузальных эффектов, избавления от предвзятости. Автор рассказывает, как это помогает в построении торговых
Причинно-следственный вывод в задачах классификации временных рядов MetaTrader 5のため
В этой статье мы рассмотрим теорию причинно-следственного вывода с применением машинного обучения, а также реализацию авторского подхода на языке Python. Причинно-следственный вывод и причинно-следственное мышление берут свои корни в философии и психологии, это важная часть нашего способа мыслить
CatBoostモデルにおける交差検証と因果推論の基本、ONNX形式への書き出し MetaTrader 5のため
この記事では、機械学習を使用してボットを作成する方法を提案しています。
機械学習や取引におけるメタモデル：取引注文のオリジナルタイミング MetaTrader 5のため
機械学習におけるメタモデル：人間がほとんど介在しない取引システムの自動作成 - いつ、どのように取引をおこなうかはモデルが自ら決定します。
グリッドおよびマーチンゲール取引システムでの機械学習 - あなたはそれに賭けますか MetaTrader 5のため
本稿では、グリッドおよびマーチンゲール取引に適用される機械学習手法について説明します。驚いたことに、世界中のネットではこのアプローチはほとんどまたはまったくカバーされていません。記事を読んだ後は、自分自身の自動売買ボットを作成することができるでしょう。
CatBoostアルゴリズムを使用した外国為替市場の季節によるパターンの特定 MetaTrader 5のため
本稿では、時間フィルタを使用した機械学習モデルの作成について検討し、このアプローチの有効性について説明します。人的要因はモデルに特定の曜日の特定の時間に取引するように指示するだけで排除できるようになっています。パターン検索は、別のアルゴリズムで提供できます。
トランスダクション・アクティブ機械学習におけるスロープブースト MetaTrader 5のため
本記事では、実データを活用したアクティブな機械学習手法について考察するとともに、その長所と短所について考察していきます. おそらく、いくつかの方法が有用であるとわかるでしょうし、機械学習モデルのアーセナルにインクルードするでしょう. トランスダクションは、サポートベクターマシン（SVM）の共同発明者であるVladimir Vapnik氏が紹介しています
高度なリサンプリングと総当たり攻撃によるCatBoostモデルの選択 MetaTrader 5のため
本稿では、モデルの一般化可能性を向上させることを目的としたデータ変換への可能なアプローチの1つについて説明し、CatBoostモデルの抽出と選択についても説明します。
取引システムの開発における勾配ブースティング(CatBoost)素朴なアプローチ MetaTrader 5のため
PythonでCatBoost分類器を訓練してモデルをmql5にエクスポートし、モデルパラメータとカスタムストラテジーテスターを解析します。Python言語とMetaTrader5ライブラリは、データの準備とモデルの訓練に使用されます。
フォーラム
SI言語に関する質問
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++) { if (a[i] < a[l]) { ++m; idx_temp = idx[m]; idx[m] = idx[i]; idx[i] = idx_temp;
補間、近似など (alglibパッケージ)
任意に設定した関数を補間する必要があるので、スプラインを選択しました。 This subroutine builds cubic spline interpolant. INPUT PARAMETERS: X - spline nodes, array[ 0 ..N- 1 ]. Y - function values, array[ 0 ..N- 1 ]. OPTIONAL PARAMETERS: N - points count: * N>= 2
パターンの最も重要な統計的特徴を分析し、その上で取引方法を選択する。
例えば、チャートの一部があるとします。その上でディールを開くにはどうしたらいいか、（履歴を）整理する必要がある。どこで買うか、どこで売るか、どこで買い足すか、どこで決済するか、などなど。しかし、パターンが異なる場合もあることを考慮し、リスクを最小限に抑えながら、どのパターンでも最も効果的な ポジション・オープニングの 場所の計算方法を見つけなければならない。
C#でWebSocket経由で価格ストリームを取得する。
こんにちは、親愛なる皆様。さまざまなソース（LMAX取引所を含む）から見積もりを受け取ることに興味がある。ブローカーによって、流動性プロバイダーであるECNが異なるため、ECN自身から直接見積もりを取る方がよいでしょう。しかし、そこには限界があります。ほとんどのプロバイダーは、私たちが直接接続しない限り、見積もりを共有してくれません。でも、「マーケットデプス」をはじめ、見積もりを取れるところはいくつかあります。例えば、LMAXは https://s3-eu-west-1.amazonaws.com/lmax-widget3/website-widget-vwap.html
為替裁定取引、掘り下げる価値はあるのか？
FORTSで証券会社によって見積もりのタイムラグが発生したことがある人はいるかな？この方向で掘っていく価値があるのか、それとももうずっと前からすべてがクリアになっていて、弄る必要はないのか。:) 証券会社によって見積もりの違いや遅れがあるのでしょうか？取引所のルールにどう対応するのか、この取引は不正になるのか、すべては法律の範囲内で、「時間があった人が食べた」のか。
もう、戦うのを諦めそうです...。
これらのエラーの原因は何なのか、どなたか教えていただけませんか？StopLevelsレベルは20pipsで、すべてのトレードがパスするはずです。 ハンディキャップとオフクオーツがうざい :)
ニューラルネットワークのアドバイザー、経験を共有する。
フォーラムには、既成のソリューションや、市場での取引にニューラルネットワークが有効であるという情報はほとんどない。ここで議論し、経験を共有することをお勧めします。すでに議論されているスレッドがある場合は、そちらにリンクを張ってください。 私は ここにある クラス、シンプルなマルチレイヤーPerspectronを使用しています。クラスが正しくカウントされることを願っています。私は著者の経験を頼りにしています。実験開始、面白いです :) 現在、11個のインデックスを入力し、出力は1小節分未来にずらしたジグザグになっています。
OpenCVを使った図形パターンの認識
相関法やそれに類する手法は、時系列のマッチングを正確に扱えない、場合によっては全く正確でない、というのが常識である。 近年、コンピュータビジョンの普及が進んでいます。主に写真に写っている顔などの画像を認識するために使用される。私の知る限り、この方法は非常に正確に機能します。これらのライブラリをパターン認識のために使用した経験のある方はいらっしゃいますか？まあ、それとmqlのライブラリの使用。このテーマ自体はとても面白いので、発展させていくべきだと思います。まだ未経験ですが、勉強したいと思います。 機械学習やパターン検索などにはもってこいなんでしょうね。