Maxim Dmitrievsky
Maxim Dmitrievsky
2.3 (121)
  • 정보
11+ 년도
경험
0
제품
0
데몬 버전
0
작업
0
거래 신호
0
구독자
There are two hard problems in computer science: 1) computers and 2) science.
Maxim Dmitrievsky
게재된 기고글 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.

2
Maxim Dmitrievsky
게재된 기고글 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.

5
Maxim Dmitrievsky
게재된 기고글 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.

3
Maxim Dmitrievsky
게재된 기고글 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.

4
Maxim Dmitrievsky
게재된 기고글 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
게재된 기고글 Быстрый тестер торговых стратегий на Python с использованием Numba
Быстрый тестер торговых стратегий на Python с использованием Numba

В статье реализован быстрый тестер стратегий для моделей машинного обучения с применением Numba. По скорости он превосходит тестер стратегий на чистом Python в 50 раз. Автор рекомендует использовать эту библиотеку для ускорения математических расчетов и особенно там, где используются циклы.

5
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
게재된 기고글 Time series clustering in causal inference
Time series clustering in causal inference

Clustering algorithms in machine learning are important unsupervised learning algorithms that can divide the original data into groups with similar observations. By using these groups, you can analyze the market for a specific cluster, search for the most stable clusters using new data, and make causal inferences. The article proposes an original method for time series clustering in Python.

3
Maxim Dmitrievsky
게재된 기고글 Propensity score in causal inference
Propensity score in causal inference

The article examines the topic of matching in causal inference. Matching is used to compare similar observations in a data set. This is necessary to correctly determine causal effects and get rid of bias. The author explains how this helps in building trading systems based on machine learning, which become more stable on new data they were not trained on. The propensity score plays a central role and is widely used in causal inference.

3
Maxim Dmitrievsky
게재된 코드 ONNX Trader
Пример бота со встроенной моделью машинного обучения, которая обучена на питоне и сохранена в формат ONNX.
3 497
Maxim Dmitrievsky
게재된 기고글 Causal inference in time series classification problems
Causal inference in time series classification problems

In this article, we will look at the theory of causal inference using machine learning, as well as the custom approach implementation in Python. Causal inference and causal thinking have their roots in philosophy and psychology and play an important role in our understanding of reality.

7
Maxim Dmitrievsky
게재된 기고글 Cross-validation and basics of causal inference in CatBoost models, export to ONNX format
Cross-validation and basics of causal inference in CatBoost models, export to ONNX format

The article proposes the method of creating bots using machine learning.

5
Maxim Dmitrievsky
추가된 주제 C 언어에 대한 질문
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
추가된 주제 보간, 근사 및 기타(패키지 alglib)
임의의 설정으로 f-th를 보간해야 할 필요가 있었고 스플라인을 선택했습니다. This subroutine builds cubic spline interpolant. INPUT PARAMETERS:      X           -   spline nodes, array[ 0 ..N- 1 ]
Maxim Dmitrievsky
추가된 주제 패턴의 가장 중요한 통계적 특성 분석 및 이에 대한 거래 방법 선택.
그래프 조각이 있다고 가정해 보겠습니다. 거래를 시작하는 가장 최적의 방법을 (역사에 대해) 알아낼 필요가 있습니다. 구매처, 판매처, 기타 구매처, 마감 장소 등. 그러나 패턴이 다를 수 있다는 점을 고려해야 하며 위험을 최소화하면서 모든 패턴에 대해 포지션을 여는 장소를 계산하는 가장 효과적인 방법을 선택해야 합니다. 패턴에 대해 여러 거래가 있을 수 있습니다. 또 다른 중요한 조건이 있습니다. 패턴은 특정 범위 내에서 변할 수 있습니다
Maxim Dmitrievsky
추가된 주제 C#에서 WebSocket을 통해 가격 스트림을 가져옵니다.
안녕. 다양한 출처(LMAX 환전소 포함)로부터 견적을 받는 데 관심이 있었습니다. 서로 다른 브로커가 서로 다른 ECN, 유동성 공급자에 연결되어 있으므로 ECN 자체에서 직접 견적을 받는 것이 좋습니다. 그러나 한계가 있습니다. 대부분의 공급업체는 우리가 직접 연결할 때까지 견적을 공유하지 않습니다. 그러나 여전히 견적을 받을 수 있는 곳이 몇 군데 있습니다. 그리고 "시장의 깊이"로. 예를 들어, LMAX는 유동성을
Maxim Dmitrievsky
추가된 주제 증권거래소 차익거래, 파헤칠 의미가 있을까?
흥미롭게도 누군가 FORTS에서 다른 브로커의 견적이 지연되는 문제를 겪었습니까? 이 방향으로 파고들 가치가 있습니까, 아니면 오랫동안 모든 것이 명확했으며 어리석은 일을 해서는 안됩니까? :) 다른 형제의 안경에 차이나 지연이 있습니까? 이 모든 것이 증권 거래소에서 일하는 규칙과 어떤 관련이 있습니까? 그러한 거래는 사기가 될 것입니까? 아니면 "누가 그것을 먹을 수 있었습니까?"라는 법의 틀 안에있는 모든 것입니까
Maxim Dmitrievsky
추가된 주제 나는 이미 싸우기 위해 곧 포기할 것입니다 ...
이러한 오류의 원인이 무엇인지 아는 사람이 있습니까? StopLevels 레벨 20 포인트, 모든 거래는 통과해야 합니다. 장애인 및 오프 따옴표가 있습니다 :)
Maxim Dmitrievsky
추가된 주제 신경망에 대한 고문, 경험 공유.
포럼에는 기성 솔루션에 대한 정보와 시장에서 거래하기 위한 신경망의 효율성에 대한 정보가 거의 없습니다. 여기에서 귀하의 경험을 토론하고 공유하도록 초대합니다. 토론이 있는 스레드가 이미 있는 경우 링크하십시오. 나는 일반적인 다층 퍼셉트론 인 here의 클래스를 사용합니다. 나는 수업이 모든 것을 올바르게 고려하기를 바랍니다. 나는 저자의 경험에 의존합니다. 실험을 시작했는데 재미있네요 :) 현재 나는 입구에 11마리의 칠면조가 있고 출구에는
Maxim Dmitrievsky
추가된 주제 OpenCV를 사용하여 그래픽 패턴 인식
상관 방법 및 유사한 방법이 시계열 대응 결정에 정확하게 대처하지 못하고 경우에 따라 완전히 부정확하다는 것을 모두 알고 있습니다. 최근에는 컴퓨터 비전이 널리 보급되었습니다. 기본적으로는 사진 속 얼굴과 같은 패턴 인식에 사용됩니다. 내가 아는 한, 이 방법은 매우 정확하게 작동합니다. 패턴 인식을 위해 이러한 라이브러리를 사용한 경험이 있는 사람이 있습니까? 글쎄, mql에서 라이브러리의 사용. 주제 자체가 매우 흥미롭고 발전시켜도 나쁘지
12