• 정보
10+ 년도
경험
1
제품
14368
데몬 버전
0
작업
0
거래 신호
0
구독자
There are two hard problems in computer science: 1) computers and 2) science.
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 Кластеризация временных рядов в причинно-следственном выводе
Кластеризация временных рядов в причинно-следственном выводе

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 также делать причинно-следственный вывод. В статье предложен авторский метод кластеризации временных рядов на языке Python.

2
Maxim Dmitrievsky
게재된 기고글 Показатель склонности (Propensity score) в причинно-следственном выводе
Показатель склонности (Propensity score) в причинно-следственном выводе

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 систем на машинном обучении, которые становятся более устойчивыми на новых данных, на которых не обучались. Центральная роль отводится показателю склонности, который широко используется в причинно-следственном выводе.

2
Maxim Dmitrievsky
게재된 코드 ONNX Trader
Пример бота со встроенной моделью машинного обучения, которая обучена на питоне и сохранена в формат ONNX.
2 182
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.

5
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.

4
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
Maxim Dmitrievsky
게재된 기고글 Machine learning in Grid and Martingale trading systems. Would you bet on it?
Machine learning in Grid and Martingale trading systems. Would you bet on it?

This article describes the machine learning technique applied to grid and martingale trading. Surprisingly, this approach has little to no coverage in the global network. After reading the article, you will be able to create your own trading bots.

6
Maxim Dmitrievsky
게재된 기고글 Finding seasonal patterns in the forex market using the CatBoost algorithm
Finding seasonal patterns in the forex market using the CatBoost algorithm

The article considers the creation of machine learning models with time filters and discusses the effectiveness of this approach. The human factor can be eliminated now by simply instructing the model to trade at a certain hour of a certain day of the week. Pattern search can be provided by a separate algorithm.

11
Maxim Dmitrievsky
게재된 기고글 Gradient boosting in transductive and active machine learning
Gradient boosting in transductive and active machine learning

In this article, we will consider active machine learning methods utilizing real data, as well discuss their pros and cons. Perhaps you will find these methods useful and will include them in your arsenal of machine learning models. Transduction was introduced by Vladimir Vapnik, who is the co-inventor of the Support-Vector Machine (SVM).

8
Maxim Dmitrievsky
게재된 기고글 Advanced resampling and selection of CatBoost models by brute-force method
Advanced resampling and selection of CatBoost models by brute-force method

This article describes one of the possible approaches to data transformation aimed at improving the generalizability of the model, and also discusses sampling and selection of CatBoost models.

7
Maxim Dmitrievsky
게재된 기고글 Gradient Boosting (CatBoost) in the development of trading systems. A naive approach
Gradient Boosting (CatBoost) in the development of trading systems. A naive approach

Training the CatBoost classifier in Python and exporting the model to mql5, as well as parsing the model parameters and a custom strategy tester. The Python language and the MetaTrader 5 library are used for preparing the data and for training the model.

11
Maxim Dmitrievsky
게재된 기고글 Econometric approach to finding market patterns: Autocorrelation, Heat Maps and Scatter Plots
Econometric approach to finding market patterns: Autocorrelation, Heat Maps and Scatter Plots

The article presents an extended study of seasonal characteristics: autocorrelation heat maps and scatter plots. The purpose of the article is to show that "market memory" is of seasonal nature, which is expressed through maximized correlation of increments of arbitrary order.

10
12