Discussão do artigo "Previsão de séries temporais (parte 2): método de vetores de suporte por mínimos quadrados (LS-SVM)"
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Novo artigo Previsão de séries temporais (parte 2): método de vetores de suporte por mínimos quadrados (LS-SVM) foi publicado:
O artigo estuda a teoria e a aplicação prática de um algoritmo de previsão de séries temporais com base no método de vetores de suporte, além disso, propõe sua implementação em MQL5 e fornece indicadores de teste e EAs. Embora este abordagem ainda não tenha sido implementada em MQL, em primeiro lugar, precisamos conhecer determinado modelo matemático.
Executamos um único teste.
Relatório do EA LSSVMbot com base no XAUUSD D1, 2017-2020
Os indicadores não são excelentes, mas o sistema como um todo funciona. No gráfico do relatório são destacados os intervalos de datas de onde os dados de treinamento foram obtidos para encontrar a gama e o sigma ideais (destacados em verde), o intervalo definido no testador no modo de treinamento (destacado em amarelo) e o intervalo em que o EA negociou com base em dados desconhecidos (destacado em rosa).
O método de interpretar a previsão e criar uma estratégia de negociação em torno dela pode ser diferente. Em particular, nosso EA de testes possui um parâmetro de entrada PreviousTargetCheck (false por padrão). Se for ativado, a negociação de previsão será realizada usando uma estratégia diferente: a direção da transação será determinada pela posição relativa da nova previsão em relação à anterior. Também há espaço para experimentos com outras configurações, como com o clustering do SOM, com a alteração do lote dependendo da força do movimento previsto, etc.
Autor: Stanislav Korotky