Discussão do artigo "Gradient Boosting (CatBoost) no desenvolvimento de sistemas de negociação. Uma abordagem ingênua"

[MetaQuotes]

Novo artigo Gradient Boosting (CatBoost) no desenvolvimento de sistemas de negociação. Uma abordagem ingênua foi publicado:

Treinamento do classificador CatBoost em Python e exportação do modelo para a mql5, bem como a análise dos parâmetros do modelo e um testador de estratégia customizado. A linguagem Python e a biblioteca MetaTrader 5 são usadas para preparar os dados e treinar o modelo.

O robô compilado pode ser testado no Testador de Estratégia padrão da MetaTrader 5. Selecionamos um tempo gráfico adequado (que deve corresponder ao utilizado no treinamento do modelo) e as entradas look_back e MA_period, que também deve corresponder aos parâmetros do programa em Python. Vamos verificar o modelo no período de treinamento (subamostras treinamento + validação):

Desempenho do modelo (subamostras de treinamento + validação)

Se nós compararmos o resultado com o obtido no testador personalizado, esses resultados são iguais, exceto por alguns desvios do spread. Agora, vamos testar o modelo usando os dados absolutamente novos, desde o início do ano:

Desempenho do modelo em novos dados

O modelo teve um desempenho significativamente pior com os novos dados. Esse resultado ruim está relacionado a razões objetivas, que eu tentarei descrever mais adiante.

Autor: Maxim Dmitrievsky

[Ney Borges]

Fiz algumas alterações:

Alterei o código para salvar o mqh de acordo com o tempo gráfico dos dados.

Alterei o mqh para ser diferente para cada período de tempo, para que seja possível ter todos os períodos de tempo treinados e prontos para uso no EA.

Alterei o EA para usar todos os arquivos treinados para análise e geração de sinais.

Todos os arquivos estão anexados para sua análise, se possível.

Se você puder melhorar o código eu ficaria grato.

A estratégia e também o treinamento do modelo precisam de melhorias extremas, se possível agradeço ajuda.

fiz algumas alterações:

alterei o código para salvar o mqh diacordo com o tempo gráfico dos dados.

alterei o mqh para ser diferenciado para cada tempo gráfico, com isso é possível ter todos os tempos gráficos treinados e prontos para usar no EA.

alterei o EA para usar todos os arquivos treinados para análise e geração de sinais.

estao anexos todos os arquivos para sua analise se possivel.

se tiver como melhorar o código fico agradecido.

a estratégia e também o treinamento do modelo precisa de melhorias extremas, se possível ajudar obrigado.