Discussão do artigo "Ciência de Dados e Aprendizado de Máquina (Parte 12): É possível ter sucesso no mercado com redes neurais de autoaprendizagem?"
Uma boa demonstração para mostrar a possibilidade de autotreinamento (ajuste) do ML EA.
Ainda estamos nos primeiros dias do MQL ML. Esperamos que, com o passar do tempo, mais e mais pessoas usem o MALE5. Estou ansioso por sua maturidade.
GitHub - MegaJoctan/MALE5: Machine Learning repository for MQL5
- MegaJoctan
- github.com
MALE5 is a machine learning repository for creating trading systems in the c++ like, MQL5 programming language. It was developed to help build machine learning based trading robots, effortlessly in the MetaTrader5 platform This Library is: Simple to use You can literly start building your system once you call class constructor Flexible You can...
Não há nenhum selftrain NN.mqh no arquivo
Como faço para salvar e carregar a rede?
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 Ciência de Dados e Aprendizado de Máquina (Parte 12): É possível ter sucesso no mercado com redes neurais de autoaprendizagem? foi publicado:
Certamente muitas pessoas estão cansadas de tentar constantemente prever o mercado de ações. Você gostaria de ter uma bola de cristal que o ajudasse a tomar melhores decisões de investimento? As redes neurais autoaprendentes podem ser a solução para isso. Neste artigo, vamos ver se esses algoritmos poderosos podem ajudar a surfar na onda e ser mais espertos que o mercado de ações. Ao analisar grandes volumes de dados e identificar padrões, as redes neurais autoaprendentes podem fazer previsões que geralmente são mais precisas do que as previsões dos traders. Vamos descobrir se essas tecnologias avançadas podem ser utilizadas para tomar decisões de investimento mais inteligentes e obter mais lucros.
Fiz uma otimização breve e obtive os seguintes valores: copy_rates_x: COPY_RATES_LOW, n_samples: 2950, Slippage: 1, Stop loss: 7.4, Take profit: 5.0.
Desta vez, o modelo apresentou uma precisão de treinamento de 61,5% e uma precisão de teste de 63,5% no início do testador de estratégia. Parece aceitável.
Autor: Omega J Msigwa