• Informações
10+ anos
experiência
0
produtos
0
versão demo
0
trabalhos
0
sinais
0
assinantes
There are two hard problems in computer science: 1) computers and 2) science.
Maxim Dmitrievsky
Publicado o artigo 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.

4
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
Publicado o artigo Agrupamento de séries temporais na inferência causal
Agrupamento de séries temporais na inferência causal

Os algoritmos de agrupamento em aprendizado de máquina são ferramentas importantes de aprendizado não supervisionado que permitem dividir os dados brutos em grupos com características semelhantes. Com esses grupos, é possível, por exemplo, realizar análise de mercado para um cluster específico, identificar os clusters mais resilientes em novos conjuntos de dados e também realizar inferências causais. Este artigo apresenta um método original para o agrupamento de séries temporais, utilizando a linguagem Python.

Maxim Dmitrievsky
Publicado o artigo O escore de propensão na inferência causalidade
O escore de propensão na inferência causalidade

O artigo examina o tema de pareamento na inferência causal. O pareamento é utilizado para comparar observações semelhantes em um conjunto de dados. Isso é necessário para determinar corretamente os efeitos causais e eliminar o viés. O autor explica como isso ajuda na construção de sistemas de negociação baseados em aprendizado de máquina, que se tornam mais estáveis em novos dados nos quais não foram treinados. O escore de propensão desempenha um papel central e é amplamente utilizado na inferência causal.

Maxim Dmitrievsky
Publicado o código ONNX Trader
Пример бота со встроенной моделью машинного обучения, которая обучена на питоне и сохранена в формат ONNX.
2 356
Maxim Dmitrievsky
Publicado o artigo Inferência causal em problemas de classificação de séries temporais
Inferência causal em problemas de classificação de séries temporais

Neste artigo, examinaremos a teoria da inferência causal usando aprendizado de máquina, bem como a implementação de uma abordagem personalizada em Python. A inferência causal e o pensamento causal têm suas raízes na filosofia e psicologia e desempenham um papel importante na nossa compreensão da realidade.

Maxim Dmitrievsky
Publicado o artigo Validação cruzada e noções básicas de inferência causal em modelos CatBoost, exportação para o formato ONNX
Validação cruzada e noções básicas de inferência causal em modelos CatBoost, exportação para o formato ONNX

Este artigo propõe um método autoral para a criação de robôs usando aprendizado de máquina.

Maxim Dmitrievsky
Adicionado o tópico Perguntas sobre a linguagem SI
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
Adicionado o tópico Interpolação, aproximação e afins (embalagem de algibe)
Preciso interpolar uma função com ajustes arbitrários, por isso escolhi estrias. This subroutine builds cubic spline interpolant. INPUT PARAMETERS:      X           -  
Maxim Dmitrievsky
Adicionado o tópico Analisar as características ESTATÍSTICAS mais importantes do padrão e escolher um método de negociação sobre ele.
Digamos que temos um pedaço de um gráfico. Precisamos elaborar (sobre a história) a melhor maneira de abrir negócios sobre ela. Onde comprar, onde vender, onde comprar mais, onde fechar, e assim por diante. Mas devemos considerar que os padrões podem
Maxim Dmitrievsky
Adicionado o tópico Recuperando um fluxo de preços via WebSocket em C#.
Olá, Prezados Senhores. Interessado em receber citações de diferentes fontes (incluindo o intercâmbio LMAX). Como diferentes corretores estão conectados a diferentes ECNs, fornecedores de liquidez, é melhor obter citações diretamente dos próprios
Maxim Dmitrievsky
Adicionado o tópico Vale a pena investigar a arbitragem cambial?
Será que alguém encontrou citações desfasadas de diferentes corretores em FORTS? Vale a pena cavar nesta direção, ou tudo está claro há muito tempo e não há necessidade de brincar? :) Há diferenças ou atrasos nas cotações de diferentes corretores
Maxim Dmitrievsky
Adicionado o tópico Já estou prestes a desistir de lutar contra eles...
Alguém pode me dizer o que poderia estar causando esses erros? O nível StopLevels é de 20 pips, todas as negociações devem passar. Handicaps e fora de cotação são irritantes :)
Maxim Dmitrievsky
Adicionado o tópico Conselheiros em redes neurais, compartilhando experiências.
Há poucas informações no fórum sobre soluções prontas e a eficácia das redes neurais para o comércio no mercado. Sugiro discutir e compartilhar experiências aqui. Se já existe um tópico com discussão, por favor, faça um link para ele. Estou usando
Maxim Dmitrievsky
Adicionado o tópico Usando o OpenCV para reconhecer padrões gráficos
É do conhecimento geral que a correlação e métodos similares não lidam com a correspondência de séries temporais com precisão e, em alguns casos, não são de todo precisos. Recentemente, a visão por computador tornou-se generalizada. É usado
Maxim Dmitrievsky
Publicado o artigo Aprendizado de máquina em sistemas de negociação baseados em grade e martingale. Deveríamos apostar nele?
Aprendizado de máquina em sistemas de negociação baseados em grade e martingale. Deveríamos apostar nele?

Este artigo apresentará ao leitor a técnica de aprendizado de máquina para negociação baseada em grade e martingale. Para minha surpresa, essa abordagem, por algum motivo, não é afetada de forma alguma na rede global. Após ler o artigo, podemos criar nossos próprios bots.

Maxim Dmitrievsky
Publicado o artigo Busca de padrões sazonais no mercado de Forex usando o algoritmo CatBoost
Busca de padrões sazonais no mercado de Forex usando o algoritmo CatBoost

O artigo considera a criação de modelos de aprendizado de máquina com filtros de tempo e discute a eficácia dessa abordagem. O fator humano pode ser eliminado agora simplesmente instruindo o modelo a negociar em uma determinada hora de um determinado dia da semana. A busca de padrões pode ser fornecida por um algoritmo separado.

Maxim Dmitrievsky
Publicado o artigo Gradient boosting no aprendizado de máquina transdutivo e ativo
Gradient boosting no aprendizado de máquina transdutivo e ativo

Neste artigo, nós consideraremos os métodos de aprendizado de máquina ativo que se baseiam em dados reais e discutiremos seus prós e contras. Talvez você considere esses métodos úteis e os inclua em seu arsenal de modelos de aprendizado de máquina. A transdução foi introduzida por Vladimir Vapnik, que é o coinventor da Support-Vector Machine (SVM).

Maxim Dmitrievsky
Publicado o artigo Reamostragem avançada e seleção de modelos CatBoost pelo método de força bruta
Reamostragem avançada e seleção de modelos CatBoost pelo método de força bruta

Este artigo descreve uma das possíveis abordagens para a transformação de dados com o objetivo de melhorar a generalização do modelo, ele também discute a amostragem e seleção dos modelos CatBoost.

Maxim Dmitrievsky
Publicado o artigo Gradient Boosting (CatBoost) no desenvolvimento de sistemas de negociação. Uma abordagem ingênua
Gradient Boosting (CatBoost) no desenvolvimento de sistemas de negociação. Uma abordagem ingênua

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.

12