Códigos
Algoritmos RL para MetaTrader 5
Biblioteca baseada no artigo "Floresta de decisão aleatória na aprendizagem por reforço"
Cointegration para MetaTrader 5
O indicador calcula e exibe o relacionamento linear entre dois ou mais instrumentos
Arbitrage Synthetic para MetaTrader 5
Robô para arbitragem entre o par EURGBP e sua cotação sintética (arbitragem triangular)
Artigos
Agrupamento de séries temporais na inferência causal para MetaTrader 5
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
O escore de propensão na inferência causalidade para MetaTrader 5
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
Inferência causal em problemas de classificação de séries temporais para MetaTrader 5
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
Validação cruzada e noções básicas de inferência causal em modelos CatBoost, exportação para o formato ONNX para MetaTrader 5
Este artigo propõe um método autoral para a criação de robôs usando aprendizado de máquina
Metamodelos em aprendizado de máquina e negociação: Tempo original das ordens de negociação para MetaTrader 5
Metamodelos em aprendizado de máquina: Criação automática de sistemas de negociação com quase nenhum envolvimento humano, o próprio modelo decide como operar e quando operar
Aprendizado de máquina em sistemas de negociação baseados em grade e martingale. Deveríamos apostar nele? para MetaTrader 5
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
Busca de padrões sazonais no mercado de Forex usando o algoritmo CatBoost para MetaTrader 5
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
Gradient boosting no aprendizado de máquina transdutivo e ativo para MetaTrader 5
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
Reamostragem avançada e seleção de modelos CatBoost pelo método de força bruta para MetaTrader 5
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
Gradient Boosting (CatBoost) no desenvolvimento de sistemas de negociação. Uma abordagem ingênua para MetaTrader 5
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
Fórum
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++) { if (a[i] < a[l]) { ++m; idx_temp = idx[m]; idx[m] = idx[i]; idx[i] = idx_temp;
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 - spline nodes, array[ 0 ..N- 1 ]. Y - function values, array[ 0 ..N- 1 ]. OPTIONAL PARAMETERS: N - points
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 ser diferentes, e devemos encontrar o método mais
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 ECNs. Mas há uma limitação aí - a maioria dos
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? Como tudo isso corresponde às regras da bolsa, será
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 :)
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 classes daqui , simples e multicamadas Perspectron
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 principalmente para reconhecer imagens, por exemplo, rostos