Разговор с искусственным интеллектом (ИИ) о форексе. - страница 111
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Сначала нужно узнать, правильный ли это ответ?
Могу ответить про mql5. Если прошу пример кода, я указываю, что нельзя использовать "include" и что весь код должен быть написан в примере, без скрытых функций.
Пока что самый работоспособный код, который был в его примерах, написан на Python.
Больше всего раздражает, что не понятно на сколько можно верить ответу. Если б сеть могла отвечать на сколько она уверена в процентах, было бы намного проще и быстрее
Больше всего раздражает, что не понятно на сколько можно верить ответу. Если б сеть могла отвечать на сколько она уверена в процентах, было бы намного проще и быстрее
Полностью с вами согласна, ответы ChatGPT напоминают мне человека, у которого всегда есть мнение, вне зависимости от того, понимает он тему, на которую отвечает, или нет. Единственный плюс в том, что такие ответы иногда содержат полезную информацию. Далее каждый сам должен найти способ отсеять ненужное от полезного. Вот почему я не редактирую ответы ChatGPT, потому что, возможно, кому-то пригодиться информация, которую я могу удалить.
Итак, я решила показать, что сделал ChatGPT с точки зрения генерации кода машинного обучения, или, если быть более точным, показать результаты производительности такого сгенерированного кода.
Для обучения алгоритма использовались данные индикатора RSI таймфрейма H1. Тренировочное окно 7 свечей H1 таймфрейма.
После обучения было выбрано первое окно из 11 свечей Н1, а затем это окно в цикле увеличивается на одно значение (исторические данные индикатора RSI) и затем данные RSI сравниваются с прогнозными данными. Каждое изображение показывает результат разных тренировок, 1 months ... 7 months — это разные тренировки и разные размеры данных, используемых для обучения.
Вы можете увидеть, сколько значений индикатора RSI H1 было использовано для обучения и тестирования: The size of the data array is 528 units or a period of 0 years, 1 months, 0 workdays and 0 hours.
Коэффициент корреляции Пирсона для «Должен быть предсказан» и «Прогнозы» на протяжении всего периода: Pearson Correlation coefficient: 0.9
Скользящий коэффициент корреляции для «Должно быть предсказано» и «Прогнозы» с размером окна 24 часа: Average correlation, window size 24: 0.62
+++
The size of the data array is 1056 units or a period of 0 years, 2 months, 0 workdays and 0 hours.
Pearson Correlation coefficient: 0.91
Average correlation, window size 24: 0.70
+++
The size of the data array is 1584 units or a period of 0 years, 3 months, 0 workdays and 0 hours.
Pearson Correlation coefficient: 0.94
Average correlation, window size 24: 0.73
+++
The size of the data array is 2112 units or a period of 0 years, 4 months, 0 workdays and 0 hours.
Pearson Correlation coefficient: 0.93
Average correlation, window size 24: 0.73
+++
The size of the data array is 2640 units or a period of 0 years, 5 months, 0 workdays and 0 hours.
Pearson Correlation coefficient: 0.93
Average correlation, window size 24: 0.72
+++
The size of the data array is 3168 units or a period of 0 years, 6 months, 0 workdays and 0 hours.
Pearson Correlation coefficient: 0.94
Average correlation, window size 24: 0.72
+++
The size of the data array is 3696 units or a period of 0 years, 7 months, 0 workdays and 0 hours.
Pearson Correlation coefficient: 0.92
Average correlation, window size 24: 0.72
И так до 10 лет.
Average correlation, window size 24: 0.74
Average correlation, window size 24: 0.75
Average correlation, window size 24: nan
Как видно, для 10 месяцев, сохранились неподходящие веса.
Average correlation, window size 24: nan
На данный момент кажется, что чем дальше искать закономерности в истории, тем труднее становится предсказать.
ссылка на работу ИИ с документами формата PDF : https://app.humata.ai
ссылка на первое упоминание ресурса HUMATA на форуме : https://www.mql5.com/ru/forum/443190/page23#comment_45807251
редактор формул для составления запроса : https://www.codecogs.com/latex/eqneditor.php
Тестовая версия MQL5 Copilot в бете 3647