Все о MQL5 Wizard: создавайте роботов без программирования. - страница 7

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 41): Deep-Q-Networks

Deep-Q-Networks (DQN) - это еще один алгоритм обучения с подкреплением, помимо Q-Learning, который мы рассматривали в этой статье, но он, в отличие от Q-Learning, использует нейронные сети для прогнозирования q-значения и следующего действия, которое должен предпринять агент. Она похожа/родственна Q-Learning тем, что в ней по-прежнему задействована Q-таблица, в которой хранятся накопленные знания о действиях и состояниях из предыдущих "эпизодов". Фактически, у него та же страница в Википедии, что и у Q-Learning, как видно из ссылок, где он определяется по сути как вариант Q-Learning.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 42): Осциллятор ADX

Индикатор ADX - это осциллятор, который предназначен для измерения того, насколько силен тот или иной тренд на рынке для той ценной бумаги, к которой он привязан. В этой статье, как и в предыдущих, рассматриваются различные паттерны, демонстрируемые этим индикатором в пользовательском файле класса сигналов, для советников, собранных мастером. Мы рассматриваем по одному паттерну за раз, как это было в предыдущих статьях, посвященных RSI, полосам Боллинджера и RSI, а затем завершаем статью тестом, включающим все паттерны, чтобы понять, какой из них имеет наибольший вес.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 43): Обучение с подкреплением с помощью SARSA

Reinforcement Learning (RL) позволяет торговым системам обучаться на основе окружающей среды или рыночных данных и тем самым улучшать свои торговые способности с течением времени. RL позволяет адаптироваться к изменяющимся рыночным условиям, что делает его подходящим для определенных динамичных финансовых рынков и ценных бумаг. Финансовые рынки непредсказуемы, так как часто характеризуются высокой степенью неопределенности. RL отлично справляется с принятием решений в условиях неопределенности, постоянно корректируя свои действия на основе полученной обратной связи (вознаграждения), что очень полезно для трейдеров при работе с нестабильными рыночными условиями.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 44): Технический индикатор Average True Range (ATR)

Average True Range - распространенный и популярный индикатор волатильности, который, возможно, для форекс-трейдеров является "ближайшей вещью" к данным об объеме. Разработанный как индикатор, предназначенный для отслеживания диапазона ценовых баров, не скупясь на внутрибаровые изменения цены, он стал своего рода оплотом в индустрии не только для фильтрации сигналов входа, но и для руководства при определении размера позиции. Мы рассмотрим этот индикатор, разложив его на возможные паттерны, как мы делали это в предыдущих статьях об индикаторах, с тем, пожалуй, главным отличием, что мы рассматриваем паттерны вне класса пользовательских сигналов, а также класс пользовательского управления капиталом для советников, собранных мастером.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 45): Обучение с подкреплением с помощью Монте-Карло

В этой статье мы продолжим рассмотрение обучения с подкреплением, рассмотрев другой алгоритм, а именно Монте-Карло. Этот алгоритм очень похож и, по сути, может включать в себя и Q-Learning, и SARSA, поскольку он может быть как политическим, так и не политическим. Однако его отличает акцент на эпизодах. Это просто способ пакетного обновления циклов обучения с подкреплением, который мы представили в этой статье, таким образом, чтобы обновление Q-значений Q-карты происходило реже.

В алгоритме Монте-Карло Q-значения обновляются только после завершения эпизода. Эпизод - это пакет циклов. Для данной статьи мы назначили это количество циклов входным параметром 'm_episodes_size', который можно оптимизировать или регулировать. Монте-Карло считается достаточно устойчивым к изменчивости рынка, поскольку он может лучше моделировать широкий спектр возможных рыночных сценариев, позволяя трейдерам определить, как различные стратегии работают в различных условиях. Такая изменчивость помогает трейдерам понять потенциальные компромиссы, риски и доходность, что позволяет им принимать более обоснованные решения.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 46): Ichimoku

Ichimoku Kinko Hyo, которую часто называют Облаком Ичимоку, - это широкомасштабная система технического анализа, призванная обеспечить целостное представление о рыночных тенденциях, уровнях поддержки и сопротивления, а также импульсе. Разработанная в конце 1930-х годов и усовершенствованная в течение последующих трех десятилетий, Ichimoku Kinko Hyo переводится с японского как "график равновесия с одного взгляда" или "график баланса с одного взгляда"; названия, которые подчеркивают ее дизайн, чтобы предложить единый, детальный взгляд на рынок.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 48): Аллигатор Билла Вильямса

Индикатор Alligator был разработан Биллом Вильямсом исходя из того, что рынки имеют тенденцию к сильному тренду в любом заданном направлении только в течение 15-30 % времени. По своей сути он является инструментом следования за трендом, который помогает трейдерам определить направление рынка и потенциальные фракталы или разворотные точки. Это достигается за счет использования набора из трех сглаженных скользящих средних (SMA), которые не только установлены на разных периодах усреднения, но и сдвинуты вперед на разную величину.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 47): Обучение с подкреплением с помощью временной разницы

Введение в обучение с использованием временной разницы (TD) в обучении с подкреплением служит пропуском к пониманию того, как TD отличается от других алгоритмов, таких как Monte Carlo, Q-Learning и SARSA. Эта статья призвана раскрыть сложности, связанные с обучением TD, подчеркивая его уникальную способность обновлять оценки значений постепенно, основываясь на частичной информации из эпизодов, а не дожидаясь завершения эпизодов, как в методах Монте-Карло. Это различие делает TD-обучение мощным инструментом, особенно в тех случаях, когда среда динамична и требует быстрого обновления политики обучения.

В предыдущей статье об обучении с подкреплением мы рассмотрели алгоритм Монте-Карло, который собирает информацию о вознаграждении в течение нескольких циклов, прежде чем выполнить одно обновление для каждого эпизода. Темпоральная разница (TD), однако, заключается в обучении на частичных и неполных эпизодах, подобно алгоритмам Q-Learning и SARSA, которые мы рассматривали ранее здесь и здесь.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 50): Awesome Oscillator

Awesome oscillator - это еще один индикатор, разработанный легендарным инвестором Биллом Вильямсом, помимо Alligator, который мы рассматривали в прошлой статье про индикатор-шаблон. В принципе, он предназначен для измерения рыночного импульса и помогает определить потенциальные изменения в преобладающих тенденциях.

[Sergey Golubev]

Техники мастера MQL5, которые вы должны знать (часть 51): Обучение с подкреплением с помощью SAC

Soft Actor Critic - это еще один алгоритм обучения с подкреплением, который мы рассматриваем, уже рассмотрев несколько, включая оптимизацию проксимальной политики, глубокие Q-сети, SARSA и другие. Этот алгоритм, как и некоторые другие, которые мы уже рассматривали, использует нейронные сети, но с некоторыми важными оговорками. Всего используется три сети, а именно: 2 сети критиков и сеть актеров. Две критические сети делают прогнозы вознаграждения (Q-Values) при вводе действия и состояния среды, а минимальное значение выходов этих двух сетей используется для модуляции функции потерь, применяемой для обучения сети актеров.