Обсуждение статьи "Возможности Мастера MQL5, которые вам нужно знать (Часть 68): Использование паттернов TRIX и процентного диапазона Уильямса с сетью косинусного ядра"

[MetaQuotes]

Опубликована статья Возможности Мастера MQL5, которые вам нужно знать (Часть 68): Использование паттернов TRIX и процентного диапазона Уильямса с сетью косинусного ядра:

В продолжение нашей предыдущей статьи, где мы представили пару индикаторов TRIX и процентного диапазона Уильямса, мы рассмотрим, как эту пару индикаторов можно расширить с помощью машинного обучения. TRIX и процентный диапазон Уильямса представляют собой взаимодополняющую пару, отражающую тренд и уровни поддержки/сопротивления. Наш подход на основе машинного обучения использует сверточную нейронную сеть (convolution neural network), в архитектуре которой задействуется косинусное ядро (cosine kernel) при точной настройке прогнозов этой пары индикаторов. Как обычно, это делается в пользовательском файле класса сигналов (signal class), который взаимодействует с Мастером MQL5 для создания советника.

Из десяти сигнальных паттернов, рассмотренных в предыдущей статье, только три прошли форвард-тест. Паттерны были получены путем комбинирования сигналов индикатора тренда TRIX и осциллятора уровня поддержки/сопротивления процентный диапазон Уильямса (Williams Percent Range, WPR). Обучение/оптимизация советника были ограничены одним годом (2023), а дальнейший анализ прогнозов проводился в течение следующего года (2024). Мы проводили тестирование на CHFJPY H4.

При расширении наших паттернов, прошедших форвард-тест, средствами машинного обучения мы обычно применяем Python, поскольку он очень эффективно реализует и обучает нейронные сети. Это верно даже без графического процессора. В предыдущих статьях мы начинали с реализаций на Python функций для паттернов, прошедших форвард-тест. В этой статье мы затронем реализацию индикаторов на Python, но в основном сосредоточимся на настройке сети, которая принимает сигналы индикатора в качестве входных данных. Это одномерная сверточная нейронная сеть, использующая в своей архитектуре ядро косинуса.

Автор: Stephen Njuki