Обсуждение статьи "Самооптимизирующиеся советники на MQL5 (Часть 12): Построение линейных классификаторов с использованием факторизации матриц"

[MetaQuotes]

Опубликована статья Самооптимизирующиеся советники на MQL5 (Часть 12): Построение линейных классификаторов с использованием факторизации матриц:

В данной статье рассматривается важная роль матричного разложения в алгоритмической торговле, в частности в приложениях MQL5. От регрессионных моделей до многоклассовых классификаторов — мы рассмотрим практические примеры, демонстрирующие, насколько легко эти методы можно интегрировать с помощью встроенных функций MQL5. Независимо от того, занимаетесь ли вы прогнозированием направления движения цен или моделированием поведения индикаторов, данное руководство заложит прочную основу для создания интеллектуальных торговых систем с использованием матричных методов.

Факторизация матриц — важный инструмент для алгоритмических трейдеров, заинтересованных в создании приложений, основанных на численных методах. Эти инструменты помогут нам создавать различные типы алгоритмов машинного обучения и не только. До сих пор в ходе нашего обсуждения мы рассматривали только задачи регрессионного анализа. Обратимся к вопросу классификации. В ходе сегодняшнего обсуждения мы попробуем создать классификатор рынков. Этот классификатор сможет различать восходящие и нисходящие движения на рынке. Мы хотим, чтобы это помогало нам правильно открывать сделки. Задача классификатора состоит в том, чтобы на основе исторических данных о поведении рынка сделать вывод о том, какие действия нам следует предпринять в конкретный торговый день.

Наша торговая стратегия работает следующим образом. Цель состоит в том, чтобы предсказать движения рынка на основе ожидаемого поведения индикатора скользящей средней. Кроме того, мы хотим, чтобы цена двигалась в соответствии со скользящей средней. То есть, если наша классификационная модель прогнозирует снижение скользящего среднего, мы также хотим наблюдать, как ценовые уровни опускаются ниже этого индикатора. Если мы ожидаем, что и скользящая средняя, и цена будут снижаться, мы откроем позиции на продажу. Скользящая средняя указывает направление движения цены, но перед открытием позиций мы также хотим, чтобы цена ускорила рост и вышла за пределы индикатора.

Та же логика применима и к длинным позициям. Мы хотим увидеть, что скользящая средняя начнёт расти, и цены должны резко ускорить рост, значительно превысив её уровень, чтобы мы могли открыть позицию на покупку.

Из этого описания видно, что наша модель будет одновременно прогнозировать два категориальных результата. Однако это не следует путать с многоклассовой классификационной моделью. Каждая из двух переменных, которые прогнозирует наша модель, представляет собой бинарный результат. Другими словами, модель отслеживает два отдельных бинарных исхода. Архитектура, которую мы здесь опишем, не подходит для одновременной классификации более двух классов.

Автор: Gamuchirai Zororo Ndawana