Обсуждение статьи "Разработка инструментария для анализа Price Action (Часть 35): Обучение и развертывание прогнозных моделей"

[MetaQuotes]

Опубликована статья Разработка инструментария для анализа Price Action (Часть 35): Обучение и развертывание прогнозных моделей:

Исторические данные – вовсе не "мусор", а основа любого надежного рыночного анализа. В этой статье мы шаг за шагом пройдем путь от сбора истории до ее использования для обучения прогностической модели, а затем – до развертывания этой модели для прогнозирования цен в реальном времени. Давайте разберемся, как это сделать.

В этой статье мы переходим от простого скрипта к полноценному советнику, чтобы обеспечить непрерывный мониторинг и связь в реальном времени с Python-бэкендом – то, с чем отдельный скрипт не справляется достаточно эффективно. Советник Spike Detector в MetaTrader 5 работает в клиент-серверной архитектуре: он выступает клиентом, а сервер Flask на Python – бэкендом. Советник постоянно отслеживает формирование новых свечей. Через заданные интервалы он собирает заданное количество исторических свечей (данные OHLCV и временные метки), сериализует их в JSON и отправляет на Python-сервер с помощью HTTP POST-запроса.

Python-бэкенд, который обычно содержит либо модель машинного обучения, либо логику на основе правил, анализирует входящие рыночные данные и возвращает сигнал: BUY, SELL, CLOSE или WAIT. Получив этот ответ, советник интерпретирует сигнал и действует согласно настройкам пользователя: рисует стрелки на графике, открывает сделки или закрывает существующие позиции. Такой цикл обратной связи позволяет MetaTrader в реальном времени расширять свои встроенные возможности за счет внешней аналитики, фактически объединяя движок исполнения MetaTrader 5 с вычислительной мощностью Python.

Автор: Christian Benjamin

[Helga Gustana Argita]

это потрясающе

но почему я не вижу объектов, созданных при наличии сигнала, даже не совершая сделки