Обсуждение статьи "Машинное обучение онлайн для фильтрации торговых сигналов в MQL5 (Часть 1): Фильтр, обучающийся на результатах закрытых сделок"
MetaQuotes:
Действительно интересная статья, и она полностью совпадает с моими собственными мыслями!Ознакомьтесь с новой статьёй: «Онлайн-обучение с использованием методов машинного обучения для фильтрации торговых сигналов в MQL5» (Часть 1).
Автор: Адеолу Кайоде Гбадебо
С нетерпением жду вторую часть как можно скорее!
Отличная работа, Адеолу!!
С уважением
Ханс Моллер
MetaQuotes:
Привет, Адеолу,Ознакомьтесь с новой статьёй: «Онлайн-обучение с использованием методов машинного обучения для фильтрации торговых сигналов в MQL5» (Часть 1).
Автор: Адеолу Кайоде Гбадебо
Когда можно ожидать вторую часть твоей статьи? Можешь ли ты подтолкнуть администраторов, чтобы они быстрее опубликовали вторую часть, если она уже готова?
С уважением
Ханс Моллер
Опубликована статья Машинное обучение онлайн для фильтрации торговых сигналов в MQL5 (Часть 1): Фильтр, обучающийся на результатах закрытых сделок:
Возьмите простую стратегию на основе пересечения EMA(12) и EMA(26) и протестируйте ее на любой ликвидной валютной паре на годовом интервале: она улавливает настоящие тренды, но также постоянно выдает сигналы в боковике, поскольку учитывает лишь то, что два значения только что пересеклись, и ничего не знает об окружающей рыночной ситуации. Фильтры, настроенные вручную, — где порог ADX, где диапазон RSI — решают эту проблему лишь до тех пор, пока рыночные условия не изменятся по сравнению с тем историческим периодом, на котором их настраивали. В этом процессе ничто не обучалось: фиксированное правило лишь подгонялось под фиксированный набор данных.
Машинное обучение — очевидный следующий шаг, но в большинстве статей, где к нему обращаются, модель один раз проходит офлайн-обучение, затем ее веса фиксируют и экспортируют в советник (EA). Такой подход наследует ту же слепую зону: модель отражает лишь определенный момент, и нет гарантии, что усвоенная ею зависимость сохранится после изменения характера рынка, а механизма, позволяющего заметить, что она больше не действует, нет.
В этой статье мы создадим фильтр с таким недостающим механизмом: логистическую регрессию с онлайн-обучением, веса которой обновляются после каждой закрытой сделки, используя только встроенные массивы MQL5 и шаг SGD, реализованный в пяти строках кода. Никаких внешних скриптов для обучения, никакого экспорта в ONNX, никакого расписания переобучения, о котором нужно помнить.
Автор: Adeolu Kayode Gbadebo