|
нет
опыт работы
|
10
продуктов
|
3
демо-версий
|
|
0
работ
|
1
сигналов
|
0
подписчиков
|
Революционный Форекс советник, построенный на принципах уникальной торговой системы Recovery. Ключевым фактором эффективности этого алгоритма является точный анализ поведения цены вблизи психологически важных круглых уровней. Более того, система использует особое представление цены в виде координат, отличных от традиционных свечных графиков. Основные преимущества советника: Стратегия Recovery, основанная на восстановлении цены Высокая точность определения ключевых уровней поддержки и
Авторский Форекс советник, сочетающий в себе передовые технологии автоматической торговли. Уникальный алгоритм, основанный на моделях машинного обучения и искусственного интеллекта, позволяет анализировать рыночные условия в реальном времени и принимать взвешенные торговые решения. Ключевые особенности: Cистема, адаптирующаяся к меняющимся рыночным условиям Использование стратегии усреднения для минимизации рисков Высокая точность входа в позиции, подтвержденная успешным тестированием с 2008
Скорость майнинга: 0.83 гигахэшей в секунду
Оставшееся время при обычном переборе хэшей: 53595377703241.02 дней
Текущий хэш: bab82dc74aedc6a4ee2ded6f9e0f0ee3a1a192ed0c7cc4b035d0f370727c22c0
Нейросетевой советник Al Grid Форекс с использованием AI-технологий Представляем вашему вниманию инновационный торговый советник, разработанный с применением технологий искусственного интеллекта (AI Trading). В основе нашего AI-советника лежит уникальная нейросетевая модель, математически основанная на методе классификации, разработанном советскими математиками. Эта модель позволяет выявлять сложные нелинейные закономерности на валютном рынке и принимать высокоэффективные торговые решения
Представляем вашему вниманию торговый советник Зоя - инновационное решение для автоматизированной торговли на валютной паре EUR/USD. Созданный с использованием передовых методов машинного обучения, этот экспертный советник демонстрирует надежные результаты на протяжении более 24 лет тестирования. В основе советника Зоя лежит модель машинного обучения, обученная на исторических данных рынка с 2007 года. Несмотря на серьезные потрясения, такие как финансовый кризис 2008 года, модель продолжает
План до начала лета : обучить минимум 21 модель, по 5-7 на каждой паре, на разных парах. Целевая доходность в год у каждой по 2%, целевая просадка до 1% в год, и совокупная по всем парам не более 4-5%. Каждую из моделей я буду загружать в маркет MQL5, средняя цена по всем моделям будет 800 долларов.
А 1 июня начнется жара. Мы с другом возьмём проп, большой счёт. Проп израильский, мы так страхуемся от санкций, евреи никогда не будут вводить санкции против русскоязычных там, где русские могут помочь им заработать.
Все Вагнера торгуют там, кто понял тот понял) Я уже получил подключение к их реальному серверу, посмотрел там все, мои модели там успешно торгуют, все супер!
И сразу же в июне я запущу реалити шоу на 2 миллиарда тенге. Смысл этого пропа в масштабировании счета. Берете вы допустим счет на 50 000 долларов, при успешной торговле проп обязуется увеличивать ваш счёт на 30-50% за каждые 10% на счёте, вплоть до 4 000 000$.
Я сделаю публичный сигнал MQL5. Буду рассказывать о том, как идёт торговля, предоставлять отчётность. Все это будет в рамках реалити, и цель дойти до планки счета в 4 миллиона долларов за 2-3 года.
Как вам идея?
Здравствуйте! Модель была обучена на данных австралийского доллара, с форвардным тестом, начинающимся в 2008 году. 8 лет обучающих данных соответствуют 16 годам тестовых данных. Для модели используются 100 признаков, и используется одна модель XGBoost и одна модель CatBoost. Модель обучена на данных до 2008 года, что позволяет ей эффективно прогнозировать будущие цены. На форвардный тест вне участка обучения можно взглянуть после 2008 года. Модель использует 100 признаков, которые позволяют ей
Здравствуйте! Модель была обучена на данных австралийского доллара, с форвардным тестом, начинающимся в 2015 году. 15 лет обучающих данных соответствуют 9 годам тестовых данных. Для модели используются 100 признаков, и используется одна модель XGBoost и одна модель CatBoost. Модель обучена на данных до 2015 года, что позволяет ей эффективно прогнозировать будущие цены. На форвардный тест вне участка обучения можно взглянуть после 2015 года. Модель использует 100 признаков, которые позволяют ей
Здравствуйте! Модель была обучена на данных австралийского доллара, с форвардным тестом, начинающимся в 2006 году. Шесть лет обучающих данных соответствуют 18 годам тестовых данных. Для модели используются 400 признаков, и используется одна модель XGBoost и одна модель CatBoost. Модель обучена на данных до 2010 года, что позволяет ей эффективно прогнозировать будущие цены. На форвардный тест вне участка обучения можно взглянуть после 2010 года. Модель использует 400 признаков, которые позволяют
Я сменил подход, сменил картинку. Сделал 10 лучших метрик оценки моделей классификации, научно обоснованных метрик, таких как точность, полнота, меткость, F1, и т.п. Вывел на основе этих метрик среднюю, сделал формулу.
Сразу же появилась новая проблема, дисбаланс классов. Если цена на исторических данных росла в течение 20-30 лет, лучшие метрики укажут на модели бычьего рынка, которые будут в итоге прогнозировать только покупки и все. Я с этим уже сталкивался, когда делал компьютерное зрение для анализа графиков. Пришлось внедрять балансировку классов по новому для меня методу, с весами классов.
Итог всей этой работы будет известен завтра, после тысячи обученных моделей и выбора одной лучшей. Тружусь для маркета, систему охлаждения ноутбука пожалуй надо уже менять)
Больше не придется мучиться, обучая сотни моделей, когда в прибыль идёт одна из сотни. Научные метрики нормально оценивают модели.
Здравствуйте! Модель была обучена на данных австралийского доллара, с форвардным тестом, начинающимся в 2006 году. Шесть лет обучающихся данных соответствуют 18-летним тестовым данным. Для модели использовано 99 признаков, причем используется одна модель XGBoost и одна модель CatBoost. Модель, изученная на данных до 2006 года, позволяет ей эффективно прогнозировать будущие цены. На форвардный тест вне участка обучения можно взглянуть после 2006 года. Модель использует 99 признаков, которые
Здравствуйте! Модель была обучена на данных австралийского доллара, с форвардным тестом, начинающимся в 2006 году. Шесть лет обучающихся данных соответствуют 18-летним тестовым данным. Для модели использовано 99 признаков, причем используется одна модель XGBoost и одна модель CatBoost. Модель, изученная на данных до 2006 года, позволяет ей эффективно прогнозировать будущие цены. На форвардный тест вне участка обучения можно взглянуть после 2006 года. Модель использует 99 признаков, которые
Данный советник EA использует две модели машинного обучения - китайскую XGBoost и российскую CatBoost, работающие в паре и усиливающие сигналы друг друга. Советник создан специально для пары евро-доллар и обучен на данных брокера РобоФорекс. Благодаря использованию двух моделей, советник может эффективно анализировать рынок и выдавать более точные сигналы для торговли. Модель обучена на данных до 2010 года, что позволяет ей эффективно прогнозировать будущие цены. На форвардный тест вне участка
Разработка торгового робота на основе машинного обучения: подробное руководство. В первой статье цикла осуществлен сбор и подготовка данных и признаков. Для реализации проекта используется язык программирования Python и библиотеки, а также платформа MetaTrader 5.
Как работают маркет-мейкеры на рынке? Рассмотрим этот вопрос и создадим примитивный алгоритм маркет-мейкинга.
Разбираем вопрос, что такое количественный анализ, как его применяют крупные игроки, создадим один из алгоритмов количественного анализа на языке MQL5.
Просадки по полгода на пике. Думал взять счет в пропе США. Получается, что 4% риска в пропе, можно выдержать только торгуя втрое меньшим лотом. 5% прибыли за год. Проп такими темпами, я сдам за год. Или за полтора, если не повезет и попаду на неудачное время.
Все-таки настоящий трейдинг это всегда long term capital managment) Десятилетия труда и настойчивости. Забудьте вообще о тупых мошенниках, которые обещают в рекламе быстрые прибыли с трейдинга, о каких блин 50% в месяц можно говорить? О чем речь вообще? Это НЕВОЗМОЖНО! И легких денег в трейдинге ТОЖЕ НЕТ! ВСЕ ЭТИ СМАРТ МАНИ, ЧУДО СИСТЕМЫ, БРЕДЯТИНА ВСЯКАЯ - ЭТО ПРОСТО ЗАМАНУХА ДЛЯ ЛОХОВ НА ПОКУПКУ КУРСОВ!
В этой статье мы создадим модель случайного леса на языке Python, обучим модель и сохраним ее в виде конвейера ONNX с препроцессингом данных. Модель мы далее используем в терминале MetaTrader 5.