Aleksey / Лента новостей
Возможно ты попал по адресу! ))
Объявление простое.
Есть наработки в области [парного] кросс-трейдинга.
Последняя реализация ТС на С# для крипты. Надёжна и проста как "Теория всего."
Не ясна пока доходность, т.к. тестера не имеется.
Много граблей посчитано, шишки получены, достигнута определённая ясность сознания.
Могу поделиться опытом со страждущими!)
А так же идеями...
Взамен - взаимность, участие, энтузиазм, интерес к предмету.
Так же, в листе ожидания зависла задачка для программиста среднего уровня. Просто нет на это времени.
Задачка не очень сложная, но ставящая точку в представлении о доходности существующей ТС (кросс-трейдинг).
и вносящая ясность по её адаптации для форекс. Что потребует сосредоточенности и понимания mql-специфики.
Кому интересно, кликните Алексея в тг-группе: https://t.me/kulibyatino
и пообщаемся.
#кросс_трейдинг #парный_трейдинг
Советник GOLD CatBoost Angle MA 3 ST V1 работает на алгоритме Сatboost. Применяется технология изложенная в моих статьях, с которыми вы можете ознакомится ниже: Эксперименты с нейросетями (Часть 1): Вспоминая геометрию https://www.mql5.com/ru/articles/11077 Эксперименты с нейросетями (Часть 2): Хитрая оптимизация нейросети https://www.mql5.com/ru/articles/11186 Эксперименты с нейросетями (Часть 3): Практическое применение https://www.mql5.com/ru/articles/11949
Советник GOLD CatBoost Distans MA 3 ST V1 работает на алгоритме Сatboost. Применяется технология изложенная в моих статьях, с которыми вы можете ознакомится ниже: Эксперименты с нейросетями (Часть 1): Вспоминая геометрию https://www.mql5.com/ru/articles/11077 Эксперименты с нейросетями (Часть 2): Хитрая оптимизация нейросети https://www.mql5.com/ru/articles/11186 Эксперименты с нейросетями (Часть 3): Практическое применение https://www.mql5.com/ru/articles/11949
Советник CatBoost Angle MA 3 ST V1 работает на алгоритме Сatboost. Применяется технология изложенная в моих статьях, с которыми вы можете ознакомится ниже: Эксперименты с нейросетями (Часть 1): Вспоминая геометрию https://www.mql5.com/ru/articles/11077 Эксперименты с нейросетями (Часть 2): Хитрая оптимизация нейросети https://www.mql5.com/ru/articles/11186 Эксперименты с нейросетями (Часть 3): Практическое применение https://www.mql5.com/ru/articles/11949 Эксперименты
Советник CatBoost Distans MA 3 ST V1 работает на алгоритме Сatboost. Применяется технология изложенная в моих статьях, с которыми вы можете ознакомится ниже: Эксперименты с нейросетями (Часть 1): Вспоминая геометрию https://www.mql5.com/ru/articles/11077 Эксперименты с нейросетями (Часть 2): Хитрая оптимизация нейросети https://www.mql5.com/ru/articles/11186 Эксперименты с нейросетями (Часть 3): Практическое применение https://www.mql5.com/ru/articles/11949
https://www.mql5.com/ru/channels/machinelearning
Алгоритмы кластеризации в машинном обучении — это важные алгоритмы обучения без учителя, которые позволяют разделять исходные данные на группы с похожими наблюдениями. Используя эти группы, можно проводить анализ рынка для конкретного кластера, искать наиболее устойчивые кластеры на новых данных, а также делать причинно-следственный вывод. В статье предложен авторский метод кластеризации временных рядов на языке Python.
В статье рассматривается тема матчинга в причинно-следственном выводе. Матчинг используется для сопоставления похожих наблюдений в наборе данных. Это необходимо для правильного определения каузальных эффектов, избавления от предвзятости. Автор рассказывает, как это помогает в построении торговых систем на машинном обучении, которые становятся более устойчивыми на новых данных, на которых не обучались. Центральная роль отводится показателю склонности, который широко используется в причинно-следственном выводе.
Так как я постоянно занимаюсь, разработкой разного рода торговых систем сегодня хочу поделиться с Вами несколькими из них по стратегиям "Red Dragon H4", "BOLT", "YinYang" и "Statistics SAR". Данные стратегии были найдены на просторах интернета.
В этой статье мы рассмотрим теорию причинно-следственного вывода с применением машинного обучения, а также реализацию авторского подхода на языке Python. Причинно-следственный вывод и причинно-следственное мышление берут свои корни в философии и психологии, это важная часть нашего способа мыслить эту реальность.