文章 "利用Python进行季节性过滤并为EA的ONNX深度学习模型选择时间周期"

新评论
 

新文章 利用Python进行季节性过滤并为EA的ONNX深度学习模型选择时间周期已发布：

在利用Python构建深度学习模型时，我们能否从季节性因素中获益？为ONNX模型过滤数据是否有助于获得更好的结果？我们应该使用哪个时间周期？本文将全面探讨这些问题。

在阅读了《利用外汇市场季节性因素获利》一文后，我决定撰写另一篇文章，对比加入季节性因素与未加入季节性因素的交易策略（Expert Advisor，简称EA），以探究季节性因素是否能带来优势。 

我早已知晓市场会受到季节性因素的影响。当我了解到马克·扎克伯格用一位投资者的资金为Facebook提供资金时，这一点变得尤为明显。这位投资者曾用他在Bar Mitzvah（犹太男孩13岁时的成年礼）收到的钱投资石油股票，预测加勒比海地区预期的飓风会导致油价上涨。他分析了天气预报，指出那段时间将有恶劣天气。

我非常自豪且有兴趣撰写这篇文章，旨在探讨市场和季节性因素是相互关联的。将两者结合起来的一个好方法是将它们融入一个EA中，但我们已经有一篇关于此的文章，链接如下：如何在mql5中集成ONNX模型的示例。

首先，我们将使用EA对比有数据过滤和无数据过滤的模型，以观察数据过滤是否会产生影响。之后，我们将通过图表讨论季节性因素，并以2024年2月为例，展示加入和未加入季节性因素的实际效果。在文章的最后部分（我认为非常有趣），我们将讨论对已有EA的其他方法：如何在MQL5中使用ONNX模型，并探讨我们是否可以通过微调这些EA和ONNX模型来获得优势。我现在就可以告诉你，答案是肯定的，我们可以。

作者：Javier Santiago Gaston De Iriarte Cabrera

新评论