文章 "一个基于新指标和条件长短期记忆网络(LSTM)的实例" - 页 2

 
Anil Varma #:

你好,哈维尔

感谢您的回复。

我发现了问题所在。您在 EA 中将其命名为 "stock_prediction_model_MACD.onnx",但压缩文件却将其命名为stock_prediction_model_MACD_Signal.onnx

我还注意到代码中指标句柄使用不当(错误!!!)。您使用了

在 MQL5 中,指标值是通过 CopyBuffer 和指标句柄得出的,而您在以下代码中使用了指标句柄

请详细说明为什么在第一种情况下使用不同的句柄和 double 变量来获取值?




你好,阿尼尔

atr * _Point() 直接使用值。打印不带 point 的 atr 会得到奇怪的值。

 
Anil Varma #:

你好,哈维尔

感谢您的回复。

我发现了问题所在。您在 EA 中将其命名为 "stock_prediction_model_MACD.onnx",但压缩文件却将其命名为stock_prediction_model_MACD_Signal.onnx

我还注意到代码中指标句柄使用不当(错误!!!)。您使用了

在 MQL5 中,指标值是通过 CopyBuffer 和指标句柄得出的,而您在以下代码中使用了指标句柄

请详细说明为什么在第一种情况下使用不同的句柄和 double 变量来获取值?




您说得完全正确!

我犯了一个错误,谢谢你指出来。

你必须使用 copybuffer 和 handle。

 

你好,哈维尔

当我尝试 1:2 或 1:3 这样一个合适的比例时,它是一个失败的机器人。

 
MuhireInnocent #:

你好,哈维尔

当我尝试 1:2 或 1:3 这样一个合适的比例时,它是一个失败的机器人。

您好,我想我没有说得太清楚,这个例子只是用来说明您可以将 LSTM 与 OHLC 结合使用。请不要使用此示例进行交易。

 

你好,哈维尔

如何确保参数 VAMTHRESH 的值?

 
在我看来,python 代码中引入了前瞻性,

def __getitem__(self, index):
x = self.data[index:index + self.window_size, :]
y = self.data[index + self.window_size, 0]# 预测 "收盘 "价格
conditions = self.data[index + self.window_size, 1:]# 使用所有其他特征作为条件
返回 x y 条件

修正:将条件改为 index + window_size - 1,以便只使用最后可用的数据。

影响:实际结果将是 ~48-52% 的命中率,而不是 80-90%。这些结果无法在实时市场中交易。