文章 "机器学习交易系统中的隐马尔可夫模型"

[MetaQuotes]

新文章 机器学习交易系统中的隐马尔可夫模型已发布：

隐马尔可夫模型（HMM）是一类强大的概率模型，用于分析序列数据，其中观测值取决于形成马尔可夫过程的某些未观察（隐藏）状态的序列。HMM 的主要假设包括隐状态的马尔可夫性质，即转移到下一个状态的概率仅取决于当前状态，以及在当前隐状态已知的情况下，观测值是独立的。

hmmlearn 库是一组用于无监督学习（隐马尔可夫模型）的 Python 算法。 它旨在提供简单高效的工具来处理 HMM，遵循 scikit-learn 库 API，便于集成到现有的机器学习项目中，并为熟悉 scikit-learn 的用户简化训练过程。Hmmlearn 构建于 NumPy、SciPy 和 Matplotlib 等基础科学 Python 库之上。

hmmlearn 的主要功能包括实现具有不同观测分布类型的各种 HMM 模型、从观测数据训练模型参数、推断最可能的隐藏状态序列、从训练好的模型生成样本，以及保存和加载训练好的模型。多种已实现的模型使用户能够根据其数据的性质选择最合适的观测分布类型。数据类型（连续型、离散型、计数型）决定了哪种概率分布最能描述每个隐藏状态下观测值的生成过程。

作者：dmitrievsky

[fxsaber]

Затем, следует скомпилировать приложенного в конце статьи бота и протестировать его в тестере MetaTrader 5.

图14. 在MetaTrader 5交易终端中对最佳模型进行全周期测试

MQL5 files.zip 压缩包包含适用于 MetaTrader 5 交易终端的文件

请将发布文章中包含的回测结果及相应的 tst 文件作为标准做法。谢谢。

[[删除]]

fxsaber #:

请将论文中发布的回测结果及其相应的tst文件作为标准要求。谢谢。

很遗憾，我写得不太勤快。我会尽量记住这一点，以后多写。