• 信息
10+ 年
经验
0
产品
0
演示版
0
工作
0
信号
0
订阅者
There are two hard problems in computer science: 1) computers and 2) science.
Maxim Dmitrievsky
已发布文章Быстрый тестер торговых стратегий на Python с использованием Numba
Быстрый тестер торговых стратегий на Python с использованием Numba

В статье реализован быстрый тестер стратегий для моделей машинного обучения с применением Numba. По скорости он превосходит тестер стратегий на чистом Python в 50 раз. Автор рекомендует использовать эту библиотеку для ускорения математических расчетов и особенно там, где используются циклы.

4
Maxim Dmitrievsky
Maxim Dmitrievsky
Want to learn more about machine learning? Subscribe this channel to receive the latest and actual information!

https://www.mql5.com/ru/channels/machinelearning
Maxim Dmitrievsky
已发布文章因果推断中的时间序列聚类
因果推断中的时间序列聚类

在机器学习中,聚类算法是重要的无监督学习算法,它们可以将原始数据划分为具有相似观测值的组。利用这些组,可以分析特定聚类的市场情况,使用新数据寻找最稳定的聚类,并进行因果推断。本文提出了一种在Python中进行时间序列聚类的原创方法。

Maxim Dmitrievsky
已发布文章因果推理中的倾向性评分
因果推理中的倾向性评分

本文探讨因果推理中的匹配问题。匹配用于比较数据集中的类似观察结果,这对于正确确定因果关系和消除偏见是必要的。作者解释了这如何有助于构建基于机器学习的交易系统,这些系统在没有经过训练的新数据上变得更加稳定。倾向性评分在因果推理中起着核心作用并被广泛应用。

Maxim Dmitrievsky
已发布代码ONNX Trader
Пример бота со встроенной моделью машинного обучения, которая обучена на питоне и сохранена в формат ONNX.
2 409
Maxim Dmitrievsky
已发布文章时间序列分类问题中的因果推理
时间序列分类问题中的因果推理

在本文中,我们将研究使用机器学习的因果推理理论,以及 Python 中的自定义方法实现。因果推理和因果思维植根于哲学和心理学,在我们理解现实中起着重要作用。

Maxim Dmitrievsky
已发布文章CatBoost 模型中的交叉验证和因果推理基础及导出为 ONNX 格式
CatBoost 模型中的交叉验证和因果推理基础及导出为 ONNX 格式

本文提出了使用机器学习创建 EA 交易的方法。

Maxim Dmitrievsky
已添加主题关于SI语言的问题
void quicksort( double *a, int *idx, int l, int u) {    int i, m, idx_temp;    double a_temp;    if (l >= u)      return ;   m = l;    for (i=l+ 1 ; i<=u; i++)
Maxim Dmitrievsky
已添加主题插值、近似等(alglib包)。
我需要用任意的设置对一个函数进行插值,所以我选择了样条。 This subroutine builds cubic spline interpolant. INPUT PARAMETERS:      X           -   spline nodes, array[ 0 ..N- 1 ]
Maxim Dmitrievsky
已添加主题分析模式的最重要的统计学特征,并选择一种交易方法。
比方说,我们有一块图表。我们需要(在历史上)研究出开启交易的最佳方式。在哪里买,在哪里卖,在哪里买更多,在哪里关闭,等等。但我们必须考虑到模式可能是不同的,我们必须找到最有效的方法来计算任何模式的 开仓 位置,同时将风险降到最低。
Maxim Dmitrievsky
已添加主题在C#中通过WebSocket检索一个价格流。
你好,亲爱的先生们。对接收不同来源的报价感兴趣(包括LMAX交易所)。由于不同的经纪商与不同的ECN、流动性提供商相连,因此最好直接从ECN本身获得报价。但那里有一个限制 - 大多数供应商不会与我们分享他们的报价,除非我们直接与他们联系。但有几个地方我们可以获得报价,包括
Maxim Dmitrievsky
已添加主题交易所套利,是否值得深究?
我不知道是否有人在FORTS上遇到过不同经纪商的滞后报价?是值得向这个方向挖掘,还是一切早已明了,没有必要再玩下去?:) 不同经纪公司的报价是否有差异或延迟?这一切如何与交易所的规则相对应,这种交易会不会是作弊,或者一切都在法律范围内,"谁有时间,谁就吃了"?
Maxim Dmitrievsky
已添加主题我已经要放弃与他们斗争了......
有谁能告诉我什么会导致这些错误?StopLevels水平为20点,所有交易都应通过。 残缺不全和脱引是很烦人的 :)
Maxim Dmitrievsky
已添加主题神经网络的顾问,分享经验。
论坛上几乎没有关于现成的解决方案和神经网络在市场上交易的有效性的信息。我建议在这里讨论和分享经验。如果已经有一个讨论的主题,请链接到它。 我正在使用 这里的 类,简单的多层Perspectron。我希望班级算得准,我是靠作者的经验来算的。开始做实验了,很有意思:) 目前,我在输入端有11个诱因,输出端是一个向未来转移了1条的之字形。
Maxim Dmitrievsky
已添加主题使用OpenCV来识别图形模式
众所周知,相关和类似的方法不能准确地处理时间序列的匹配,在某些情况下,根本就不准确。 最近,计算机视觉已经变得很普遍。它主要用于识别图像,例如照片中的人脸。据我所知,这种方法的效果非常准确。有没有人有使用这些库进行模式识别的经验?嗯,并使用mql中的库。我认为这个主题本身就非常有趣,应该加以发展。我还没有这方面的经验,但想学习。 我猜它可能对机器学习、模式搜索和其他任务有很大帮助。 有趣的是--有可能在机器人中建立一个可能性,通过他的脸来识别用户,如果有一个摄像头,如果是不同的人,则不 允许交易
Maxim Dmitrievsky
已发布文章网格和马丁格尔交易系统中的机器学习。 您敢为其打赌吗?
网格和马丁格尔交易系统中的机器学习。 您敢为其打赌吗?

本文介绍了应用于网格和马丁格尔交易的机器学习技术。 令人惊讶的是,这种方法在全球网络中难觅踪迹。 阅读过本文之后,您将能够创建自己的交易机器人。

· 6 6056
Maxim Dmitrievsky
已发布文章利用 CatBoost 算法寻找外汇市场的季节性模式
利用 CatBoost 算法寻找外汇市场的季节性模式

本文探索了用时间过滤器建立机器学习模型,并讨论了这种方法的有效性。现在,只要简单地指示模型在一周中某一天的某个时间进行交易,就可以消除人为因素。模式搜索可以由单独的算法提供。

· 11 2081
Maxim Dmitrievsky
已发布文章直推和主动机器学习中的梯度提升
直推和主动机器学习中的梯度提升

在本文中,我们将探讨利用真实数据的主动机器学习方法,并讨论它们的优缺点。也许你会发现这些方法很有用,并将它们包含在你的机器学习模型库中。直推是由支持向量机(SVM)的共同发明者弗拉基米尔·瓦普尼克(Vladimir Vapnik)提出的。

· 8 1656
Maxim Dmitrievsky
已发布文章基于暴力算法的 CatBoost 模型高级重采样与选择
基于暴力算法的 CatBoost 模型高级重采样与选择

本文描述了一种可能的数据转换方法,旨在提高模型的通用性,并讨论了 CatBoost 模型的采样和选择。

· 7 2355
Maxim Dmitrievsky
已发布文章梯度提升(CatBoost)在交易系统开发中的应用. 初级的方法
梯度提升(CatBoost)在交易系统开发中的应用. 初级的方法

在 Python 中训练 CatBoost 分类器,并将模型导出到mql5,以及解析模型参数和自定义策略测试程序。Python 语言和 MetaTrader 5 库用于准备数据和训练模型。

· 11 2259
12