|
8+ 年
经验
|
0
产品
|
0
演示版
|
|
0
工作
|
0
信号
|
0
订阅者
|
本文研讨季节性特征的扩展研究：自相关热点图和散点图。 本文之目的是展示“市场记忆”的季节性，它通过任意顺序增量的最大相关性来表达。
分步说明如何使用 DDE 将数据从 Matlab 传输到 MetaTrader 4。
本文探讨了 DLL 库 - 包装程序的创建，它能使 MetaTrader 4 和 MATLAB 数学桌面包进行交互。 文章对其中的“陷阱”以及克服的方法进行了介绍。 本文面向的读者是使用 Borland C++ Builder 6 编译器且具有 C/C++ 基础的程序员。
在本文中，我们讨论的交易分析方法是，在 MetaTrader 4 终端中度量夹角。本文提供了一个大致的计划来使用夹角做趋势变化的分析，以及用于在交易中做夹角分析的实用的非标准方法。本文也提出了结论，这对交易是有帮助的。
本文重点介绍机器学习模型中输入变量（预测因子）的选择，预处理以及评估的相关细节。同时将探讨新的方法和预测因子深度分析及其对模型过度拟合可能的影响。模型的总体效果很大程度上取决于这一阶段的结果。我们将分析两个包，它们分别提供预测因子选择的新老方法。
与图形模式相关的交易策略自动化需要能够在图表中搜索极值点以备进一步处理和解释，现有的工具并不能一直提供这种功能。本文中描述的方法可以在图表上找到极值点，这里讨论的工具在有趋势和平盘市场上都一样有效，取得的结果不会被所选时段很大影响，也不会只针对特定的缩放尺度。
在这篇文章中, 我们继续致力于反向交易技巧。我们将会尝试减少最大余额回撤，直到对之前探讨的交易工具可以接受的水平。我们将会看看这样是否将会减少利润，我们还将在其它市场中检验反转方法的运行，包括股票、商品、指数、ETF和农产品市场。注意，本文包含了很多图片!
本文研讨三种可用于提高袋封融合分类品质的方法，并对其效率进行了评估。 评估 ELM 神经网络超参数的优化效果，以及后期处理参数。
市场研究和分析有多种不同的方法，主要是技术分析和基础分析。在技术分析中，交易者收集、处理和分析与市场有关的数字数据和参数，包括价格、数量等。在基本面分析中，交易者分析直接或间接影响市场的事件和新闻。本文研究了价格-速度测量方法，并在此基础上研究了交易策略。
在设计使用 Kohonen 网络的通用工具的基础上，我们建立了优化EA参数的分析和选择系统，并探讨了时间序列的预测。在第一部分中，我们修正和改进了公开的神经网络类，增加了必要的算法。现在，是时候在实际应用中使用它们了。
很多交易者会谈到神经网络，但很少人知道什么是神经网络以及它们真正的作用。本文旨在阐述人工智能的世界。本文将介绍如何正确地为此网络准备数据。在这里，您将看到使用程序 Matlab 的方式进行预测的示例。
逐步说明如何通过 CSV 文件组织 MetaTrader 4 与 Matlab 之间的数据数组交换。