В сегодняшней статье рассматривается возможность обучения больших языковых моделей (LLM) на центральных процессорах (CPU), без использования графических процессоров (GPU). Это позволяет снизить системные требования и дает больше возможностей для тестирования. На практике обучение на CPU ограничено производительностью и может быть неэффективно для сложных задач, однако для простых функций это возможный путь.

Ключевые этапы обучения LLM начинаются с создания набора данных. Используя MetaTrader 5, происходит сбор и обработка данных. Важно аккуратно выполнить разбиение данных, чтобы учесть возможности CPU. Далее данные проходят процесс токенизации с помощью библиотек, например, tiktoken, что помогает в их подготовке для обучения.

Следующий шаг — непосредственное обучение модели. С помощью проекта llm.c на GitHub можно использовать примеры для подготовки и обучения моделей. Это включает ...

Читать далее...

сторону формулы, чем уменьшу количество операций. Это сделано для простоты описания, хотя может и не быть лучшим вариантом. Теперь процедура будет довольно простая: сначала берется транспонированная матрица, затем она умножается на исходную матрицу, и затем результату присваивается обратная величина. Далее, после получения обратной матрицы, умножаем её на транспонированную из первой стадии. Чтобы реализовать возврат кода обратно, мы должны реализовать соответствующие процедуры транспонирования и инверсии. Первая из них более простой, так как достаточно переместить столбцы и строки, что относительно просто сделать, если предварительно выделено достаточно памяти. Вторая, более сложная, она требует испытания различных решений благодаря более сложным структурам. В продолжении статьи проделывается реализация того простого кода для преобразования MQL5, о котором ранее говорилось. В результа...

Читать далее...

В современной экономике прогнозирование цен и рыночных трендов является ключевым элементом для успешного управления рисками и принятия эффективных торговых решений. В условиях высокой волатильности традиционные методы машинного обучения могут быть ограничены в своих возможностях. Переход на предварительное обучение моделей на больших неразмеченных данных, а затем тонкая настройка под конкретные задачи, значительно повышают точность без необходимости сбора больших объемов новых данных. Модели на базе Transformer успешно адаптированы для финансовых данных, учитывают корреляции и временные зависимости, что позволяет строить более точные рыночные прогнозы. Это открывает новые горизонты для построения стратегий с минимальной ручной настройкой.

Читать далее...

Торговый индикатор Support and Resistance предназначен для отображения уровней поддержки и сопротивления на графике цен. Эти уровни определяются с использованием классических симметричных фракталов. KG Support and Resistance предлагает использование данных с четырех таймфреймов, которые настраиваются пользователем. В работе индикатора предусмотрено два варианта расчета уровней: по ценам High/Low и Open/Close, а также два типа визуализации: High/Low и Open/Close. Этот индикатор оптимизирован для стратегий, фокусирующихся на пробоях и отскоках от уровней, что делает его полезным инструментом для анализа рынка.

Читать далее...

Опытным разработчикам MetaTrader 5 и новичкам в алгоритмической торговле будет интересно прочитать о создании сложных типов данных, таких как структуры и классы. Статья объясняет, как с помощью структур оптимизировать хранение и управление данными, позволяя объединять взаимосвязанные элементы в единую сущность. Также рассматриваются возможности объектно-ориентированного программирования для модульного построения кода, что важно при командной разработке. Автор предлагает практические примеры использования данных подходов в MQL5, подчеркивая их пользу в повышении надежности и удобства работы с программами. Детали о передаче функций между разными модулями завершают этот полезный для разработки обзор.

Читать далее...

Индикатор способен отслеживать ключевые события в торговом процессе: открытие и закрытие позиций, фиксация прибыли или убытков, полное использование капитала. Рекомендуется устанавливать индикатор на актив с высокой волатильностью для более точных результатов. При работе с низковолатильными инструментами возможны задержки и пропуски. Встроенные мелодии помогают отслеживать события звуковыми оповещениями. Все аудиофайлы размещаются в директории терминала по пути "/Files/Sounds". Это решение подходит для трейдеров, стремящихся к оперативному получению информации о важнейших движениях в торговле.

Читать далее...

Углубление в алгоритм адаптивной социальной оптимизации (ASBO) демонстрирует, как принципы коллективного поведения можно применить для решения сложных задач оптимизации. ASBO, развиваясь через динамическое лидерство, соседство и самоорганизацию, адаптирует решения с помощью самоадаптивной мутации. Рассматриваются ключевые аспекты, как гибкость в эволюции параметров мутаций по методу Швефеля для повышения эффективности поиска в огромном пространстве решений. Для обеспечения стабильности значения таких параметров, как Cg и Cs, включены методы нормализации и адаптивного масштабирования. Эти подходы расширяют возможности оптимизации торговых стратегий, предоставляя разработчикам мощные инструменты для достижения высоких результатов.

Читать далее...

Разрабатывается алгоритм для сглаживания ценовых колебаний и облегчения визуальной идентификации направления тренда. Это особенно актуально для анализа финансовых рынков, где точность и предсказуемость движения цены имеют первостепенное значение. Изучение таких методик может значительно улучшить понимание текущих рыночных условий и помочь в принятии инвестиционных решений. Алгоритм позволяет нивелировать шумы и краткосрочные отклонения, предоставляя более четкую картину основного тренда. Применение данной стратегии может быть полезно для долгосрочного планирования и создания стабильных инвестиционных портфелей.

Читать далее...

Билл Вильямс известен как разработчик индикаторов и стратегий, основанных на психологии рынка. Основные инструменты: Аллигатор, фракталы, Awesome Oscillator (AO). Аллигатор: три скользящих средних помогают выявлять фазы рынка. AO оценивает импульс через разницу SMA. Фракталы указывают на возможные точки разворота.

Использование стратегии Вильямса повышает стабильность торговли. Добавление прогностических инструментов и индикаторов ADX и ATR улучшает результативность. Стратегия демонстрирует положительный коэффициент Шарпа и минимальные риски. Возможности углубленного обучения еще больше усиливают этот подход.

Читать далее...

Созданный индикатор представляет собой адаптацию Dynamic RSI для платформы МТ4. Этот инструмент предоставляет аналитикам возможность проведения более гибкого анализа рыночных трендов. Dynamic RSI предназначен для определения перекупленности или перепроданности, что помогает в прогнозировании возможных поворотных точек на рынке.

Интеграция динамики в традиционный RSI позволяет учитывать изменения волатильности рынка. Это способствует лучшей адаптации стратегии к различным фазам рынка без необходимости постоянной настройки параметров. Применение индикатора полезно как для краткосрочной, так и для долгосрочной торговли, сохраняя при этом эффективность в изменяющихся условиях рынка.

Включение такого инструмента в арсенал трейдера улучшает возможности анализа, предоставляя дополнительные параметры для оценки рыночной динамики.

Читать далее...

Статья обсуждает процесс вычисления псевдообратной матриц без использования описанных в библиотеках MQL5 функций. Автор делится опытом оптимизации на основе специализированных процедур вместо широкого подхода. Описывается метод, где вместо работы с матрицами используется преобразование массивов, что упрощает и ускоряет выполнение. Рассмотренные подходы применимы к задачам алгоритмической торговли, где скорость и эффективность критически важны. Пример показывает, как можно адаптировать вычисления для использования возможностей графических процессоров, обеспечивая значительное Улучшение производительности в обширных базах данных.

Читать далее...

Программирование с использованием алгоритмической торговли стало еще сложнее с введением инновационной системы Artificial Ecosystem-based Optimization (AEO). Этот алгоритм, основанный на природных экосистемах, помогает улучшать процесс оптимизации через взаимодействие и адаптацию решений, как виды в природе адаптируются к своим экологическим нишам. AEO поддерживает поиск наилучших решений, моделируя поведение экосистем – от "травы" до "хищников" – и включает элементы случайности и детерминированности. Этот подход обеспечивает оптимальный баланс между исследованием и эксплуатацией, что делает его перспективным инструментом для разработки алгоритмических решений в трейдинге и программировании.

Читать далее...

Статья раскрывает причины неудач начинающих алгоритмических трейдеров и предлагает решение: прогнозирование значений технических индикаторов. Используя MetaTrader 5 и Python, демонстрируется, как это может повысить точность до 70% по сравнению с 50% при прогнозировании цен. Рассмотрены важные технические аспекты, как форматы данных, выбор моделей и методы машинного обучения. Показано преимущество точных индикаторов перед ценами, поскольку они раскрывают формулы и факторы влияния. Статья полезна для разработчиков, желающих создать более эффективные модели алгоритмической торговли и выработать лучшие стратегии прогнозирования.

Читать далее...

В последнем обновлении от 18 сентября 2023 года индикатор получил функционал отображения сигналов с помощью стрелок, которые реализованы как графические объекты с возможностью настройки прозрачности. Пользователь может отключать графическую часть при необходимости. В версии исправлены определенные неточности. Важно отметить, что инициализация буферов производится исключительно для корректной работы, а ненужная инициализация отсутствует.

Удалена отрисовка начальных значений, которая не влияла на результаты, но могла вызывать вопросы. Графика может создавать задержки на слабых компьютерах, рекомендуется уменьшение количества баров или отключение графики. В индикаторе осуществляется использование градиентной заливки для стрелок.

С учетом вышеизложенного предоставляется индикатор Dynamic RSI для MetaTrader 4.

Читать далее...

Проблема обучения нейронных сетей часто связана с неверными представлениями о их интеллектуальных способностях. В статье рассматривается, как научить нейронную сеть обрабатывать нефильтрованные данные, применяя концепцию секущей линии. Этот метод упрощает задачу нахождения решений, используя простые математические уравнения. Для точной классификации и корреляции данных нейронная сеть обучается создавать подходящее уравнение, используя случайные значения и настраивая их с помощью функций ошибок. Важность секущей линии в данном контексте позволяет разработчикам более эффективно оптимизировать работу нейронных сетей для различных приложений.

Читать далее...

Создание модели экономического прогнозирования с Python и экономическими данными делается возможным благодаря инструментариям, таким как pandas для манипуляции данных и wbdata для доступа к статистике Всемирного банка. Используя MetaTrader 5, мы совмещаем рыночные и экономические данные, чтобы обучить модель, применяя CatBoost Regressor из машинного обучения. Этот алгоритм способен находить сложные закономерности в больших массивах данных, что критично для точного прогнозирования курсов валют. Разработка, выводы и визуализация данных ведутся с учётом влияния ключевых экономических показателей на прогнозы, предоставляя ценные инсайты для трейдеров и разработчиков.

Читать далее...

Molformer представляет инновационный подход к анализу сложных рыночных данных, вдохновленный методами обработки молекулярных графов. Он использует гетерогенные графы и анализ мотивов, чтобы повысить точность прогнозирования рыночных трендов. Такой подход поддерживает многоуровневую структуру данных, что позволяет выделять более глубокие взаимосвязи, недоступные традиционным моделям. Важным элементом является комбинирование данных на уровне атомов и мотивов с использованием Self-Attention и алгоритма Farthest Point Sampling для создания молекулярных представлений. В статье также представлен практический пример реализации Molformer средствами MQL5 для применения в финансовых рынках.

Читать далее...

На странице профиля доступны различные аналитические продукты. Версия AllAverages v4.9 для МТ4 представлена для использования в стратегиях, агрегируя широкий спектр методов средних скользящих. Данный индикатор свободно доступен, но его нельзя найти на форуме MQL5, поэтому он был размещен здесь.

Среди методов: SMA, EMA, Wilder, LWMA, и другие. Каждая методология имеет уникальные свойства, применимые в торговых стратегиях. Возможности использования индикатора раскрываются через такие параметры, как выбор цен, таймфреймов, периодов усреднения и сдвигов.

Пользователи могут настроить цветовую индикацию роста и падения, а также получать оповещения о смене тренда. Доступны звуковые уведомления, электронные письма, и push-уведомления. Напоминания можно переключать по мере необходимости, адаптируя под требования трейдинга.

Читать далее...

Обсуждение нейронных сетей продолжается. Недостаток существующих моделей часто просматривается в ограничении константы <b>. Важно пересмотреть подходы к расчету, включая новые методы нахождения этой константы. Введение векторов веса и смещения в уравнение линии требует внимательности к математическим основам. Несмотря на сложность, эти элементы открывают путь к более точной модели.

Анализ взаимосвязи между весами и смещениями необходим для ясности вычислений и адаптации нейронных сетей. Эксперименты с весами и входными данными приводят к значимым открытиям в цифровой электронике, как это видно в примерах инверторов и буферов.

Эти принципы расширяют потенциал нейронов, обеспечивая работоспособность в многовходных средах. Углублённое изучение формул, которые мы используем, критично, чтобы понять истинные возможности сетей и создавать эффективные решения на их основе. Прогресс буде...

Читать далее...

Представлен скрипт для установки сетки отложенных ордеров. Он эффективен для автоматизации торговли. Этот инструмент позволяет задавать параметры ордеров с учетом рыночной ситуации. Открытие отложенных ордеров помогает усовершенствовать управление позициями и минимизировать ручные операции. Настройки включают количество ордеров, дистанцию между ними и тип ордера. Такой подход полезен для трейдеров, стремящихся к более точному контролю торговых стратегий. Обеспечивает прозрачность и четкость при планировании сделок. Подходит для опытных разработчиков и тех, кто разрабатывает автоматизированные системы торговли.

Читать далее...