2 Anexo (s) Por isso, consegui criar um EA que comunica com o Azure ML e com a API do Serviço de Internet Fornecido. Uso volumes de preços e cada índice da publicação como entrada. Eu tentei ligar praticamente tudo em todos os sentidos que julguei útil e razoável. Na plataforma Azure ML, o que eu achei mais precisamente chamado foi uma coluna atribuída como rótulo a ser chamado como saída de níveis do número de PIPs que o mercado move e usa modelos de várias classes em vez de um modelo de regressão. Como em (1,2,3,4) para movimentos de alta e (-1, -2, -3, -4) para movimento de baixa e (0) para pouco ou nenhum movimento (ou exatamente da mesma ideia com apenas 2 ou 3 classes (1) UP (-1) DOWN.
Eu tenho tentado diferentes bases de dados e formas de como eu poderia fazer uso das previsões, mas corri de idéias de trabalho ou não estou usando os resultados exatos da maneira apropriada, eu sou novo para isso e ainda aprendendo então eu queria abrir este tópico para ter alguma ajuda e algumas idéias de aplicações para Aprendizado de Máquina no Forex, bem como o uso do Azure ML. Eu queria ter insights, perspectivas e ideias de pessoas com mais experiência em como usar dados de FX, bem como o que poderia potencialmente funcionar melhor ou qualquer idéia de como usar ML para previsão de FX, ou pelo menos obter alguma vantagem estatística com isso . Como eu disse, ainda estou aprendendo e acho que não tenho a perspectiva de um veterano de FX, mesmo que não seja em aprendizado de máquina em nível de programação e codificação, mas em como realmente usar dados de FX e como o mercado realmente funciona. Discutir algum conhecimento e me dar alguma luz e discutir uma idéia de como ela poderia ser aplicada ou do que poderia funcionar em quase todos os níveis.
Eu também estou considerando os insights de pessoas que podem não ter qualquer compreensão em ML ou habilidades de codificação ou no tópico, mas têm uma perspectiva de uma possível aplicação. Eu também estou disposto a ajudar e compartilhar com pessoas que são muito curiosas nessas aplicações e Machine Learning for FX e a construção de bancos de dados para essas previsões. Contanto que todos nós estamos dispostos a discutir e ajudar uns aos outros e desenvolver junto com nossas idéias.
de volta aos meus resultados: obtive resultados com mais de 90% de precisão no Azure ML em praticamente todas as minhas tentativas seguindo alguns parâmetros de entrada, e também obtive ótimos resultados ao chamar ZigZag Points.
Mas não consigo fazer a função da EA tão perfeitamente quanto os resultados que obtenho no Azure ML, seja com a Neural Networks ou alguns outros algoritmos de Machine Learning. Eu não sei se estou perdendo alguma coisa ou se a base de dados provavelmente não é convergente ou grande o suficiente ou qualquer outra coisa. Então eu gostaria de pensar e ajudar a construir um banco de dados melhor para previsão de Forex com o Azure ML.
Alguém pode, por favor, tentar descrever-me e ajudar-me a descobrir porque é que obtenho resultados quase perfeitos no Azure ML, mas na análise em tempo real e back-testing não chego nem perto de bons resultados.
O mais interessante é que, se eu testá-lo com dados conhecidos, ele funciona perfeitamente. Não há nada de errado, então o problema não está na entrada ou na entrada, eu realmente achei que era ideal por um segundo até que percebi que eram dados conhecidos com os quais eu estava testando, mas quando eu testava com dados desconhecidos é como aleatório. Então por favor. . Alguém tem alguma perspectiva sobre isso e pode me ajudar a determinar o que há de errado com isso? E quais seriam os melhores e mais confiáveis dados para entrar? Eu tentei tudo o que pude pensar, mas não correspondeu às expectativas até agora.
Então, eu queria ajuda e insights sobre isso, qualquer perspectiva sobre isso seria de grande ajuda e ou se alguém teve melhores resultados do que o meu com isso.
Agradeço antecipadamente.
-Imagem 1 é um conjunto de dados que criei para prever as 10 velas subseqüentes no período M15 com 2 Class UP (1) e DOWN (-1), Image 2 é o resultado que obtive.