3D çubuklarda yeni bir otomatik alım-satım dünyasını keşfediyoruz. Bir alım-satım robotu çok boyutlu fiyat çubuklarında neye benziyor? "Sarı" renkli 3D çubuk kümeleri trend dönüşlerini tahmin edebilir mi? Çok boyutlu alım-satım nasıl bir şey?
Borsada doğrusal olmayan regresyon modelleri: Finansal piyasaları tahmin etmek mümkün mü? EURUSD fiyatlarını tahmin etmek için bir model oluşturmayı ve buna dayalı iki robot geliştirmeyi inceleyelim - Python ve MQL5'te.
Süpermarket perakendeciliği analitiğinin tahmin edici kuralları gerçek Forex piyasasına nasıl uygulanır? Kurabiye, süt ve ekmek satın alımlarının borsa işlemleriyle nasıl bir bağlantısı var? Makale, ilişkilendirme kurallarının kullanımına dayanan algoritmik alım-satıma yönelik yenilikçi bir yaklaşımı tartışmaktadır.
Makale, teknik analiz ilkelerini LSTM sinir ağı mimarisiyle entegre ederek işlem hacmi analizine dayalı fiyat tahminini iyileştirme olasılığını araştırmaktadır. Anormal hacimlerin tespiti ve yorumlanması, kümeleme kullanımı ve hacimlere dayalı özelliklerin oluşturulması ve bunların makine öğrenimi bağlamında tanımlanmasına özellikle dikkat edilmektedir.
Hava durumu ve Forex arasındaki ilişki nedir? Klasik ekonomi teorisi, hava durumu gibi faktörlerin piyasa davranışı üzerindeki etkisini uzun süre göz ardı etmiştir. Ama her şey değişti. Hava koşulları ile tarımsal para birimlerinin piyasadaki konumu arasında bağlantılar bulmaya çalışalım.
Bu makalede, Forex piyasasında binlerce sentetik fiyat oluşturan, bunları analiz eden ve kar için başarılı bir şekilde işlem yapan ve aynı zamanda aracı kurumların gözünde yasal olarak kalan bir arbitraj sistemi oluşturacağız.
Gezegenlerin ve yıldızların konumları finansal piyasaları etkiliyor mu? Kendimizi istatistikler ve büyük verilerle donatalım ve yıldızlarla hisse senedi grafiklerinin kesiştiği dünyaya doğru heyecan verici bir yolculuğa çıkalım.
Python ve MQL5'te bir alım-satım robotu geliştirmeye yönelik makale serisine devam ediyoruz. Bu makalede Python'da bir alım-satım algoritması oluşturacağız.
Python ve MQL5'te bir alım-satım robotu geliştirmeye yönelik makale serisine devam ediyoruz. Bugün bir model seçme ve eğitme, test etme, çapraz doğrulama uygulama, ızgara arama (grid search) ve model topluluğu (ensemble) problemini çözeceğiz.
Makine öğrenimine dayalı bir alım-satım robotu geliştirme: Ayrıntılı bir rehber. Serinin ilk makalesi veri ve özelliklerin toplanması ve hazırlanması ile ilgilidir. Projenin uygulanması için Python programlama dili ve kütüphaneleri ile MetaTrader 5 platformu kullanılmıştır.
Makine öğrenimi, strateji geliştirme için popüler bir yöntem haline gelmiştir. Karlılığı ve tahmin doğruluğunu en üst düzeye çıkarmaya daha fazla odaklanılırken, tahmin modelleri oluşturmak için kullanılan verilerin işlenmesinin önemine çok fazla dikkat edilmemiştir. Bu makalede, Timothy Masters'ın “Testing and Tuning Market Trading Systems” (piyasa alım-satım sistemlerinin test edilmesi ve ayarlanması) kitabında belgelendiği gibi, tahmin modeli oluşturmada kullanılacak göstergelerin uygunluğunu değerlendirmek için entropi kavramını kullanmayı ele alacağız.
Bu makalede, Python'da bir Rastgele Orman modeli oluşturacağız, modeli eğiteceğiz ve veri ön işleme ile bir ONNX veri hattı (pipeline) olarak kaydedeceğiz. Ardından modeli MetaTrader 5 terminalinde kullanacağız.
Makale, elektromanyetizma benzeri algoritmanın (EM) ilkelerini, yöntemlerini ve çeşitli optimizasyon problemlerinde kullanım olanaklarını açıklamaktadır. EM algoritması, büyük miktarda veri ve çok boyutlu fonksiyonlarla çalışabilen verimli bir optimizasyon aracıdır.
Fidan dikimi ve büyütme (SSG) algoritması, çok çeşitli koşullarda hayatta kalmak için olağanüstü yetenek gösteren gezegendeki en dirençli organizmalardan birinden esinlenmiştir.
Birçok insan sinir ağlarını sever, ancak çok az insan sinir ağlarının arkasındaki tüm işlemleri anlar. Bu makalede, ileri beslemeli çok katmanlı bir algının kapalı kapıları ardında olan her şeyi sade bir dille açıklamaya çalışacağım.
Bu makalede, maymun algoritması (MA) optimizasyon algoritmasını ele alacağız. Bu hayvanların zorlu engelleri aşma ve en ulaşılmaz ağaç tepelerine ulaşma yeteneği, MA algoritması fikrinin temelini oluşturmuştur.
Bu makalede, mükemmel ses uyumunu bulma sürecinden esinlenen en güçlü optimizasyon algoritması olan armoni aramayı (HS) inceleyecek ve test edeceğiz. Peki şu anda sıralamamızda lider olan algoritma hangisi?
GSA, cansız doğadan ilham alan bir popülasyon optimizasyon algoritmasıdır. Algoritmada uygulanan Newton'un yerçekimi yasası sayesinde, fiziksel cisimlerin etkileşimini modellemenin yüksek güvenilirliği, gezegen sistemlerinin ve galaktik kümelerin büyüleyici dansını gözlemlememize olanak tanır. Bu makalede, en ilginç ve orijinal optimizasyon algoritmalarından birini ele alacağız. Uzay nesnelerinin hareket simülatörü de sağlanmıştır.
E. coli bakterisinin yiyecek arama stratejisi, bilim insanlarına BFO optimizasyon algoritmasını yaratmaları için ilham vermiştir. Algoritma, optimizasyona yönelik orijinal fikirler ve umut verici yaklaşımlar içermekte olup daha fazla çalışmaya değerdir.
Bu makalede, Fisher'ın iris veri kümesinin sınıflandırma görevini çözmek için Scikit-learn kütüphanesinde bulunan tüm sınıflandırma modellerinin uygulanmasını inceleyeceğiz. Bu modelleri ONNX formatına dönüştürmeye ve elde edilen modelleri MQL5 programlarında kullanmaya çalışacağız. Ek olarak, orijinal modellerin doğruluğunu tam iris veri setindeki ONNX versiyonlarıyla karşılaştıracağız.
Bu makalede, Scikit-learn paketinden regresyon modellerinin uygulanmasını inceleyecek, bunları ONNX formatına dönüştürmeye çalışacak ve sonuçta ortaya çıkan modelleri MQL5 programlarında kullanacağız. Ayrıca, orijinal modellerin doğruluğunu hem float hem de double hassasiyet için ONNX versiyonlarıyla karşılaştıracağız. Ek olarak, regresyon modellerinin ONNX temsilini inceleyerek iç yapılarının ve çalışma prensiplerinin daha iyi anlaşılmasını sağlayacağız.
Yabancı otların çok çeşitli koşullarda hayatta kalma konusundaki şaşırtıcı yeteneği, güçlü bir optimizasyon algoritması için bir fikir haline gelmiştir. IWO, daha önce incelenenler arasındaki en iyi algoritmalardan biridir.
Regresyon, etiketlenmemiş bir örnekten gerçek değeri tahmin etme görevidir. Regresyon metrikleri, regresyon modeli tahminlerinin doğruluğunu değerlendirmek için kullanılır.
Nesne yönelimli programlama, okunması ve değiştirilmesi kolay olan daha kompakt bir kod oluşturulmasını sağlar. Burada üç ONNX modeli için örneğe bir göz atacağız.
Burada makine öğreniminin sadece bir yönünü - aktivasyon fonksiyonlarını - açıklayacağız. Yapay sinir ağlarında, bir nöron aktivasyon fonksiyonu, bir girdi sinyalinin veya bir dizi girdi sinyalinin değerlerine dayalı olarak bir çıktı sinyali değerini hesaplar. Sürecin iç işleyişini derinlemesine inceleyeceğiz.
Açık sinir ağı santrali (Open Neural Network eXchange, ONNX), sinir ağlarını temsil etmek için oluşturulmuş açık bir formattır. Bu makalede, bir Uzman Danışmanda aynı anda iki ONNX modelinin nasıl kullanılacağını göstereceğiz.
Bu makalede ateş böceği algoritması (Firefly Algorithm, FA) optimizasyon yöntemini ele alacağız. Yapılan değişiklik sayesinde algoritma, dışarıdan bakan bir oyuncudan gerçek bir derecelendirme tablosu liderine dönüştü.
Açık sinir ağı santrali (Open Neural Network eXchange, ONNX), makine öğrenimi modellerini temsil etmek için oluşturulmuş açık bir formattır. Bu makalede, finansal zaman serilerini öngörmek için bir CNN-LSTM modelinin nasıl oluşturulacağını ele alacağız. Ayrıca oluşturulan ONNX modelinin bir MQL5 Uzman Danışmanında nasıl kullanılacağını da göstereceğiz.
Balık sürüsü arama (Fish School Search, FSS) algoritması, %80'e varan çoğunluğu türdeş organize topluluklar halinde yüzen balıkların sürü içerisindeki davranışlarından esinlenen yeni bir optimizasyon algoritmasıdır. Balık kümelerinin, yiyecek arama ve avcılardan korunma verimliliğinde önemli bir rol oynadığı kanıtlanmıştır.
İnceleyeceğimiz bir sonraki algoritma, Levy uçuşlarını kullanan guguk kuşu arama optimizasyonudur. Bu, en yeni optimizasyon algoritmalarından biridir ve derecelendirme tablosunda yeni bir liderdir.
Bu makalede en yeni modern optimizasyon algoritmalarından biri olan gri kurt optimizasyonunu ele alacağız. Test fonksiyonları üzerindeki orijinal davranışı, bu algoritmayı daha önce incelenenler arasında en dikkat çekici olanlardan biri haline getirmektedir. Bu, sinir ağlarının, çok değişkenli düzgün fonksiyonların eğitiminde kullanılan en iyi algoritmalardan biridir.
Bu makalede, yapay arı kolonisi algoritmasını inceleyeceğiz ve bilgi birikimimizi fonksiyon uzaylarıyla çalışmanın yeni ilkeleriyle destekleyeceğiz. Ayrıca algoritmanın klasik versiyonuna yorumumuzu katarak değiştirilmiş bir versiyonunu uygulayacağız.
Bu sefer karınca kolonisi optimizasyonu algoritmasını analiz edeceğiz. Bu algoritma çok ilginç ve karmaşıktır. Makalede, yeni bir ACO türü oluşturma girişiminde bulunacağız.
Bu makalede, popüler parçacık sürüsü optimizasyonu (Particle Swarm Optimization, PSO) algoritmasını ele alacağız. Bir önceki makalede, optimizasyon algoritmalarının yakınsama, yakınsama oranı, kararlılık, ölçeklenebilirlik gibi önemli özelliklerini tartıştık, ayrıca bir test ortamı geliştirdik ve en basit RNG algoritmasını inceledik.
Gradyan iniş, sinir ağlarının ve çeşitli makine öğrenimi algoritmalarının eğitiminde önemli bir rol oynamaktadır - hızlı ve akıllı bir algoritmadır. Etkileyici bir şekilde çalışmasına rağmen, birçok veri bilimci tarafından hala yanlış anlaşılmaktadır. Bu makalemizde onu detaylıca inceleyerek daha iyi anlayacağız.
Karar ağaçları, insanların düşünme şeklini taklit ederek verileri sınıflandırır. Bu makalede, karar ağaçlarını nasıl oluşturacağımızı ve onları verileri sınıflandırmak ve öngörmek için nasıl kullanacağımızı göreceğiz. Karar ağacı algoritmasının temel amacı, heterojen verilerden homojen veya homojene yakın verileri ayırmaktır.
Bu makalede, ABD ekonomisinin temel analizine dayalı olarak borsa çöküşünü öngörmek için lojistik modelimizi kullanmaya çalışacağız. Değerlendirmemizi Netflix ve Apple hisse senetleri üzerinde yapacağız ve 2019 ve 2020’deki borsa çöküşlerindeki verileri kullanacağız. Bakalım lojistik modelimiz kasvetli piyasa koşullarında nasıl performans gösterecek.
matrix ve vector özel veri türleri, matematiksel gösterime çok yakın kodların oluşturulmasına olanak sağlar. Bu, programcıyı iç içe döngüler oluşturmaktan ve hesaplamaya dahil olan dizilerin sürekli olarak doğru bir şekilde indekslenmesine dikkat etmekten kurtarır. Dolayısıyla, matrix ve vector metotlarının kullanılması, karmaşık programların geliştirilmesinde güvenilirliği ve hızı artırır.
