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.
Bu makalede, Uzman Danışmanlar, göstergeler ve komut dosyaları geliştirmenin zaman ve emek yoğunluğunu azaltma açısından yeteneklerini anlamak için OpenAI'dan ChatGPT ile uğraşacağız. Size bu teknolojide hızlı bir şekilde yol göstereceğim ve MQL4 ve MQL5'te programlama için doğru şekilde nasıl kullanılacağını göstermeye çalışacağım.
Daha önce tartışılan konunun mantıksal bir devamı, ticaret görevleri için çok işlevli matematiksel modellerin geliştirilmesi olacaktır. Bu makalede, fraktalları tanımlayan ilk matematiksel modelin geliştirilmesiyle ilgili tüm süreci sıfırdan anlatacağım. Bu model önemli bir yapı taşı haline gelmeli, çok işlevli ve evrensel olmalıdır. Bu fikrin daha da geliştirilmesi için teorik temelimizi oluşturacaktır.
Bu makalede fraktalları incelemeye devam edeceğiz ve tüm materyali özetlemeye özellikle dikkat edeceğiz. Bunu yapmak için, daha önceki tüm gelişmeleri, ticarette pratik uygulama için uygun ve anlaşılabilir olacak kompakt bir forma getirmeye çalışacağım.
Bu makale serisinde, ticaret ve fiyatlandırma süreçlerini tanımlamak için olasılık teorisinin pratik bir uygulamasını bulmaya çalışacağız. İlk makalede, kombinatorik ve olasılığın temellerine bakacağız ve fraktalların olasılık teorisi çerçevesinde nasıl uygulanacağına dair ilk örneği analiz edeceğiz.
Bu makalede, komisyon ve swap dahil olmak üzere herhangi bir işlemin toplam kâr veya zararını nasıl hesaplayacağınızı göstereceğim. En doğru matematiksel modeli sağlayacağım ve onu kodu yazmak ve standartla karşılaştırmak için kullanacağım. Ayrıca, kârı hesaplamak için olan ana MQL5 fonksiyonunun içerisine girmeye ve enstrüman özelliklerindeki gerekli tüm değerlerin özüne inmeye çalışacağım.
Bu makalede, çok durumlu sistemleri iki duruma indirgeme olasılığı ile ilgili bir çalışma yapmaya karar verdim. Makalenin temel amacı, olasılık teorisine dayalı ölçeklenebilir ticaret algoritmalarının daha da geliştirilmesine yardımcı olabilecek analizler yapmak ve faydalı sonuçlara varmaktır. Tabii ki bu konu matematik içeriyor. Ancak daha önceki makalelerden edindiğim tecrübeler ışığında, genel bilgilerin detaylardan daha faydalı olduğunu düşünüyorum.
Bu makalede, iyi bilinen Bernoulli şemasını vurgulamaya ve ticaretle ilgili veri dizilerini tanımlamak için nasıl kullanılabileceğini göstermeye karar verdim. Tüm bunlar daha sonra kendi kendini uyarlayan bir ticaret sistemi oluşturmak için kullanılacaktır. Ayrıca, özel bir durumu Bernoulli formülü olan daha genel bir algoritma arayacağız ve bunun için bir uygulama bulacağız.
Bu makalede, piyasayı az da olsa anlayan herhangi bir sistemin global ölçekte faaliyet gösterebileceği varsayımını test etmeye çalışacağım. Herhangi bir teori veya model icat etmeyeceğim, sadece bilinen gerçekleri kullanacağım ve bu gerçekleri kademeli olarak matematiksel analiz diline çevireceğim.
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.
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.
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.
Bu makalede, bir Uzman Danışman satın alırken dikkat etmeniz gereken bazı önemli noktaları ele alacağız. Ayrıca kârı artırmanın, akıllıca para harcamanın ve bu harcamalardan kazanç elde etmenin yollarını arayacağız. Ek olarak, makaleyi okuduktan sonra, basit ve ücretsiz ürünler kullanarak bile kazanç elde etmenin mümkün olduğunu göreceksiniz.
Bu makale, brute force konusuna bir devam niteliğindedir ve program algoritmasına piyasa analizi için yeni yetenekler getirmekte, böylece analiz hızını artırmakta ve sonuçların kalitesini yükseltmektedir. Yeni eklemeler, bu yaklaşım dahilinde global modellerin en yüksek kalitede görüntülenmesini sağlamaktadır.
Bu makalede brute force yaklaşımı konusuna devam edeceğiz. Uygulamamın yeni geliştirilmiş sürümünü kullanarak modelleri daha iyi bir şekilde vurgulamaya çalışacağım. Ayrıca farklı zaman aralıkları ve zaman dilimleri kullanarak istikrar farkını bulmaya çalışacağım.
Bu makalede, yatırım yapmak için bir sistem veya sinyal seçerken kullanılacak kriterleri göstereceğim, ayrıca ticaret sistemlerinin geliştirilmesine yönelik en uygun yaklaşımı açıklayacağım ve bu konunun Forex ticaretindeki önemini vurgulayacağım.
Bu makalede, piyasa modellerini arayacağız, belirlenen modellere dayalı Uzman Danışmanlar oluşturacağız ve bu modellerin geçerliliklerini koruyup korumadıklarını, ne kadar süreyle geçerli kaldıklarını kontrol edeceğiz.
Makale, Forex ticaretinin temel özelliklerini olabildiğince basit ve hızlı bir şekilde açıklamayı ve bazı temel fikirleri yeni başlayanlarla paylaşmayı amaçlamaktadır. Ayrıca, basit bir göstergenin nasıl geliştirileceği gösterilecek ve ticaret topluluğundaki en endişe verici sorular yanıtlanmaya çalışılacaktır.
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.
Bu makale, optimizasyon algoritması sınıflandırmasına giriş niteliğinde bir makaledir. Makalede, optimizasyon algoritmalarını karşılaştırmaya ve belki de yaygın olarak bilinen algoritmalar arasından en evrensel olanını belirlemeye hizmet edecek bir test ortamı (bir fonksiyon kümesi) oluşturmaya odaklanılmaktadır.
Bu makalede, internetten nasıl veri elde edileceğini ve Uzman Danışmanda nasıl kullanılacağını ele almaya devam ediyoruz. Bu kez alternatif bir sistem geliştireceğiz.
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.
MetaTrader 5’te internetteki verilere nasıl erişilir? İnternet üzerinde devasa miktarda bilginin yer aldığı çok sayıda web sitesi vardır. Bilinmesi gereken, nereye bakılacağı ve bu bilgilerin en iyi şekilde nasıl kullanılacağıdır.
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.
Matematik problemlerinin verimli bir şekilde çözülebilmesi adına MQL5’e matrisler ve vektörler eklendi. Yeni türler, matematiksel gösterime yakın, öz ve anlaşılır kodlar yazmak için yerleşik metotlar sağlar. Diziler iyidir, ancak matrisler çok daha iyidir çünkü matrislerin çok daha verimli olduğu birçok durum vardır.
3D grafikler, gizli modellerin görselleştirilmesine olanak sağladıkları için büyük miktarda veriyi analiz etmek adına çok uygundur. Doğrudan MQL5 diliyle DireсtX fonksiyonları kullanılarak üç boyutlu nesneler oluşturulabilir. Böylece, MetaTrader 5 için herhangi bir karmaşıklıkta programlar, hatta 3D oyunlar oluşturmak bile mümkün hale gelir. Basit üç boyutlu şekiller çizerek 3D grafikleri öğrenmeye başlayın.
Ticaret modellerini incelerken grafikler şeklinde görselleştirme büyük önem taşımaktadır. R ve Python gibi bilim topluluğu arasında popüler olan programlama dilleri görselleştirme için özel plot fonksiyonuna sahiptir. Bu fonksiyon, ticaret modellerinin çizgiler, nokta dağılımları ve histogramlar şeklinde görselleştirilmesine olanak sağlar. MQL5’te de aynısı CGraphics sınıfı kullanılarak yapılabilir.
Ticaret stratejilerinin geliştirilmesi, büyük miktarda verinin işlenmesiyle ilişkilidir. Artık doğrudan MQL5'te SQLite tabanlı SQL sorguları kullanarak veritabanlarıyla çalışabilirsiniz. Bu motorun önemli bir avantajı, tüm veritabanının kullanıcının bilgisayarında bulunan tek bir dosyaya yerleştirilmiş olmasıdır.
Bu sefer matrisleri kullanarak modeller oluşturacağız. Matrisler, modellere esneklik sağlar. Yalnızca beş bağımsız değişkeni değil, bilgisayarın hesaplama yeteneklerinin izin verdiği ölçüde çok sayıda değişkeni işleyebilen güçlü modeller oluşturmamıza olanak tanır.
Veri sınıflandırması, bir algo yatırımcısı ve bir programcı için çok önemli bir şeydir. Bu makalede, evet veya hayırları, yükseliş ve düşüşleri, alış ve satışları belirlememize yardımcı olabilecek sınıflandırma lojistik algoritmalarından birine odaklanacağız.
Yatırımcılar olarak sistemlerimizi ve kendimizi sayıların söylediklerine dayalı şekilde kararlar alma konusunda eğitmemizin zamanı geldi. Tüm dünyanın hareket ettiği şekilde, görsel veya sezgisel olarak değil, biz, bu genel dalganın yönüne dik olarak hareket edeceğiz.
Bu makalede, uzman danışmanların neden zamanın bazı bölgelerinde iyi performans, bazı bölgelerinde kötü performans gösterebildiğini daha iyi anlamak adına döviz çiftleriyle ilgili verileri analiz edeceğiz.
