机器学习：随机森林的算法交易

MP4 |视频：h264，1920×1080 |音频：AAC，44.1 KHz
语言：英语 |大小：2.53 GB |时长：3小时30米

你将学到什么

• 以 MQL5 原生方式提取、清理和构建多年的历史盘中市场数据，以进行机器学习分析。
• 根据标准价格数据设计预测数学特征，以突出波动性变化和机构流动性。
• 了解决策树的核心机制，并将其组合成稳定的随机森林共识模型。
• 编写一个全自动 MQL5 EA 交易程序，利用基于实时概率的动态头寸规模调整。

要求

对 MQL5 编程语言有基本了解。

描述

金融市场每天都会产生数百万个数据点。对于普通零售交易者来说，这些数据是巨大的，导致他们依赖简单、滞后的指标，而这些指标无法捕捉价格行为的真正复杂性。但在定量金融领域，数据并不是压倒性的——它是预测建模的基础构建块。大家好，在本课程中，我将教您如何使用 MQL5 中的机器学习从传统的基于规则的交易过渡到动态、数据驱动的算法执行。具体来说，我们将深入研究现有的最强大、最通用的机器学习算法之一：随机森林。本课程内容丰富且严格基于项目。我构建的课程是为了让您深入而实际地了解机器学习模型如何实际处理市场数据。这正是您将学习如何构建的内容：我们将介绍历史数据挖掘和数据挖掘。预处理，我们将编写 MQL5 脚本来提取多年的日内市场数据，对其进行清理并构建其结构以供机器学习分析。我们将重点关注详尽的特征工程，您将学习如何以数学方式将标准价格数据转换为复杂的预测特征，以突出波动性变化、动量耗尽和机构流动性。您将学习如何构建决策树和决策树。通过分解决策树如何分割数据的核心机制，以及如何将数百棵这样的树组合成“随机森林”来防止过度拟合并创建高度稳定的共识模型，将它们用于集成学习。最后，我们将把随机森林集成到全自动 MQL5 EA 交易中。您将学习如何规划动态头寸规模，根据市场的基本状况调整您的资本敞口。无论您是一位经验丰富的算法交易者，希望将机器学习添加到您的工具包中，还是一位准备超越基本指标的 MQL5 开发人员，本课程都充满了很多实用价值。我将引导您了解逻辑、数学和每一行代码。扩展您的定量技能并学习如何设计智能交易系统。