ONNX Trader - MetaTrader 5 专家

模型的存档文章。您可以训练自己的模型，因为模型可能非常不同，具体取决于训练超参数。

机器学习模型使用 Python 进行训练并转换为 ONNX 格式。您不需要更改 encludnik 中的参数和代码。

设置很简单：

输入 双倍的   最大风险=0.001;          //累进手数系数
输入 双倍的   手动批次=0;                    //固定手数
输入 乌龙     订单魔法=第666章;              //命令魔法
输入 整数最大订单数 =1;                      //订单号
输入 整数止损=2000年;                      //止损
输入 整数止盈=2000年;                    //获利了结
输入 细绳评论=“ONNX EA”;

但您可以添加自己的过滤器来尝试使模型更好地进行交易。

至少您可以在任何时间范围内优化止损和获利

该模型通过头文件连接，例如：

＃包括

“ONNX Trader Clusters”机器人、ONNX 模型和包含文件。聚类是通过k-means方法完成的。

培训时间为 2010 年至 2020 年。未来培训时间为 2020 年至 2024 年。

这“Onnx 交易者“ bot支持文章中的第二种训练方法“使用聚类来匹配交易”

为此，请连接 ininclude 文件 ，该文件将拉出相应的模型“catmodel10.onnx”和“catmodel_m10.onnx”

模型在 EURUSD H1 上进行训练，但可以在任何时间范围内使用！

该脚本计算自相关和偏自相关函数并将其显示在图表上

Tillson T3 在没有辅助指标缓冲区的情况下进行 EMA 计算。

该库是 MetaQuotes 发布的 ErrorDescription.mqh 库的更新版本，其中包含一些功能。

使用键盘数据

附件下载

📎 eurusd_onnx_include0.mqh (0.59 KB)

📎 catmodel0.onnx (496.69 KB)

📎 catmodel_m0.onnx (522.47 KB)

📎 eurusd_onnx_include_propensity_without_matching.mqh (0.64 KB)

📎 catmodel_propensity_without_matching.onnx (285.31 KB)

📎 catmodel_m_propensity_without_matching.onnx (326.56 KB)

📎 eurusd_onnx_include_propensity_matching_naive.mqh (0.64 KB)

📎 catmodel_propensity_matching_naive.onnx (249.23 KB)

📎 catmodel_m_propensity_matching_naive.onnx (522.47 KB)

📎 eurusd_onnx_include_propensity_matching_original.mqh (0.64 KB)

📎 catmodel_propensity_matching_original.onnx (522.47 KB)

📎 catmodel_m_propensity_matching_original.onnx (249.22 KB)

📎 eurusd_onnx_include_propensity_matching_original_ipw.mqh (0.61 KB)

📎 catmodel_propensity_matching_original_ipw.onnx (522.46 KB)

📎 catmodel_m_propensity_matching_original_ipw.onnx (290.47 KB)

📎 eurusd_onnx_include_clusters.mqh (0.97 KB)

📎 catmodelclusters.onnx (1018.09 KB)

📎 catmodel_mclusters.onnx (22.37 KB)

📎 catmodel10.onnx (159 KB)

📎 catmodel_m10.onnx (522.47 KB)

📎 eurusd_onnx_include10.mqh (0.59 KB)

📎 onnx_trader.mq5 (8.66 KB)

📎 onnx_trader_clusters.mq5 (9.06 KB)

Source: MQL5 #48482