آموزش یادگیری ماشین MQL5: رگرسیون خطی برای معاملات الگوریتمی - آخرین آپدیت

دانلود MQL5 MACHINE LEARNING: Linear Regression for Algo Trading

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

راهنمای جامع توسعه مدل‌های رگرسیون خطی برای معاملات الگوریتمی در MQL5

آیا به دنبال یادگیری نحوه استفاده از رگرسیون خطی در معاملات الگوریتمی با MQL5 هستید؟ این راهنما شما را در تمام مراحل، از مفهوم اولیه تا کدنویسی یک اکسپرت ادوایزر (Expert Advisor) کامل، راهنمایی می‌کند.

آنچه در این راهنما خواهید آموخت:

  • مفهوم رگرسیون خطی و کاربرد آن در معاملات الگوریتمی
  • نحوه توسعه یک مدل رگرسیون خطی در یک صفحه گسترده (Spreadsheet)
  • نحوه کدنویسی یک اندیکاتور (Indicator) مدل رگرسیون خطی در MQL5
  • نحوه توسعه یک استراتژی رگرسیون خطی و کدنویسی یک اکسپرت ادوایزر در MQL5

پیش نیازها:

دانش پایه MQL5

رگرسیون خطی ساده چیست؟

رگرسیون خطی ساده یک روش آماری برای مدل‌سازی رابطه بین دو متغیر است: یک متغیر مستقل (x) و یک متغیر وابسته (y). این روش فرض می‌کند که یک رابطه خطی بین دو متغیر وجود دارد و هدف آن یافتن بهترین خطی است که این رابطه را نشان می‌دهد.

معادله برای یک مدل رگرسیون خطی ساده به این صورت است:

y = ax + b

در این معادله:

  • y متغیر وابسته است (متغیری که می‌خواهیم پیش‌بینی کنیم).
  • x متغیر مستقل است (متغیری که برای پیش‌بینی استفاده می‌شود).
  • a شیب خط است، که نرخ تغییر y نسبت به x را نشان می‌دهد.
  • b عرض از مبدا است، که مقدار y را زمانی که x صفر است نشان می‌دهد.

اگرچه رگرسیون خطی ساده یک تکنیک آماری است، اما می‌توان آن را به عنوان یک الگوریتم یادگیری ماشین نیز در نظر گرفت. در یادگیری ماشین، هدف ساختن مدل‌هایی است که بتوانند از داده‌ها یاد بگیرند و پیش‌بینی کنند. رگرسیون خطی در این چارچوب قرار می‌گیرد زیرا رابطه بین x و y را از یک مجموعه داده معین یاد می‌گیرد و از این رابطه آموخته شده برای پیش‌بینی نقاط داده جدید استفاده می‌کند. همانطور که شبکه‌های عصبی بهترین روابط غیرخطی بین داده‌ها را با یافتن وزن‌هایی که به بهترین وجه با داده‌ها مطابقت دارند یاد می‌گیرند، رگرسیون خطی نیز به دنبال یافتن بهترین مقادیر a و b است که به بهترین وجه رابطه خطی بین متغیرها را توصیف می‌کنند.

در این دوره، هدف ما ساختن یک مدل رگرسیون خطی در MQL5 است که به دنبال پیش‌بینی قیمت‌های بسته شدن یک جفت ارز با توجه به شاخص نوار (Bar Index) خاص آن است. ما با ایجاد یک مدل رگرسیون خطی در یک صفحه گسترده شروع خواهیم کرد تا اساساً محاسبات درگیر در ایجاد یک مدل رگرسیون خطی را توضیح دهیم. سپس مدل رگرسیون خطی خود را به عنوان یک اندیکاتور MQL5 با کدنویسی آن با استفاده از زبان برنامه‌نویسی MQL5 توسعه خواهیم داد. پس از آن، استراتژی معاملاتی خود را به عنوان یک اکسپرت ادوایزر MQL5 که با استفاده از زبان معاملات الگوریتمی MQL5 کدنویسی شده است، توسعه خواهیم داد. ما از مدل رگرسیون خطی که به عنوان یک اندیکاتور ایجاد کرده‌ایم برای تجزیه و تحلیل داده‌ها و یافتن الگوهایی که می‌توانیم از آن‌ها برای سود بردن از بازار استفاده کنیم، استفاده خواهیم کرد. ما منطق معاملاتی خود را بر این واقعیت استوار خواهیم کرد که اگر قیمت از یک یا دو انحراف معیار از قیمت پیش‌بینی‌شده یا مورد انتظار خود فراتر رود، باید معکوس شود و به قیمت مورد انتظار خود بازگردد. از این رو استراتژی ما یک استراتژی نوع بازگشت به میانگین (Mean Reversion) خواهد بود.

برای کسانی که هنوز در MQL5 راه خود را پیدا می‌کنند، تا زمانی که اصول اولیه MQL5 را درک کنید، این دوره برای شما مناسب است. ما با صبر و حوصله شما را در هر مرحله از فرآیند توسعه استراتژی راهنمایی می‌کنیم و شما را در هر خط کدی که می‌سازیم، همراهی خواهیم کرد. امیدواریم تا پایان دوره، مهارت‌های لازم برای کدنویسی مدل‌ها و استراتژی‌های معاملاتی مشابه را کسب کرده باشید و بتوانید قدردانی کنید که چگونه مدل‌های رگرسیون خطی می‌توانند یک دارایی در توسعه ایده‌های معاملاتی خود بر اساس ایده‌هایی که در این دوره به اشتراک گذاشته شده‌اند، باشند.

پس همین حالا روی دکمه ثبت نام کلیک کنید و در این سفر باورنکردنی کدنویسی یک مدل رگرسیون خطی با استفاده از زبان معاملات الگوریتمی MQL5 به من بپیوندید.


سرفصل ها و درس ها

مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

  • آنچه خواهید آموخت What you will Learn

  • مقدمه ای بر رگرسیون خطی Introduction to Linear Regression

  • انتخاب متغیرهای وابسته و مستقل Choosing Dependent and Independent variables

  • تولید پیش بینی ها Generating Predictions

  • محاسبه انحراف معیار Calculating the standard deviation

کدنویسی یک اندیکاتور مدل رگرسیون خطی Coding a Linear Regression Model Indicator

  • تنظیم ویژگی های اندیکاتور Setting Indicator Properties

  • ایجاد بافرهای اندیکاتور Creating Indicator Buffers

  • بررسی اعتبار مقادیر نقاط داده Checking for Data points value validity

  • تنظیم اندیس های بافر و برچسب های نمودار Setting buffer indices and plot labels

  • اعلان متغیرهای محلی Declaring local variables

  • محاسبه شیب و عرض از مبدا Calculating the gradient and y intercept

  • محاسبات خط رگرسیون Regression Line calculations

کدنویسی یک اکسپرت ادوایزر مبتنی بر مدل رگرسیون خطی Coding a Linear Regression model Based Expert advisor

  • استراتژی بازگشت به میانگین رگرسیون خطی Linear Regression Mean Reversion Strategy

  • پارامترهای عمومی اکسپرت General EA parameters

  • تغییر بازه محاسباتی Changing the calculation interval

  • ایجاد اشیاء معاملاتی Creating Trade Objects

  • دریافت مقادیر اندیکاتور Getting indicator values

  • تنظیم تعداد معاملات Regulating trade count

  • محاسبه حجم موقعیت Calculating the Position Size

  • تولید سیگنال های اکسپرت Generating EA Signals

  • اجرای معاملات Executing Trades

  • محاسبه میانگین قیمت ورود Calculating the average entry price

  • بستن موقعیت ها Closing positions

  • تست استراتژی Testing the strategy

نتیجه گیری Conclusion

  • نتیجه گیری Conclusion

  • جلسه جایزه Bonus Lecture

نمایش نظرات

آموزش یادگیری ماشین MQL5: رگرسیون خطی برای معاملات الگوریتمی
جزییات دوره
3.5 hours
26
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
97
4.7 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Joy D Moyo Joy D Moyo

طراح و توسعه دهنده سیستم های معاملاتی الگوریتمی

Latvian Trading Solutions Latvian Trading Solutions

معامله گران و توسعه دهندگان نرم افزار