یادگیری ماشین با رگرسیون خطی برای معاملات الگوریتمی با MQL5
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مفهوم رگرسیون خطی و کاربرد آن در معاملات الگوریتمی
- چگونه یک مدل رگرسیون خطی در یک spread sheet توسعه دهیم؟
- چگونه یک اندیکاتور مدل رگرسیون خطی را در MQL5 کدنویسی کنیم؟
- چگونه یک استراتژی رگرسیون خطی ایجاد کرده و یک Expert advisor در MQL5 کدنویسی کنیم؟
پیشنیازهای دوره
- مبانی MQL5
توضیحات دوره
رگرسیون خطی ساده یک روش آماری است که برای مدلسازی رابطه بین دو متغیر استفاده میشود: یک متغیر مستقل (x) و یک متغیر وابسته (y) است. این روش فرض میکند که یک رابطه خطی بین این دو متغیر وجود دارد و هدف آن یافتن بهترین خط راست تناسبی است که این رابطه را نمایان میسازد.
معادله مدل رگرسیون خطی ساده عبارت است از: y = ax + b
که در آن:
- y متغیر وابسته است (متغیری که میخواهیم پیشبینی کنیم).
- x متغیر مستقل است (متغیری که برای پیشبینی از آن استفاده میشود).
- a شیب خط است و نرخ تغییر y نسبت به x را نشان میدهد.
- b نقطه قطع محور y است و نمایانگر مقدار y زمانی است که x برابر صفر باشد.
در حالی که رگرسیون خطی ساده یک تکنیک آماری است، میتوان آن را بهعنوان یک الگوریتم یادگیری ماشین نیز در نظر گرفت. در یادگیری ماشین، هدف ساخت مدلهایی است که بتوانند از داده بیاموزند و پیشبینی انجام دهند. رگرسیون خطی با این ساختار همخوانی دارد زیرا رابطه بین x و y را از مجموعه دادههای موجود میآموزد و از این رابطه آموخته شده برای پیشبینی نقاط داده جدید استفاده میکند. در حالی که شبکههای عصبی بهترین روابط غیرخطی بین داده را با یافتن وزنهایی که بهترین تناسب را دارند، میآموزند، رگرسیون خطی به دنبال یافتن بهترین مقادیر a و b است که بهترین توصیف را از رابطه خطی بین متغیرها ارائه دهد.
در این دوره، هدف ما ساخت یک مدل رگرسیون خطی در MQL5 است که سعی در پیشبینی قیمتهای بسته شدن یک جفت ارز بر اساس ایندکس نوار خاص آن دارد. ما ابتدا مدل رگرسیون خطی را در یک spreadsheet ایجاد میکنیم تا محاسبات مربوط به ایجاد یک مدل رگرسیون خطی را بهطور اساسی توضیح دهیم. سپس مدل رگرسیون خطی خود را به عنوان اندیکاتور MQL5 توسعه میدهیم و آن را با استفاده از زبان برنامهنویسی MQL5 کدنویسی میکنیم. بعد از آن، استراتژی معاملاتی خود را به عنوان mql5 expert advisor توسعه خواهیم داد که با استفاده از زبان معاملاتی الگوریتمی MQL5 کدنویسی میشود. ما از مدل رگرسیون خطی که به عنوان یک اندیکاتور ایجاد کردهایم برای تحلیل داده و یافتن الگوهایی که میتوانیم برای سود بردن از بازار استفاده کنیم، بهره خواهیم برد. منطق معاملاتی ما بر اساس این واقعیت است که اگر قیمت از یک یا دو انحراف معیار فراتر رود، باید معکوس شود و به قیمت مورد انتظار خود بازگردد. بنابراین استراتژی ما نوعی استراتژی برگشت به میانگین خواهد بود.
برای افرادی که هنوز در حال یادگیری MQL5 هستند، مادامی که مبانی MQL5 را درک کنید، این دوره برای شما مناسب است. ما به طور صبورانه شما را در هر مرحله از فرآیند توسعه این استراتژی راهنمایی کرده و در هر خط کدی که مینویسیم، همراهی خواهیم کرد. امیدواریم که در پایان دوره، مهارتهای لازم برای کدنویسی مدلها و استراتژیهای معاملاتی مشابه را کسب کرده و بتوانید ارزشهای مدلهای رگرسیون خطی را در توسعه ایدههای معاملاتی خود بر اساس ایدههایی که در این دوره به اشتراک گذاشته شدهاند، درک کنید.
پس در دوره شرکت کرده و در این سفر شگفتانگیز کدنویسی مدل رگرسیون خطی با استفاده از زبان معاملاتی الگوریتمی MQL5 به ما بپیوندید.
این دوره برای چه کسانی مناسب است؟
- کسی که به یادگیری درباره کاربردهای رگرسیون خطی در تحلیل بازار و پیشبینی سریهای زمانی علاقهمند است.
یادگیری ماشین با رگرسیون خطی برای معاملات الگوریتمی با MQL5
-
آنچه خواهید آموخت 03:28
-
مقدمهای بر رگرسیون خطی 04:35
-
انتخاب متغیرهای وابسته و مستقل 07:54
-
تولید پیشبینیها 15:56
-
محاسبه انحراف معیار 13:48
-
تنظیم ویژگیهای اندیکاتور 08:59
-
ایجاد بافرهای اندیکاتور 03:51
-
بررسی اعتبار مقادیر نقاط داده 04:49
-
تنظیم ایندکسهای بافر و برچسبهای نمودار 05:38
-
اعلان متغیرهای محلی 06:12
-
محاسبه شیب و عرض از مبدا محور y 08:36
-
محاسبات خط رگرسیون 15:14
-
استراتژی برگشت به میانگین رگرسیون خطی 13:12
-
پارامترهای عمومی Expert advisor 13:11
-
تغییر بازه محاسبات 05:17
-
ایجاد آبجکتهای معاملاتی 06:08
-
دریافت مقادیر اندیکاتور 15:41
-
تنظیم تعداد معاملات 05:35
-
محاسبه اندازه پوزیشن 08:12
-
تولید سیگنالهای Expert advisor 10:48
-
اجرای معاملات 14:41
-
محاسبه میانگین قیمت ورودی 05:14
-
بستن پوزیشنها 09:31
-
تست این استراتژی 15:19
-
نتیجهگیری 01:07
مشخصات آموزش
یادگیری ماشین با رگرسیون خطی برای معاملات الگوریتمی با MQL5
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:همه سطوح
- تعداد درس:25
- مدت زمان :03:42:56
- حجم :2.03GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy