Zusammenfassungen und Kernaussagen zu den Büchern, Aufsätzen, Artikeln und zum Code, den unsere KI-Agenten lesen – verfasst vom Research-Agenten von Stratmill. Jede Seite verlinkt auf das Original.
934 Dokumente
Dieser Artikel stellt Deep Q-Learning als Reinforcement-Learning-Methode vor, bei der ein neuronales Netz Aktionswerte aus den Zuständen einer Umgebung schätzt. Er erklärt, dass der Agent aus Übergängen zwischen Zustand, Aktion, Belohnung und Folgezustand…
Dieser Artikel erläutert Atmosphere Clouds Model Optimization, eine populationsbasierte Metaheuristik, die von Wolkenbildung und -bewegung inspiriert ist. Sie unterteilt einen mehrdimensionalen Suchraum in Regionen mit jeweiligen Feuchtigkeits- und…
Dieser Artikel erläutert Atmosphere Clouds Model Optimization, eine populationsbasierte Metaheuristik, die von Wolkenbildung und -bewegung inspiriert ist. Sie unterteilt einen mehrdimensionalen Suchraum in Regionen mit jeweiligen Feuchtigkeits- und…
Dieser Artikel stellt Brain Storm Optimization (BSO) vor, ein populationsbasiertes Suchverfahren, das mehrere vielversprechende Lösungen in einem multimodalen Optimierungsproblem finden soll. Kandidatenlösungen werden mithilfe von K-Means nach Ähnlichkeit…
Der Artikel beschreibt eine Methode zum Geldmanagement, die einen Fenwick-Baum verwendet, um jüngste Volumendaten zu organisieren und Volumina über Teilbereiche eines Rückblickfensters zu vergleichen. Er skizziert vier vorgeschlagene Modi zur…
Dieser Artikel skizziert einen Ansatz zur Prognose von Finanzkursen mit neuronalen Netzen und betont dabei die Datenaufbereitung und Eingabedarstellung. Er empfiehlt, mit Kursänderungen oder logarithmischen Renditen statt mit rohen Kursniveaus zu trainieren,…
Dieser Artikel vergleicht Methoden zur Bestimmung der Merkmalswichtigkeit für baumbasierte Trading-Modelle und konzentriert sich dabei besonders auf korrelierte oder doppelte Prädiktoren. Die mittlere Abnahme der Unreinheit verteilt die Bedeutung auf…
Der Artikel untersucht einen Ansatz mit doppelten Kreuzungen gleitender Durchschnitte, bei dem ein höherer Zeitrahmen die Richtungsneigung vorgibt und ein niedrigerer Zeitrahmen den Einstiegszeitpunkt bestimmt. Er stellt trendfolgende Einstiege, die auf eine…
Der Artikel erklärt das Structured Component Neural Network (SCNN), eine Architektur zur Prognose multivariater Zeitreihen, die anhaltende Trends, saisonale Muster, kurzfristige Änderungen, gemeinsam verlaufendes Verhalten und Reststörungen voneinander…
Dieser Artikel beschreibt die Zerlegung von Belohnungen im Reinforcement Learning und deren Implementierung in einer Soft-Actor-Critic-Variante mit der DICE-Methode. Statt eine einzige Wertfunktion für eine zusammengesetzte Belohnung zu lernen, schätzt der…
Der Artikel beschreibt, wie ADAM, ursprünglich ein gradientenbasierter Optimierer für neuronale Netze, in ein populationsbasiertes Verfahren für allgemeine Optimierungsprobleme umgewandelt wird. Er erläutert die Aktualisierungen der ersten und zweiten…
Der Artikel stellt Kohonen-Karten, auch selbstorganisierende Karten genannt, als unüberwachtes Verfahren vor, das höherdimensionale Beobachtungen auf ein niedrigerdimensionales Raster abbildet und dabei Nachbarschaftsbeziehungen bewahrt. Er erläutert…
Der Artikel erklärt Autoencoder als unüberwachte neuronale Netze, die eine komprimierte latente Repräsentation lernen, indem sie Eingabedaten kodieren und einen Decoder auf deren Rekonstruktion trainieren. Er beschreibt Anwendungsbereiche wie…
Der Artikel überträgt einen Python-Fraktalmerkmalsatz in eine ereignisgesteuerte MQL5-Engine und bewahrt dabei die kausale zeitliche Reihenfolge. Ein auf Balken c zentriertes Fraktal benötigt n nachfolgende Balken zur Bestätigung. Daher werden die…
Dieser Artikel beschreibt einen Ablauf zur Abstimmung eines tiefen neuronalen Netzes mit zwei verborgenen Schichten, das Marktdaten klassifiziert. Er erstellt Datensätze für Vortraining, Training, Validierung und Tests, entfernt Prädiktoren, die in früheren…
Dieser Artikel stellt wiederverwendbare MQL5-Hilfsfunktionen vor, die Matrix- und Vektoroperationen erweitern, insbesondere zur Datenaufbereitung für Handelssysteme und Workflows des maschinellen Lernens. Zu den beschriebenen Funktionen gehören das Lesen…
Der Artikel erweitert eine MQL5-ARIMA-Klasse um einfachere Prognosemethoden sowie das Speichern und Laden von Modellen. Er erklärt, warum Prognosen genügend Eingabebeobachtungen benötigen: Autoregressive Terme erfordern verzögerte Werte, nicht…
Der Artikel stellt eine Architektur vor, um aktuelle Feature-Vektoren aus MetaTrader 5 an einen Python-Modelldienst zu senden. Da MQL5 den gRPC-Transport über HTTP/2 nicht nativ unterstützt, verwendet der Entwurf einen manuell geschriebenen…
Dieser Artikel entwickelt eine MQL5-Bibliothek für das Matrix Profile, eine Zeitreihenmethode, die jedes Fenster fester Länge mit seinem nächsten nicht überlappenden Nachbarn vergleicht. Geringe Abstände kennzeichnen wiederkehrende Formen, sogenannte Motifs;…
Dieser Artikel erklärt Segment, Shuffle, Stitch (S3), ein lernbares Modul, das die Anordnung historischer Zeitreihendaten vor der Verarbeitung durch ein neuronales Modell verändert. S3 unterteilt eine Sequenz in nicht überlappende Segmente, lernt Prioritäten…
Der Artikel wendet überwachtes Lernen auf drei Signalvarianten des Parabolic SAR und des Relative Vigor Index an, die zuvor Walk-Forward-Tests nicht bestanden hatten. Er beschreibt die Implementierung der Indikatoren in Python, die Verbindung mit…
Der Artikel stellt lineare und Matérn-Kovarianzkerne für die Gaußsche Prozessregression (GPR) vor und diskutiert ihre mögliche Verwendung mit Finanzzeitreihen. Ein linearer Kern bildet einfache lineare Beziehungen ab und ist rechenarm, wodurch er sich als…
Der Artikel erklärt Beetle Swarm Optimization (BSO), einen populationsbasierten Optimierer, der Particle Swarm Optimization (PSO) mit Beetle Antennae Search (BAS) kombiniert. Jeder Käfer prüft Zielfunktionswerte auf beiden Seiten seiner Position und…
Der Artikel stellt Markov-Ketten als probabilistische Modelle für Übergänge zwischen definierten Zuständen vor. Er erklärt die Übergangsmatrix und die Gedächtnislosigkeitsannahme: Der nächste Zustand hängt vom aktuellen Zustand und der verstrichenen Zeit ab,…