Como muchos de ustedes solicitaron, ahora estamos trabajando arduamente para proporcionar ejemplos de algunos de nuestros códigos y paquetes de aprendizaje automático.
TensorFlow, PyTorch, Keras, Numpy, Pandas y muchos más paquetes .NET para comenzar dentro de cTrader.
Nuestra misión es hacer que el aprendizaje automático dentro de cTrader sea más fácil para todos.
¡Buena caza!
*** Este código no realiza operaciones (solo imprime datos, etc.). Es simplemente un código de ejemplo de cómo puedes comenzar a crear tus propios modelos de IA usando nuestros paquetes de aprendizaje automático.
.......................................................
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using cAlgo.API;
using cAlgo.API.Collections;
using cAlgo.API.Indicators;
using cAlgo.API.Internals;
using NumSharp;
using np = NumSharp.np;
using Shape = NumSharp.Shape;
using PandasNet;
using static PandasNet.PandasApi;
namespace cAlgo.Robots
{
[Robot(TimeZone = TimeZones.UTC, AccessRights = AccessRights.None)]
public class E7BBKGNumSharpSample : Robot
{
[Parameter("Versión 1.01", DefaultValue = "Versión 1.01")]
public string Version { get; set; }
[Parameter("Fuente")]
public DataSeries Source { get; set; }
[Parameter("Barras Requeridas", DefaultValue = 50, MinValue = 1, MaxValue = 10000, Step = 1)]
public int BarsRequired { get; set; }
[Parameter("Nombre del Método", DefaultValue = MethodName.DataSplitPrints)]
public MethodName Mode { get; set; }
public enum MethodName
{
DataSplitPrints,
PandasPrints,
NDArrayPrints
}
protected override void OnStart()
{
// Inicializar cualquier indicador
}
protected override void OnBar()
{
try
{
if (Mode == MethodName.DataSplitPrints)
{
DataSplitPrints();
}
else if (Mode == MethodName.PandasPrints)
{
PandasPrints();
}
else if (Mode == MethodName.NDArrayPrints)
{
NDArrayPrints();
}
}
catch (Exception ex)
{
Print($"Error: {ex.Message}");
if (ex.InnerException != null)
{
Print($"Excepción Interna: {ex.InnerException.Message}");
throw;
}
}
}
private float[,] GetDataSet()
{
int startBar = Bars.ClosePrices.Count - BarsRequired;
float[,] inputSignals = new float[BarsRequired, 5];
for (int i = 0; i < BarsRequired; i++)
{
int barIndex = startBar + i;
inputSignals[i, 0] = (float)Bars.OpenPrices[barIndex];
inputSignals[i, 1] = (float)Bars.HighPrices[barIndex];
inputSignals[i, 2] = (float)Bars.LowPrices[barIndex];
inputSignals[i, 3] = (float)Bars.ClosePrices[barIndex];
inputSignals[i, 4] = (float)Bars.TickVolumes[barIndex];
}
return inputSignals;
}
private float[,] GetTargetDataSet()
{
int startBar = Bars.ClosePrices.Count - BarsRequired;
float[,] inputSignals = new float[BarsRequired, 5];
for (int i = 0; i < BarsRequired; i++)
{
int barIndex = startBar + i;
inputSignals[i, 0] = (float)Bars.OpenPrices[barIndex];
inputSignals[i, 1] = (float)Bars.HighPrices[barIndex];
inputSignals[i, 2] = (float)Bars.LowPrices[barIndex];
inputSignals[i, 3] = (float)Bars.ClosePrices[barIndex];
inputSignals[i, 4] = (float)Bars.TickVolumes[barIndex];
}
return inputSignals;
}
/// Impresiones de división de datos de NumSharp
public void DataSplitPrints()
{
// Remodelar los datos de entrada para que coincidan con la forma esperada por el modelo
//var inputShape = new Shape(-1, BarsRequired, 5);
NDArray inputData = np.array<float>(GetDataSet());
Print("NDarray de entrada: " + string.Join(", ", inputData));
// Remodelar los datos objetivo para que coincidan con la forma objetivo esperada por el modelo
//var targetShape = new Shape(-1, 5);
NDArray targetData = np.array<float>(GetTargetDataSet());
Print("NDarray objetivo: " + string.Join(", ", targetData));
// Dividir los datos en conjuntos de entrenamiento y prueba
int testSize = (int)(0.2 * inputData.shape[0]); // 20% para pruebas
var (x_train, x_test) = (inputData[$":{inputData.shape[0] - testSize}"], inputData[$"{inputData.shape[0] - testSize}:"]);
var (y_train, y_test) = (targetData[$":{targetData.shape[0] - testSize}"], targetData[$"{targetData.shape[0] - testSize}:"]);
Print("Datos X_train: " + string.Join(", ", x_train));
Print("Datos X_test: " + string.Join(", ", x_test));
Print("Datos Y_train: " + string.Join(", ", y_train));
Print("Datos Y_test: " + string.Join(", ", y_test));
}
/// Impresiones de PandasNet
public void PandasPrints()
{
// Convertir float[,] a List<Series>
var inputData = GetDataSet();
var targetData = GetTargetDataSet();
var inputSeriesList = new List<Series>();
var targetSeriesList = new List<Series>();
for (int col = 0; col < inputData.GetLength(1); col++)
{
List<float> columnData = new List<float>();
for (int row = 0; row < inputData.GetLength(0); row++)
{
columnData.Add(inputData[row, col]);
}
inputSeriesList.Add(new Series(columnData.ToArray()));
}
for (int col = 0; col < targetData.GetLength(1); col++)
{
List<float> columnData = new List<float>();
for (int row = 0; row < targetData.GetLength(0); row++)
{
columnData.Add(targetData[row, col]);
}
targetSeriesList.Add(new Series(columnData.ToArray()));
}
// Crear DataFrames
DataFrame inputDataFrame = new DataFrame(inputSeriesList);
DataFrame targetDataFrame = new DataFrame(targetSeriesList);
Print("DataFrame de entrada: " + inputDataFrame);
Print("DataFrame objetivo: " + targetDataFrame);
//Print("Input DataFrame: " + string.Join(", ", inputDataFrame));
//Print("Target DataFrame: " + string.Join(", ", targetDataFrame));
}
/// Impresiones simples de NDArray de NumSharp
public void NDArrayPrints()
{
if (Bars.ClosePrices.Count < BarsRequired)
return;
try
{
// Llamando a tus datos de entrada float[,]
float[,] inputData = GetDataSet();
// Convertir a NDArray y remodelar a (BarsRequired, 5)
NDArray inputNDArray = np.array(inputData); // NumSharp
Print("Datos de NDarray NumSharp de entrada : " + string.Join(", ", inputNDArray));
Print("Forma de NDarray NumSharp de entrada: " + string.Join(", ", inputNDArray.shape));
int expectedLength = BarsRequired * 5;
Print($"Longitud esperada de NDarray NumSharp: {expectedLength}");
Print($"Tamaño de NDarray NumSharp de entrada: {inputNDArray.size}");
if (inputNDArray.size != expectedLength)
{
Print($"Desajuste de longitud: longitud esperada {expectedLength}, pero se obtuvo tamaño {inputNDArray.size}");
return;
}
}
catch (Exception ex)
{
Print("Excepción: " + ex.Message);
Print("Rastro de pila: " + ex.StackTrace);
Exception innerException = ex.InnerException;
while (innerException != null)
{
Print("Excepción interna: " + innerException.Message);
Print("Rastro de pila de excepción interna: " + innerException.StackTrace);
innerException = innerException.InnerException;
}
}
}
}
}
