많은 분들의 요청에 따라, 이제 저희는 기계 학습 코드와 패키지의 예제를 제공하기 위해 열심히 작업하고 있습니다.
TensorFlow, PyTorch, Keras, Numpy, Pandas 및 cTrader 내에서 사용할 수 있는 다양한 .NET 패키지들.
저희의 목표는 cTrader 내에서 기계 학습을 모두가 더 쉽게 사용할 수 있도록 하는 것입니다.
행운을 빕니다!
*** 이 코드는 어떠한 거래도 하지 않습니다 (단지 데이터를 출력할 뿐입니다). 이는 저희 기계 학습 패키지를 사용하여 자신만의 AI 모델을 시작하는 방법에 대한 샘플 코드일 뿐입니다.
.......................................................
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("Version 1.01", DefaultValue = "Version 1.01")]
public string Version { get; set; }
[Parameter("Source")]
public DataSeries Source { get; set; }
[Parameter("Bars Required", DefaultValue = 50, MinValue = 1, MaxValue = 10000, Step = 1)]
public int BarsRequired { get; set; }
[Parameter("Method Name", DefaultValue = MethodName.DataSplitPrints)]
public MethodName Mode { get; set; }
public enum MethodName
{
DataSplitPrints,
PandasPrints,
NDArrayPrints
}
protected override void OnStart()
{
// 지표 초기화
}
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($"오류: {ex.Message}");
if (ex.InnerException != null)
{
Print($"내부 예외: {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;
}
/// NumSharp 데이터 분할 출력
public void DataSplitPrints()
{
// 모델이 예상하는 입력 형태에 맞게 입력 데이터를 재구성
//var inputShape = new Shape(-1, BarsRequired, 5);
NDArray inputData = np.array<float>(GetDataSet());
Print("입력 NDarray: " + string.Join(", ", inputData));
// 모델이 예상하는 대상 형태에 맞게 대상 데이터를 재구성
//var targetShape = new Shape(-1, 5);
NDArray targetData = np.array<float>(GetTargetDataSet());
Print("대상 NDarray: " + string.Join(", ", targetData));
// 데이터를 훈련 세트와 테스트 세트로 분할
int testSize = (int)(0.2 * inputData.shape[0]); // 테스트용 20%
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("X_train 데이터: " + string.Join(", ", x_train));
Print("X_test 데이터: " + string.Join(", ", x_test));
Print("Y_train 데이터: " + string.Join(", ", y_train));
Print("Y_test 데이터: " + string.Join(", ", y_test));
}
/// PandasNet 출력
public void PandasPrints()
{
// float[,]를 List<Series>로 변환
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()));
}
// 데이터프레임 생성
DataFrame inputDataFrame = new DataFrame(inputSeriesList);
DataFrame targetDataFrame = new DataFrame(targetSeriesList);
Print("입력 데이터프레임: " + inputDataFrame);
Print("대상 데이터프레임: " + targetDataFrame);
//Print("입력 데이터프레임: " + string.Join(", ", inputDataFrame));
//Print("대상 데이터프레임: " + string.Join(", ", targetDataFrame));
}
/// 간단한 NumSharp NDArray 출력
public void NDArrayPrints()
{
if (Bars.ClosePrices.Count < BarsRequired)
return;
try
{
// 입력 데이터 float[,] 호출
float[,] inputData = GetDataSet();
// NDArray로 변환하고 (BarsRequired, 5) 형태로 재구성
NDArray inputNDArray = np.array(inputData); // NumSharp
Print("입력 NumSharp NDarray 데이터 : " + string.Join(", ", inputNDArray));
Print("입력 NumSharp NDarray 형태: " + string.Join(", ", inputNDArray.shape));
int expectedLength = BarsRequired * 5;
Print($"예상 NumSharp NDarray 길이: {expectedLength}");
Print($"입력 NumSharp NDarray 크기: {inputNDArray.size}");
if (inputNDArray.size != expectedLength)
{
Print($"길이 불일치: 예상 길이 {expectedLength}, 실제 크기 {inputNDArray.size}");
return;
}
}
catch (Exception ex)
{
Print("예외: " + ex.Message);
Print("스택 추적: " + ex.StackTrace);
Exception innerException = ex.InnerException;
while (innerException != null)
{
Print("내부 예외: " + innerException.Message);
Print("내부 예외 스택 추적: " + innerException.StackTrace);
innerException = innerException.InnerException;
}
}
}
}
}
