Bollinger bands sieć neuronowa

MetaTrader 5 - Eksperci Bollinger Band Obliczanie szerokości za pomocą sieci neuronowej za pomocą - ekspert od MetaTrader 5 Szukałem eksperta BB Width Advisor, ale nie mogłem go znaleźć nigdzie. Potem zdecydowałem się stworzyć własne i jako część moich studiów zrobiłem to. Ten Expert Advisor stosuje metodę sieci neuronowej. Początkowa kaucja 10000. Zysk brutto 36000. Czas trwania 3,5 miesiąca. Co to jest Bollinger Band Width Bollinger Band Width to formacja zespołu w zespołach Bollinger. W swojej książce (Bollinger on Bollinger Bands) John Bollinger określa Bollinger Band Width jako jeden z dwóch wskaźników, które można wyprowadzić z Bollinger Bands. Drugim wskaźnikiem jest B. BandWidth mierzy różnicę procentową między górnym i dolnym. BandWidth zmniejsza się, gdy pasmo Bollingera jest wąskie i wzrasta wraz ze wzrostem pasm Bollingera. Ponieważ prążki Bollingera bazują na odchyleniu standardowym, opadanie BandWidth odzwierciedla malejącą zmienność, a wzrost BandWidth odzwierciedla rosnącą zmienność. Narrowness: Narrow BandWidth jest względny. Wartości BandWidth powinny być mierzone w stosunku do wcześniejszych wartości BandWidth w pewnym okresie czasu. Ważne jest, aby uzyskać dobry okres obserwacji, aby określić zakres BandWidth dla danego Symbolu. The Squeeze: Bollinger BandWidth jest najbardziej znany z identyfikacji Squeeze. Dzieje się tak, gdy zmienność spada do bardzo niskiego poziomu, o czym świadczą zwężające się pasma. Górne i dolne pasma są oparte na odchyleniu standardowym, które jest miarą zmienności. Pasma zawężają się, gdy cena spłaszcza się lub porusza w stosunkowo wąskim zakresie. Teoria mówi, że po okresach niskiej zmienności następują okresy dużej zmienności. Względnie wąska BandWidth (a. k.a. Squeeze) może zapowiadać znaczny postęp lub spadek. Po Squeeze gwałtowny wzrost cen i następna przerwa w paśmie sygnalizuje rozpoczęcie nowego ruchu. Nowa zaliczka zaczyna się od Squeeze, a następnie break powyżej górnego pasa. Nowy spadek zaczyna się od Squeeze, a następnie przerwy poniżej dolnego pasma. Pomysł może zmienić twoje życie -) Mam inspirację do pracy nad sieciami neuronowymi po przeczytaniu tego artykułu. Autor Fyords bardzo mi pomógł w końcowej części kodowania. Ten Expert Advisor przyjmuje wartość ostatnich 14 okresów i minimalizuje je za pomocą metody metody sieci neuronowej (przeczytaj artykuł o najlepszej implementacji sieci neuronowej). Obliczanie szerokości Użyłem metody klasycznej: (BBupperBand - BBLlowerBand) BBMidleBand. Formuła: inputsi2 ((((iBandsUpperbufi - iBandsLowerbufi) iBandsBasebufi) - (xminxminn) (d2-d1)) ((xmaxxxmax) - (xminxminn)) d1 Wygląda to skomplikowanie, ale w rzeczywistości jest podobnie jak A, B, C, D. Powyższy artykuł może ci bardzo pomóc. Wynik testu Expert Advisor jest dobry, podjąłem okres od 2017.01.01 do 2017.04.13. Saldo: Dołączyłem pełny wynik testu do pliku zip. Nie polecam korzystania z tego Expert Advisor na prawdziwym koncie. W tym samym kodzie można użyć kombinacji wskaźnika wolumenu (CCI, MIF itp.) Hybrydowe sieci neuronowe Strategie Stop-and-Reverse dla rynku Forex Michael R. Bryant Sieci neuronowe są używane w systemach transakcyjnych przez wiele lat z różnym stopniem powodzenie. Ich główną atrakcją jest to, że ich nieliniowa struktura jest w stanie lepiej uchwycić złożoność zmian cen niż standardowe zasady handlu oparte na wskaźnikach. Jedną z krytyk było to, że strategie handlu oparte na sieciach neuronowych mają tendencję do nadmiernego dopasowania i dlatego nie osiągają dobrych wyników w przypadku nowych danych. Możliwym rozwiązaniem tego problemu jest połączenie sieci neuronowych z logiką strategii opartą na regułach w celu stworzenia hybrydowego typu strategii. W tym artykule pokażemy, jak można to zrobić za pomocą narzędzia Adaptrade Builder. W szczególności niniejszy artykuł ilustruje następujące zagadnienia: Łączenie sieci neuronowej i logiki opartej na regułach w odniesieniu do wpisów handlowych Zastosowane zostanie podejście oparte na trzech segmentach, a trzeci segment zostanie wykorzystany do sprawdzenia ostatecznych strategii. Powstały kod strategii dla MetaTrader 4 i TradeStation zostanie pokazany i zostanie wykazane, że wyniki walidacji są pozytywne dla każdej platformy. Sieci neuronowe jako filtry wprowadzania do handlu Matematycznie sieć neuronowa jest nieliniową kombinacją jednego lub więcej ważonych danych wejściowych, które generują jedną lub więcej wartości wyjściowych. W przypadku handlu sieć neuronowa jest generalnie wykorzystywana na jeden z dwóch sposobów: (1) jako przewidywanie przyszłego ruchu cen, lub (2) jako wskaźnik lub filtr do handlu. Tutaj będzie brane pod uwagę jego użycie jako wskaźnika lub filtru handlowego. Jako wskaźnik, sieć neuronowa działa jako dodatkowy warunek lub filtr, który musi zostać spełniony, aby można było wprowadzić transakcję. Dane wejściowe do sieci są zwykle innymi wskaźnikami technicznymi, takimi jak pęd, stochastyka, ADX, średnie ruchome itd., A także ceny i kombinacje poprzednich. Wejścia są skalowane, a sieć neuronowa jest zaprojektowana w taki sposób, że wyjście jest wartością od -1 do 1. Jednym podejściem jest dopuszczenie długiego wpisu, jeśli wynik jest większy lub równy wartości progowej, takiej jak 0,5, i krótki wpis, jeśli wynik jest mniejszy lub równy wartości ujemnej progu, np -0,5. Ten warunek byłby dodatkiem do wszelkich istniejących warunków wejścia. Na przykład, gdyby istniał długi warunek wejścia, musiałby on być prawdziwy, a wynik sieci neuronowej musiałby być co najmniej równy wartości progowej dla długiego wpisu. Podczas konfigurowania sieci neuronowej trader będzie zazwyczaj odpowiedzialny za wybór danych wejściowych i topologii sieci oraz za quottrainingię sieci, która określa optymalne wartości wag. Jak zostanie pokazane poniżej, Adaptrade Builder wykonuje te kroki automatycznie w ramach ewolucyjnego procesu kompilacji, na którym oparte jest oprogramowanie. Wykorzystanie sieci neuronowej jako filtra handlowego pozwala na łatwe łączenie jej z innymi regułami w celu stworzenia hybrydowej strategii handlowej, która łączy najlepsze cechy tradycyjnych, opartych na regułach podejść z zaletami sieci neuronowych. Prostym przykładem jest to, że Builder może łączyć regułą ruchomą średnią crossover z siecią neuronową, tak że pozycja długa jest podejmowana, gdy szybka średnia ruchoma przekracza średnią powolną ruchomą, a wynik sieci neuronowej jest na poziomie lub powyżej jego progu. Strategie transakcyjne Stop-and-Reverse Strategia handlowania stop-and-reverse to strategia, która zawsze jest na rynku, długa lub krótka. Ściśle mówiąc, quotstop-and-reversequot oznacza, że ​​odwracasz transakcję po otrzymaniu zlecenia stop. Używam go jednak jako krótkiej ręki dla każdej strategii handlowej, która odwraca się od długiej do krótkiej i tak dalej, abyś zawsze był na rynku. Według tej definicji nie jest konieczne, aby zlecenia były zleceniami stop. Możesz wejść i odwrócić za pomocą zleceń rynkowych lub limitów. Nie jest również konieczne, aby każda strona korzystała z tej samej logiki lub nawet tego samego rodzaju zamówienia. Na przykład możesz wprowadzić długi (i zakończyć krótki) w zleceniu stop i wprowadzić krótki (i zakończyć długi) zlecenie rynkowe, stosując różne reguły i warunki dla każdego entryexit. Byłby to przykład asymetrycznej strategii stop-and-reverse. Podstawową zaletą strategii stop-and-reverse jest to, że zawsze będąc na rynku, nigdy nie przegapisz żadnych dużych ruchów. Kolejną zaletą jest prostota. Kiedy istnieją oddzielne zasady i warunki wchodzenia i wychodzenia z transakcji, jest więcej złożoności i więcej może się nie udać. Łączenie wejść i wyjść oznacza, że ​​należy podejmować mniej decyzji dotyczących czasu, co może oznaczać mniej błędów. Z drugiej strony można argumentować, że najlepsze warunki do wycofania się z handlu rzadko są takie same, jak w przypadku wejścia w przeciwnym kierunku, ponieważ wchodzenie i wychodzenie z handlu jest z natury oddzielnymi decyzjami, które powinny w związku z tym stosować odrębne reguły i logikę. Kolejną potencjalną wadą ciągłego pozostawania na rynku jest to, że strategia będzie obracać się poprzez każdą lukę otwarcia. Duża luka otwierająca przeciwko pozycji może oznaczać dużą stratę, zanim strategia będzie mogła się wycofać. Strategie, które wchodzą i wybiorą bardziej selektywnie lub te wyjścia przed końcem dnia mogą zminimalizować wpływ luk w otwarciu. Ponieważ celem jest zbudowanie strategii forex, MetaTrader 4 (MT4) jest oczywistym wyborem dla platformy transakcyjnej, biorąc pod uwagę fakt, że MetaTrader 4 jest przeznaczony głównie na rynek forex i jest szeroko wykorzystywany do handlu tymi rynkami (patrz na przykład MetaTrader kontra TradeStation : Porównanie języków). Jednak w ostatnich latach TradeStation znacznie bardziej agresywnie atakuje rynki walutowe. W zależności od wielkości transakcji i poziomu kont, możliwe jest handlowanie rynkami forex za pośrednictwem TradeStation bez ponoszenia jakichkolwiek opłat platformowych lub płacenia jakichkolwiek prowizji. Spready są podobno obfite z dobrą płynnością na głównych parach walutowych. Z tych powodów obie platformy były ukierunkowane na ten projekt. Podczas kierowania na wiele platform jednocześnie pojawia się kilka problemów. Po pierwsze, dane mogą się różnić na różnych platformach, z różnicami w strefach czasowych, notowaniach cenowych dla niektórych słupków, wolumenu i dostępnych zakresów dat. Aby złagodzić te różnice, dane uzyskano z obu platform, a strategie zostały zbudowane jednocześnie dla obu serii danych. Najlepsze strategie były zatem tymi, które dobrze działały w obu seriach danych pomimo jakichkolwiek różnic w danych. Ustawienia danych używane w Builder są pokazane poniżej na Rys. 1. Jak można wywnioskować z tabeli danych rynkowych na rysunku, rynek forex Eurodollar był ukierunkowany (EURUSD) z rozmiarem baru wynoszącym 4 godziny (240 minut). Inne barowe rynki lub rynki równie dobrze by służyły. Byłem w stanie uzyskać tyle danych za pośrednictwem mojej platformy MT4, jak wskazuje zakres dat pokazany na rys. 1 (seria danych 2), więc ten sam zakres dat został wykorzystany do uzyskania równoważnej serii danych ze TradeStation (seria danych 1) . 80 danych wykorzystano do budowania (w połączeniu z próbką i kwotami z próbki), z 20 (62017 do 21015) zarezerwowano dla walidacji. 80 z pierwotnego 80 zostało następnie ustawione na próbkę z 20 ustawionymi na wartość dla próbki, jak pokazano na Fig. 1. Rozłożenie dla bidaski było ustawione na 5 pipsów, a koszty handlowe wynoszące 6 pipsów lub 60 na pełne - wielkość partii (100 000 udziałów) zakładano na okrągłą turę. Obydwie serie danych zostały uwzględnione w kompilacji, co wskazały znaczniki wyboru w lewej kolumnie tabeli Dane rynkowe. Rysunek 1. Ustawienia danych rynkowych do budowy strategii forex dla MetaTrader 4 i TradeStation. Innym potencjalnym problemem podczas kierowania na wiele platform jest to, że Builder ma na celu duplikowanie sposobu, w jaki każda obsługiwana platforma oblicza swoje wskaźniki, co może oznaczać, że wartości wskaźników będą się różnić w zależności od wybranej platformy. Aby uniknąć tego potencjalnego źródła rozbieżności, wszelkie wskaźniki, które oceniają inaczej w MetaTrader 4 niż w TradeStation, powinny zostać wyeliminowane z kompilacji, co oznacza, że ​​należy unikać następujących wskaźników: Wszystkie pozostałe wskaźniki, które są dostępne dla obu platform, są obliczane w ten sam sposób w obie platformy. TradeStation zawiera wszystkie wskaźniki dostępne w Builder, natomiast MetaTrader 4 nie. Dlatego, aby uwzględnić jedynie wskaźniki dostępne na obu platformach, platformę MetaTrader 4 należy wybrać jako typ kodu w programie budującym. To automatycznie usunie wszelkie wskaźniki z zestawu kompilacji, które nie są dostępne dla MT4, co pozostawi wskaźniki dostępne na obu platformach. Dodatkowo, ponieważ zauważyłem różnice w danych o woluminie uzyskanych z każdej platformy, usunąłem wszystkie wskaźniki zależne od woluminu z zestawu kompilacji. Na koniec wskaźnik czasu został usunięty z powodu różnic w strefach czasowych między plikami danych. Na Rys. 2 poniżej przedstawiono listę wskaźników używanych w zestawie kompilacji, posortowaną według tego, czy wskaźnik został uwzględniony w procesie kompilacji (w kolumnie quotonswójdźwięk). Wskaźniki usunięte z rozważań z powodów omówionych powyżej są wyświetlane na górze listy. Pozostałe wskaźniki, począwszy od quotSimple Mov Avequot, były częścią zestawu kompilacji. Rysunek 2. Wybory wskaźników w programie Builder, pokazujące wskaźniki usunięte z zestawu kompilacji. Opcje oceny użyte w procesie budowania są pokazane na Rys. 3. Jak omówiono, MetaTrader 4 został wybrany jako wybór wyjścia kodu. Po zbudowaniu strategii w programie Builder dowolne opcje na karcie Opcje oceny, w tym typ kodu, mogą zostać zmienione, a strategie ponownie ocenione, co spowoduje również przepisanie kodu w dowolnym wybranym języku. Ta funkcja została wykorzystana do uzyskania kodu TradeStation dla ostatecznej strategii po zbudowaniu strategii dla MetaTrader 4. Rysunek 3. Opcje oceny w Builder dla strategii forex EURUSD. Aby utworzyć strategie stop-and-reverse, wszystkie typy wyjść zostały usunięte z zestawu kompilacji, jak pokazano poniżej na Rys. 4. Wszystkie trzy typy zleceń - rynek, stop i limit - zostały pozostawione jako quotconsiderquot, co oznacza proces budowania mógłby rozważyć dowolne z nich podczas procesu budowania. Rysunek 4. Typy zamówień wybrane w programie budującym, aby utworzyć strategię stop-and-reverse. Oprogramowanie Builder automatycznie generuje logiczne warunki oparte na regułach dla wejścia i wyjścia. Aby dodać sieć neuronową do strategii, konieczne jest jedynie wybranie opcji quotInclude sieć neuronową w warunkach wejścia na karcie Opcje strategii, jak pokazano na Rys. 5. Ustawienia sieci neuronowej pozostały domyślne. W ramach logiki stop-and-reverse opcja Strony rynkowe została ustawiona na LongShort, a opcja "Wycofaj się" dla wyjścia przed wprowadzeniem nowego handlu została odznaczona. Ta ostatnia jest konieczna, aby umożliwić zleceniu wejścia wyjście z aktualnej pozycji po odwróceniu. Wszystkie pozostałe ustawienia pozostały domyślne. Rysunek 5. Opcje strategii wybrane w Builder w celu stworzenia strategii hybrydowej z wykorzystaniem warunków opartych na regułach i sieciach neuronowych. Ewolucyjna natura procesu budowania w Builder opiera się na sprawności. który jest obliczany na podstawie celów i warunków zdefiniowanych w zakładce Metryki, jak pokazano poniżej na Rys. 6. Cele budowy były proste: maksymalizacja zysku netto przy jednoczesnej minimalizacji złożoności, której nadano niewielką wagę w stosunku do zysku netto. Większy nacisk położono na warunki budowania, które obejmowały współczynnik korelacji i znaczenie dla ogólnej jakości strategii, a także średnie słupki w transakcjach i liczbę transakcji. Początkowo tylko średnie pręty w transakcjach zostały uwzględnione jako warunek budowy. Jednak w niektórych wczesnych kompilacjach zyski netto były faworyzowane przez cały okres handlu, więc dodano dane dotyczące liczby transakcji. Podany zakres liczby transakcji (od 209 do 418) jest równoważny średniej długości transakcji od 15 do 30 barów na podstawie liczby słupków w okresie kompilacji. W rezultacie dodanie tego wskaźnika położyło większy nacisk na cel długości handlu, co spowodowało zwiększenie liczby członków populacji o pożądany zakres długości transakcji. Rysunek 6. Cele i warunki kompilacji ustawione na zakładce Metryki określają sposób obliczania sprawności. Kryteria wyboru najlepszych strategii dublują warunki kompilacji, z tym że warunki najlepszych strategii są oceniane w całym zakresie danych (nie uwzględniając segmentu walidacji, który jest oddzielny), a nie tylko w okresie kompilacji, jak ma to miejsce w przypadku warunki budowy. Najważniejsze warunki strategii są używane przez program do odrzucania strategii, które spełniają wszystkie warunki w osobnej populacji. Ostateczne ustawienia są dokonywane na karcie Opcje kompilacji, jak pokazano poniżej na Rys. 7. Najważniejszymi opcjami są tutaj rozmiar populacji, liczba generacji i opcja resetowania w oparciu o wydajność cytatu z próbki. Wielkość populacji wybrano tak, aby była wystarczająco duża, aby uzyskać dobre zróżnicowanie w populacji, a jednocześnie była wystarczająco mała, aby zbudować ją w rozsądnym czasie. Liczba pokoleń była oparta na tym, jak długo trwało kilka początkowych kompilacji, aby wyniki zaczęły się zbierać. Rysunek 7. Opcje kompilacji obejmują rozmiar populacji, liczbę generacji i opcje resetowania populacji w oparciu o wydajność cytowania próbki. Opcja wyresetowania Resetu na Out-of-Sample (OOS) Performancequot rozpoczyna proces kompilacji po określonej liczbie generacji, jeśli określony warunek zostanie w tym przypadku spełniony, populacja zostanie zresetowana, jeśli zysk netto z kwitu z próby jest mniej niż 20 000. Wartość ta została wybrana na podstawie wstępnych testów, aby uzyskać wystarczająco wysoką wartość, której prawdopodobnie nie można osiągnąć. W rezultacie proces budowania był powtarzany co 30 generacji, aż do ręcznego zatrzymania. Jest to sposób na umożliwienie programowi identyfikacji strategii w oparciu o najlepsze strategie przez dłuższy czas. Okresowo można sprawdzić populację najlepszych strategii, a proces budowania anulować, gdy zostaną znalezione odpowiednie strategie. Zauważ, że umieszczam quotout-of-samplequot w cudzysłowach. Gdy w celu zresetowania populacji w ten sposób wykorzystywany jest okres cytowania z próby, okres cytatu z próbki nie jest już naprawdę nieskuteczny. Ponieważ ten okres jest obecnie używany do prowadzenia procesu budowania, jego efektywna część okresu próbnego. Właśnie dlatego zaleca się odłożenie trzeciego segmentu do walidacji, tak jak to omówiono powyżej. Po kilku godzinach przetwarzania i szeregu automatycznych przebudów znaleziono odpowiednią strategię w populacji Top Strategies. Krzywą zamkniętego handlu przedstawiono poniżej na wykresie 8. Krzywa kapitału pokazuje stałą wydajność w obu segmentach danych z odpowiednią liczbą transakcji i zasadniczo takie same wyniki w obu seriach danych. Wykres 8. Wykres krzywej kapitału zamkniętego dla strategii stop-and-reverse EURUSD. Aby sprawdzić strategię w okresie walidacji, kontrolki daty na karcie Rynki (patrz: rys. 1) zostały zmienione na datę końcową danych (2112018), a strategia została ponownie oceniona przez wybranie polecenia Oceń z strategii menu w Builder. Wyniki pokazano poniżej na Rys. 9. W wyniku walidacji czerwone pole pokazuje, że strategia zatrzymywała dane, które nie były używane podczas procesu budowania. Wykres 9. Krzywa kapitału zamkniętego dla strategii stop-and-reverse EURUSD, w tym okres walidacji. Ostatnim sprawdzeniem jest sprawdzenie, w jaki sposób strategia realizowana jest dla każdej serii danych osobno, przy użyciu opcji wyjścia kodu dla tej platformy. Jest to konieczne, ponieważ, jak wyjaśniono powyżej, mogą wystąpić różnice w wynikach w zależności od (1) rodzaju kodu i (2) serii danych. Musimy sprawdzić, czy wybrane ustawienia zminimalizowały te różnice, zgodnie z przeznaczeniem. Aby przetestować strategię dla MetaTrader 4, seria danych z TradeStation została wyłączona z zakładki Rynki, a strategia została ponownie oceniona. Wyniki przedstawiono poniżej na rycinie 10, która przedstawia dolną krzywą na ryc. 9. Rycina 10. Krzywa kapitału zamkniętego dla strategii stop-and-reverse EURUSD, w tym okres zatwierdzania, dla MetaTrader 4. Wreszcie, dla przetestuj strategię dla TradeStation, wybrano serie danych z TradeStation i odznaczono serię dla MetaTrader 4 na karcie Rynki, kod wyjściowy został zmieniony na quotStationStation, quot i strategia została ponownie oceniona. Wyniki przedstawiono poniżej na fig. 11 i wydają się bardzo podobne do krzywej środkowej na fig. 9, zgodnie z oczekiwaniami. Wykres 11. Krzywa kapitału zamkniętego dla strategii stop-and-reverse EURUSD, w tym okres walidacji, dla TradeStation. Kod dla obu platform przedstawiono poniżej na Rys. 12. Kliknij obraz, aby otworzyć plik kodu dla odpowiedniej platformy. Analiza kodu ujawnia, że ​​część strategii oparta na regułach wykorzystuje różne warunki związane z wahaniami długich i krótkich boków. Wejścia sieci neuronowej składają się z różnych wskaźników, w tym z tygodnia tygodnia, trendu (ZLTrend), wysokiego dnia intraday, oscylatorów (InvFisherCycle, InvFisherRSI), pasm Bollingera i odchylenia standardowego. Hybrydowy charakter strategii można zobaczyć bezpośrednio w kodzie źródłowym (z kodu TradeStation): Jeśli EntCondL i NNOutput gt 0,5 rozpoczną się Buy (quotEnMark-Lquot) NShares udostępni następny pasek na rynku Zmienna quotEntCondLquot reprezentuje wpis oparty na regułach warunki i quotNNOuputot jest wyjściem sieci neuronowej. Oba warunki muszą być prawdziwe, aby umieścić długą kolejność wprowadzania. Krótki warunek wejścia działa w ten sam sposób. Wykres 12. Kod strategii handlowej dla strategii stop-and-reverse EURUSD (po lewej, MetaTrader 4 po prawej, TradeStation). Kliknij rysunek, aby otworzyć odpowiedni plik kodu. Pobierz plik projektu Builder (.gpstrat) zawierający ustawienia opisane w tym artykule. W tym artykule przyjrzano się procesowi budowania hybrydowej strategii opartej na zasadach hybrydowych dla EURUSD za pomocą podejścia stop-and-reverse (zawsze na rynku) z Adaptrade Builder. Pokazano, w jaki sposób można wygenerować kod strategii dla wielu platform, wybierając wspólny podzestaw wskaźników, które działają tak samo na każdej platformie. Opisano ustawienia niezbędne do generowania strategii odwracających od długiego do krótkiego iz powrotem oraz wykazano, że uzyskana strategia działała pozytywnie na oddzielnym, walidacyjnym segmencie danych. Zweryfikowano również, że strategia wygenerowała podobne wyniki z opcją danych i kodu dla każdej platformy. Jak wspomniano powyżej, podejście stop-and-reverse ma kilka wad i może nie być atrakcyjne dla wszystkich. Jednak podejście oparte na zasadzie "zawsze na rynku" może być bardziej atrakcyjne dzięki danym na rynku Forex, ponieważ rynki walutowe działają przez całą dobę. W rezultacie nie ma luk w otwarciu sesji, a zlecenia handlowe są zawsze aktywne i dostępne, aby odwrócić transakcję po zmianie rynku. Wykorzystanie danych śróddziennych (4-godzinnych taktów) zapewniało więcej pasków danych do wykorzystania w procesie budowania, ale było w inny sposób dość arbitralne, ponieważ strategia "zawsze obecna na rynku" oznacza, że ​​transakcje są przeprowadzane z dnia na dzień. Proces budowania pozwolił ewoluować innym warunkom wprowadzania długich i krótkich, skutkując asymetryczną strategią stop-and-reverse. Pomimo nazwy strategia wynikowa wchodzi zarówno w długie, jak i krótkie transakcje na zleceniach rynkowych, chociaż zlecenia dotyczące rynku, stopu i limitu były rozważane przez proces budowania niezależnie dla każdej strony. W praktyce odwrócenie z długiego na krótkoterminowe oznaczałoby sprzedaż krótkiej dwukrotnie większej liczby udziałów na rynku, ponieważ strategia była długotrwała, np. jeżeli obecna pozycja długa wynosiłaby 100 000 akcji, sprzedałabyś na rynku krótkie 200 000 akcji. Podobnie, jeśli obecna pozycja krótka wynosiłaby 100 000 akcji, kupowałabyś 200 000 akcji na rynku, aby odwrócić się od krótkiego do długiego. Używano krótszej historii cen niż byłoby to idealne. Niemniej wyniki były pozytywne w segmencie walidacji, co sugeruje, że strategia nie była nadmiernie dopasowana. Potwierdza to pogląd, że sieć neuronowa może być stosowana w strategii handlowej, niekoniecznie dostosowując ją do rynku. Przedstawiona tutaj strategia nie jest przeznaczona do rzeczywistego handlu i nie była testowana w czasie rzeczywistym ani w handlu. Ten artykuł może jednak posłużyć jako szablon do opracowania podobnych strategii dla EURUSD lub innych rynków. Jak zawsze, każda opracowana strategia handlowa powinna być dokładnie przetestowana w czasie rzeczywistym lub na osobnych danych, aby potwierdzić wyniki i zapoznać się z charakterystykami handlowymi strategii przed wprowadzeniem na żywo. Artykuł ukazał się w wydaniu z lutego 2018 r. Biuletynu Adaptrade Software. HIPOTETYCZNE LUB SYMULOWANE WYNIKI WYNIKÓW POSIADAJĄ NIEPOŻĄDANE OGRANICZENIA. WYOBRAŹ SIĘ DO RZECZYWISTEGO REJESTRACJI WYDAJNOŚCI, SYMULACJA WYNIKÓW NIE REPREZENTUJE RZECZYWISTEGO TRADINGU. RÓWNIEŻ OD OKRESU, W JAKI SPOSÓB TRANSAKCJE NIE ZOSTAŁY ZAKOŃCZONE, WYNIKI MOGĄ ZOSTAĆ ZGODNE Z NIMKONEKCJONOWANIĄ WPŁYWEM, JEŻELI JESTEŚ, NA NIEKTÓRE CZYNNIKI RYNKOWE, TAKIE JAK BRAK PŁYNNOŚCI. SYMULACJA PROGRAMÓW HANDLOWYCH W OGÓLNYM ZAKRESIE PODLEGA WPŁYWIE NA FAKT, KTÓRY ZAPROJEKTOWANO Z KORZYŚCIĄ HINDSIGHT. NIE ZAPEWNIA ŻADNEGO OŚWIADCZENIA, ŻE WSZELKIE RACHUNKI BĘDĄ PRAWDOPODOBNIE OSIĄGNĄĆ ZYSKI LUB STRAT PODOBNE PODCZAS TYCH OSÓB. Jeśli chcesz być informowany o nowościach, nowościach i ofertach specjalnych z Adaptrade Software, dołącz do naszej listy mailingowej. Dziękujemy. Zespoły muzyczne są szeroko stosowanym wskaźnikiem technicznym do pomiaru i wyświetlania zmienności papierów wartościowych. Zespoły realizują to, pokazując, czy ceny są wysokie przy użyciu górnego pasma i czy są niskie przy użyciu niższego pasma. Pasma są oparte na zmienności (odchylenie standardowe) wcześniejszych danych cenowych. Ten wskaźnik może pomóc w rygorystycznym rozpoznawaniu wzorców i jest przydatny w porównaniu bieżących działań cenowych z możliwymi sygnałami kupna i sprzedaży, pomagając dojść do niezależnej systematycznej decyzji handlowej. Jednak ze względu na nieodłączne cechy, wskaźnik może dostarczać fałszywe sygnały podczas handlu na niektórych modnych rynkach. W ramach tej pracy opracowano dwa zmodyfikowane modele, w tym jeden łączący sieci neuronowe ze wskaźnikiem technicznym Bollinger Bands, a drugi wykorzystujący model GARCH-in z wskaźnikiem technicznym Bollinger Bands do przewidywania trendów w zakresie bezpieczeństwa i handlu nimi. Założeniem połączonego systemu jest to, że sieć neuronowa lub model GARCH pomoże przezwyciężyć opóźnione aspekty wskaźnika Bollinger Bands, dostarczając prognozę na następny dzień, pozwalając przedsiębiorcy na podejmowanie właściwych decyzji handlowych. Opłacalność modelu jest testowana przy użyciu 10 amerykańskich akcji i indeksów - Abstract, leaf iii. Wydział (y) Inżynieria Zarządzanie i inżynieria systemów Stopień Nazwa M. S. w Engineering Management University of Missouri - Data publikacji w katalogu Rolla Uwaga na temat bibliografii Obejmuje odniesienia bibliograficzne (strona 39). 2005 Yanqiong Dong, Wszelkie prawa zastrzeżone. Rodzaj dokumentu Biblioteka Kongresu Temat Nagłówki Analiza inwestycji Zapasy - Ceny - Modele matematyczne Prognozowanie ceny akcji Sieci neuronowe (informatyka) Numer pracy dyplomowej Drukuj OCLC Link do rekordu katalogu Pełen tekst niedostępne: Poproś o tę publikację bezpośrednio z Biblioteki Missouri ST lub skontaktuj się twoja lokalna biblioteka. Zalecane Citation Dong, Yanqiong, Wykorzystanie sieci neuronowych, modeli GARCH i wskaźników technicznych Bollinger Bands do podejmowania decyzji dotyczących obrotu giełdowego (2005). Tezy magisterskie. 5847. scholarsmine. mst. edumasterstheses5847