Forex algoritmes

Die basiese beginsels van Forex Algorithmic Trading Byna dertig jaar gelede, die buitelandse valuta mark (Forex) is gekenmerk deur ambagte gedoen via die telefoon, institusionele beleggers, ondeursigtig prys inligting, 'n duidelike onderskeid tussen interdealer handel en handelaar kliënt handel en 'n lae konsentrasie mark. Vandag, het tegnologiese vooruitgang die mark verander. Ambagte is hoofsaaklik via rekenaars, sodat kleinhandel handelaars in die mark, real-time streaming pryse het gelei tot groter deursigtigheid en die onderskeid tussen handelaars en hul mees gevorderde kliënte het grootliks verdwyn betree. Een besonder beduidende verandering is die bekendstelling van algoritmiese handel, wat, terwyl daar beduidende verbeterings aan die funksionering van forex, 'n aantal risiko's hou ook. Deur te kyk na die basiese beginsels van die Forex mark en algoritmiese handel, sal ons identifiseer 'n paar voordele algoritmiese handel het om valuta handel gebring, terwyl dit ook uit te wys 'n paar van die risiko's. Forex Basics Forex is die virtuele plek waar munt pare verhandel in wisselende volumes volgens gekwoteerde waardeur 'n basis geldeenheid kry 'n prys in terme van 'n kwotasie geldeenheid. Bedryfstelsel 24 uur per dag, vyf dae per week, is Forex beskou grootste en mees vloeibare finansiële markte ter wêreld wees. Per die Bank vir Internasionale Skikkings (BIS) die daaglikse wêreldwye gemiddelde volume van handel in April 2013 was $ 2,0 triljoen. Die grootste deel van hierdie handel gedoen vir VS dollar, euro en Japannese jen en behels 'n verskeidenheid van spelers, insluitend private banke, sentrale banke, pensioenfondse, institusionele beleggers, groot maatskappye, finansiële maatskappye en individuele kleinhandel handelaars. Hoewel spekulatiewe handel die belangrikste motivering vir sekere beleggers kan wees, die primêre rede vir die bestaan ​​van die Forex mark is dat mense nodig het om geldeenhede handel te dryf ten einde buitelandse goedere en dienste te koop. Aktiwiteit in die Forex mark beïnvloed werklike wisselkoerse en kan dus ten diepste beïnvloed die produksie, indiensneming, inflasie en kapitaalvloei van 'n bepaalde nasie. Om hierdie rede, beleidmakers, die publiek en die media het almal 'n gevestigde belang in wat gaan aan in die Forex mark. Basiese beginsels van Algorithmic Trading 'N Algoritme is in wese 'n stel reëls wat ontwerp is om 'n duidelike taak te voltooi. In finansiële mark verhandel, rekenaars uit te voer die gebruiker-gedefinieerde algoritmes wat gekenmerk word deur 'n stel reëls wat bestaan ​​uit parameters soos tydsberekening, prys of hoeveelheid wat die ambagte wat gemaak sal word struktureer. Daar bestaan ​​vier basiese tipes algoritmiese handel binne finansiële markte: statistiese, motor-verskansing, algoritmiese uitvoering strategieë en direkte toegang tot die mark. Statistiese verwys na 'n algoritmiese strategie wat lyk vir winsgewende handel geleenthede gebaseer op die statistiese ontleding van historiese tydreeksdata. Auto-verskansing is 'n strategie wat reëls genereer om blootstelling 'n handelaar se risiko te verminder. Die doel van algoritmiese uitvoering strategieë is om 'n vooraf gedefinieerde doel uit te voer, soos verminder impak mark of vinnig uit te voer 'n handel. Ten slotte, 'n direkte toegang tot die mark beskryf die optimale spoed en laer koste waarteen algoritmiese handelaars toegang en verbinding met verskeie handel platforms. Een van die subkategorieë van algoritmiese handel is 'n hoë frekwensie handel, wat gekenmerk word deur die uiters hoë frekwensie van handel ten einde teregstellings. Hoë-spoed handel kan aansienlike voordele vir handelaars gee deur hulle die vermoë om ambagte te maak binne millisekondes van inkrementele prysveranderings gee, maar dit kan ook sekere risiko's te dra. Algoritmiese Trading in die forex mark Baie van die groei in algoritmiese handel in Forex markte oor die afgelope jare het as gevolg van algoritmes outomatisering sekere prosesse en die vermindering van die nodig is om buitelandse valuta transaksies uit te voer uur was. Die doeltreffendheid geskep deur outomatisasie lei tot laer koste in die uitvoering van hierdie prosesse. Een so 'n proses is die uitvoering van handel bestellings. Outomatisering van die handel proses met 'n algoritme wat bedrywe gebaseer op voorafbepaalde kriteria, soos oor 'n bepaalde tydperk of op 'n spesifieke prys uitvoering bestellings, is aansienlik meer doeltreffend as handleiding uitvoering deur die mens. Banke het ook gebruik gemaak van algoritmes wat geprogrammeer is om pryse van die munt pare op elektroniese handel platforms te werk. Hierdie algoritmes verhoog die spoed waarteen banke markpryse kan haal en terselfdertyd die aantal handleiding werksure wat dit neem om pryse te haal vermindering. Sommige banke program algoritmes om hul blootstelling aan risiko te verminder. Die algoritmes gebruik kan word om 'n spesifieke geldeenheid te verkoop aan die handel 'n kliënt se waarin die bank die ekwivalent bedrag gekoop ten einde 'n konstante hoeveelheid van daardie spesifieke geldeenheid te handhaaf aan te pas. Dit laat die bank om 'n pre-gespesifiseerde vlak van blootstelling risiko te handhaaf vir die hou van daardie geldeenheid. Hierdie prosesse is aansienlik meer doeltreffend gemaak deur algoritmes, wat lei tot laer transaksiekoste. Tog, dit is nie die enigste faktore wat gery die groei in Forex algoritmiese handel. Algoritmes toenemend gebruik vir spekulatiewe handel dryf as die kombinasie van 'n hoë frekwensie en die vermoë van die algoritme om data bestellings interpreteer en uit te voer het toegelaat handelaars om arbitrage geleenthede wat voortspruit uit klein prys afwykings tussen munt pare te ontgin. Al hierdie voordele het daartoe gelei dat die toename in die gebruik van algoritmes in die Forex mark, maar laat ons kyk na sommige van die risiko's wat algoritmiese handel vergesel. Risiko's verbonde aan Algorithmic Forex Trading Hoewel algoritmiese handel baie verbeterings gemaak het, is daar 'n paar nadele wat die stabiliteit en likiditeit van die Forex mark kan bedreig. Een so 'n nadeel het betrekking op wanbalanse in die handel mag van deelnemers aan die mark. Sommige deelnemers het die middele om gevorderde tegnologie wat hulle in staat stel om inligting te bekom en uit te voer bestellings teen 'n baie vinniger spoed as ander te verkry. Hierdie wanbalans tussen die haves en have-nots in terme van die mees gevorderde algoritmiese tegnologie kan lei tot fragmentering binne die mark wat kan lei tot 'n tekort likiditeit met verloop van tyd. Verder, terwyl daar fundamentele verskille tussen aandelemarkte en die Forex mark, is daar 'n paar wat vrees dat die hoë frekwensie handel dat die aandelemark flits ongeluk vererger op 6 Mei, 2010 kan insgelyks invloed op die Forex mark. Soos algoritmes is geprogrammeer vir spesifieke mark scenario, kan hulle nie vinnig genoeg as die mark was om drasties te verander reageer. Ten einde hierdie scenario markte te vermy kan gemonitor moet word en algoritmiese handel opgeskort tydens markonstuimigheid. Maar in sulke uiterste scenario, 'n gelyktydige opheffing van algoritmiese handel deur talle markdeelnemers kan lei tot 'n hoë wisselvalligheid en 'n drastiese afname in die mark likiditeit. Die bottom line Hoewel algoritmiese handel in staat om doeltreffendheid te verbeter, dus die koste van geldeenhede te verminder is, het dit ook kom met 'n paar bygevoeg risiko's. Vir geldeenhede om behoorlik te funksioneer, moet hulle 'n bietjie stabiele winkels van waarde en hoogs likiede. So, is dit belangrik dat die Forex mark vloeistof met 'n lae prys wisselvalligheid bly. Soos met alle gebiede van die lewe, 'n nuwe tegnologie stel baie voordele, maar dit kom ook met 'n nuwe risiko's. Die uitdaging vir die toekoms van algoritmiese forex sal wees hoe om veranderinge wat die voordele te maksimeer terwyl die vermindering van die risiko's in te stel. Genetiese algoritme in forex stelsels Die gebruik van genetiese algoritme om winsgewend forex strategie te skep. Genetiese algoritme in Cortex Neurale Netwerke sagteware waards Backpropagation Neurale netwerk Aansoek om genetiese berekeninge gebaseer forex. Hierdie voorbeeld gebruik konsepte en idees van die vorige artikel, so lees asseblief Neurale netwerk genetiese algoritme in forex stelsels eerste, maar dit is nie verpligtend nie. Oor hierdie teks In die eerste plek, lees asseblief die disclaimer. Dit is 'n voorbeeld van die gebruik van Cortex Neurale Netwerke sagteware genetiese algoritme funksionaliteit, nie 'n voorbeeld van hoe om winsgewend handel te doen. Ek is nie jou guru nie, moet ek verantwoordelik wees vir jou verliese. Cortex Neurale Netwerke sagteware het neurale netwerke in dit, en FFBP ons voor bespreek is net een manier om die keuse van 'n forex strategieë. Dit is 'n goeie tegniek, kragtige en wanneer dit behoorlik toegepas word, baie promicing. Maar dit het 'n probleem - om te leer aktief op neurale netwerk. ons nodig het om die "verlangde uitset" weet. Dit is nogal maklik om te doen wanneer ons dit doen funksie benadering, ons neem net die "regte" waarde van 'n funksie, want ons weet wat dit behoort te wees. Wanneer ons dit doen neurale netwerk vooruitskatting. Ons gebruik die tegniek (in vorige artikels beskryf) van die onderrig van die neurale netwerk op die geskiedenis, weer, as ons voorspel, sê, 'n wisselkoers, weet ons (tydens die opleiding) wat die korrekte voorspelling is. Maar wanneer ons bou 'n handel stelsel, ons het geen idee wat die korrekte handel besluit is, selfs al weet ons die wisselkoers! As die saak van die feit, ons het baie forex strategieë wat ons kan gebruik op enige punt van die tyd, en ons moet 'n goeie een te vind - hoe? Wat moet ons oppas as die verlangde uitset van ons Neurale Net? As jy ons vorige artikel gevolg, jy weet, dat ons bedrieg om te gaan met hierdie probleem. Ons docent die neurale netwerk te wisselkoers (of wisselkoers gebaseer aanwyser) voorspelling te doen, en dan gebruik hierdie voorspelling te handel nie. Dan, buite die neurale netwerk deel van die program, het ons 'n besluit oor watter neurale netwerk is die beste een. Genetiese algoritmes kan gaan met hierdie probleem direk, hulle kan die probleem wat as "die beste handel seine" op te los. In hierdie artikel gaan ons Cortex Neurale Netwerke Sagteware gebruik om so 'n program te skep. Die gebruik van genetiese algoritme Genetiese algoritmes baie goed ontwikkel, en baie uiteenlopend. As jy wil om te leer alles oor hulle, ek stel voor jy Wikipedia gebruik, soos hierdie artikel is slegs oor wat Cortex Neurale Netwerke sagteware kan doen. Met Cortex Neurale Netwerke sagteware. Ons kan 'n neurale netwerk wat 'n paar insette, sê, waardes van 'n aanwyser neem, en produseer skep 'n uitset, sê, handel seine (koop, verkoop, te hou.) en stop verlies / neem winsvlakke vir posisies te oopgemaak word. Natuurlik, as ons saad gewigte hierdie neurale netwerk se na willekeur, handelsresultate sal verskriklik wees. Maar kom ons sê ons 'n dosyn van sodanige nns geskep. Dan kan ons toets prestasie van elkeen van hulle, en kies die beste een, die wenner. Dit was die "eerste generasie" van nns. Om voort te gaan om die tweede generasie, moet ons toelaat dat ons wenner na "voortplant", maar om te vermy om identiese kopieë, kom ons voeg 'n paar random geraas te dis gewigte descentants. In die tweede generasie, ons het ons eerste-generasie wenner en dit is onvolmaak (gemuteerde) afskrifte. Kom ons toets weer doen. Ons sal 'n ander wenner, wat is beter as enige ander Neurale netwerk in die generasie het. En so aan. Ons laat net wenners te teel, en elimineer verloorders, net soos in die werklike lewe evolusie, en ons sal ons bes-handel Neurale netwerk te kry. sonder enige vooraf knowlege oor wat die handel stelsel (genetiese algoritme) moet wees nie. Neurale netwerk genetiese algoritme: Voorbeeld 0 Dit is die eerste genetiese algoritme voorbeeld. en 'n baie eenvoudige een. Ons gaan loop deur dit stap vir stap, om al truuks wat volgende voorbeelde sal gebruik leer. Die kode het inline kommentaar, so laat ons net fokus op die belangrikste oomblikke. In die eerste plek het ons 'n neurale netwerk geskep. Dit is die gebruik van ewekansige gewigte, en is nog nie docent. Dan, in siklus, ons maak 14 kopieë daarvan, met behulp van MUTATION_NN fumction. Hierdie funksie maak 'n afskrif van 'n bron Neurale netwerk. toevoeging van ewekansige waardes van 0 tot (in ons geval) 0.1 aan al gewigte. Ons hou handvatsels om gevolglike 15 nns in 'n skikking, kan ons dit doen, as handvatsel is net 'n heelgetal. Die rede waarom ons gebruik 15 nns het niks te doen met beurs: Cortex Neurale Netwerke sagteware kan plot tot 15 lyne op 'n grafiek gelyktydig. Ons kan verskillende benaderings tot die toetsing gebruik. In die eerste plek kan ons die leer stel te gebruik, al is dit in 'n keer. In die tweede plek kan ons toets op, sê, 12000 resords (uit 100000), en loop deur die leer stel, van die begin tot die einde. Dit sal learnigs verskillende maak, soos ons sal sien vir neurale netwerk se van wat nuttig is op enige gegewe deel van data, nie net op die hele stel. Die tweede benadering kan ons gee probleme, indien data verander, van die begin tot die einde. Dan sal die netwerk te ontwikkel, die verkryging van vermoë om handel te dryf op die einde van datastel, en die verlies van die vermoë om handel te dryf op die begin. Om die probleem op te los, gaan ons ewekansige 12000 rekords fragmente uit data, en voer dit na die neurale netwerk. is bloot 'n eindelose siklus, soos 100,000 siklusse nooit bereik sal word by ons spoed. Onder 'n kind by te voeg ons vir elke netwerk, met effens verskillende gewigte. Kennis dat 0,1 vir mutasie Tange is nie die enigste keuse, as die saak van die feit, selfs hierdie parameter kan geoptimaliseer word met behulp van genetiese algoritme. Nuutgeskepte nns bygevoeg na 15 bestaande. Op hierdie manier het ons 30 nns in 'n skikking, 15 oud en 15 nuwe. Dan gaan ons na die volgende siklus van die toets te doen, en om verloorders doodmaak, van beide geslagte. Om die toets te doen, pas ons neurale netwerk om ons data, om uitsette te produseer, en dan bel toets funksie, dat hierdie uitsette gebruik om handel te boots. Resultate van die saak word gebruik om deside, wat nns is die beste. Let op die kode: Ons gebruik 'n tussenpose van nKom rekords van nbegin om nbegin + nKom, waar nbegin is 'n arbitrêre punt binne leer stel. Die kode hieronder is 'n truuk. Die rede waarom ons dit gebruik is om die feit te illustreer, wat genetiese algoritme genetiese algoritme kan skep. maar dit sal nie noodwendig die beste een wees, en ook, voor te stel, dat ons gevolg kan verbeter, as ons 'n paar beperkings impliseer om die leerproses. Dit is moontlik dat ons handel stelsel werk baie goed op die lang ambagte, en baie swak op kort, of andersom. As, sê, 'n lang ambagte is baie goed, kan dit genetiese algoritme wen, selfs met 'n groot verliese op kort ambagte. Om dit te vermy, ons wys meer gewig aan lang ambagte in vreemde en kort ambagte in selfs siklusse. Dit is net 'n voorbeeld, daar is geen waarborg dat dit iets sal verbeter. Meer daaroor hieronder, in gesprek oor regstellings. Tegnies, hoef jy nie om dit te doen, of kan dit anders maak. wins Voeg 'n gesorteerde skikking. Dit gee 'n inplanting posisie, dan gebruik ons ​​hierdie posisie te voeg Neurale netwerk hanteer, leer en toets winste na nie-gesorteer skikkings. Nou het ons data vir die huidige neurale netwerk op dieselfde verskeidenheid indeks as sy wins. Die idee is om verskeidenheid van nns, gesorteer volgens winsgewendheid te kom. Soos skikking is SORTES deur wins, te verwyder 1/2 van netwerke, wat minder winsgewend is, moet ons net nns 0 verwyder tot 14 Trading besluite is gebaseer op waarde van neurale netwerk sein, uit hierdie oogpunt die program is identies aan voorbeelde uit vorige artikel. Forex strategie: Bespreek voorbeeld 0 In die eerste plek, laat ons 'n blik op kaarte. Die eerste grafiek vir wins in die eerste iterasie is glad nie goed nie, want moet verwag word, verloor die neurale netwerk geld (beeld evolution_00_gen_0.png kopieer na die eerste iterasie van "beelde" gids): Die beeld vir 'n wins op siklus 15 is beter, soms, kan genetiese algoritme baie vinnig leer: Maar let op die volop op 'n wins kurwe. Dit is interessant ook te kyk na die manier waarop individuele winste verandering, in gedagte hou dat kurwe getal, sê, 3 is nie altyd vir dieselfde neurale netwerk. soos hulle word gebore en beëindig die hele tyd: Let ook op dat uit klein forex outomatiese handel stelsel verrig armes op kort ambagte, en baie beter op verlang, wat mag of nie mag wees met betrekking tot die feit dat die dollar was val in vergelyking met euro gedurende daardie tydperk. Dit kan ook iets te doen met parameters van ons aanwyser het (miskien moet ons ander tydperk vir kortbroek) of die keuse van aanwysers. Hier is die geskiedenis na 92 ​​en 248 siklusse: Tot ons verbasing, genetiese algoritme misluk heeltemal. Kom ons probeer om uit te vind waarom, en hoe om die situasie te help. In die eerste plek, is nie elke generasie veronderstel om beter as die Vorige een wees? Die antwoord is nee, ten minste nie in die model wat ons gebruik. As ons het HELE leer stel in 'n keer, en gebruik dit herhaaldelik aan ons nns leer, dan ja, hulle sal verbeter elke generasie. Maar in plaas daarvan, het ons ewekansige fragmente (12000 rekords in die tyd), en gebruik hulle. Twee vrae: waarom die stelsel versuim het om op ewekansige fragmente van leer stel, en hoekom het ons nie gebruik hele leer stel? Wel. Om die tweede vraag te beantwoord, het ek. Nns uitgevoer grootliks - op leer stel. En hulle versuim het om op die toets stel, vir dieselfde rede is dit ongehoorsaam wanneer ons gebruik FFPB leer. Om dit anders te stel, het ons nns overspecialized, het hulle geleer hoe om te oorleef in die omgewing waarin hulle gebruik word om 'n nie-daarbuite. Dit gebeur baie in die natuur. Die benadering wat ons het in plaas was bedoel om te vergoed vir wat, deur te dwing nns goeie op enige arbitrêre fragment van die datastel te voer, sodat hopelik, kan hulle ook uit te voer op 'n onbekende toets stel. In plaas daarvan, het hulle versuim het albei op die toets en op die leer stel. Stel jou diere, wat in 'n woestyn. Daar is baie van die son, geen sneeu nie. Dit is 'n metafoor vir rizing mark, soos vir ons nns data speel die rol van die omgewing. Diere geleer in 'n woestyn woon. Stel jou diere, wat in 'n koue klimaat leef. Sneeu en geen son nie. Wel, aangepas hulle. Maar in ons eksperiment, ons lukraak geplaas ons nns in 'n woestyn, in die sneeu, in die water, op die bome. deur dit met verskillende fragmente van data (lukraak styg, val plat.). Diere gesterf. Of, om dit anders te stel, ons gekies om die beste Neurale netwerk vir ewekansige datastel 1, wat, sê, was vir stygende mark. Dan aangebied ons, aan die wenners en hul kinders, data 'n dalende mark se. Nns swak presteer, ons het die beste van swak presteerders, miskien, een van die mutant kinders, wat die vermoë om handel te dryf op stygende mark verloor, maar het 'n paar vermoë om te gaan met die val een. Daarna het ons die tafel weer, en weer, ons het die beste presteerder - maar die beste onder swak presteerders. Ons het eenvoudig nie gee ons nns enige kanse om universele geword. Daar is tegnieke toe te laat genetiese algoritme om nuwe inligting te leer sonder om te verloor prestasie op ou inligting (na alles, diere kan lewe in die somer en in die winter, reg? So evolusie in staat is om te herhaal veranderinge te hanteer). Ons kan hierdie tegnieke later bespreek, hoewel hierdie artikel is meer oor die gebruik van Cortex Neurale Netwerke sagteware. as oor die bou van 'n suksesvolle forex outomatiese handel stelsel. Neurale netwerk genetiese algoritme: Voorbeeld 1 Nou is dit tyd om te praat oor regstellings. 'N Eenvoudige genetiese algoritme ons geskep is tydens die vorige stap het twee groot foute. In die eerste plek is dit nie te handel met wins. Dit is ok, kan ons probeer om gedeeltelik opgeleide stelsel (dit was waardeloos aan die begin) gebruik. Die tweede fout is ernstiger: Ons het geen beheer oor dinge, dat hierdie stelsel nie. Byvoorbeeld, kan dit leer winsgewend, maar met 'n groot onttrekkings te wees. Dit is 'n bekende feit dat in die werklike lewe, evolusie kan meer as een parameter gelyktydig te optimaliseer. Byvoorbeeld, kan ons 'n dier, wat vinnig kan hardloop en word weerstand teen koue kry. Hoekom nie probeer om dieselfde te doen in ons forex outomatiese handel stelsel. Dis toe dat ons gebruik regstellings, wat niks anders as die stel van addisionele straf is. Sê, ons stelsel ambagte met drawdown 0.5, terwyl ons dit wil bevestig 0-0,3 interval. Om "vertel" die stelsel wat dit 'n fout gemaak het, te verminder ons die wins (een wat gebruik word om vas te stel, wat genetiese algoritme gewen) die graad, wat is eweredig aan die grootte van DD. Dan, die evolusie algoritme sorg vir die res. Daar is 'n paar meer faktore, wat ons wil in ag neem: kan ons wil min of meer ewe veel koop en verkoop transaksies, ons wil meer van winsgewende bedrywighede het, dan van mislukkings, ons wil die wins grafiek om wees lineêre en so aan. In evolution_01.tsc voer ons 'n eenvoudige stel verbeteringe. In die eerste plek, gebruik ons ​​'n paar groot aantal vir 'n aanvanklike regstelling waarde. Ons vermenigvuldig dit met 'n klein (gewoonlik tussen 0 en 1) waardes, afhangende van die "straf" Ons wil aansoek doen. Dan vermenigvuldig ons wins op hierdie regstelling. As gevolg, is wins reggemaak, om te besin hoeveel die genetiese algoritme ooreenstem met ons ander kriteria. Dan gebruik ons ​​die resultaat van 'n wenner Neurale netwerk te vind. Forex strategie: Bespreek voorbeeld 1 Voorbeeld 1 werk baie beter, as voorbeeld 0. In die eerste 100 siklusse, dit baie geleer, en wins kaarte kyk gerus te stel. Maar, soos in voorbeeld 0, lang ambagte is baie meer winsgewend, wat waarskynlik beteken dat daar 'n probleem in ons benadering. Tog het die stelsel het 'n balans te vind tussen paar teenstrydige aanvanklike voorwaardes: Daar is 'n paar positiewe dinamika beide in leer stel en, meer belangrik, in die toets stel. Soos vir verdere leer, by siklus 278 ons kan sien dat ons stelsel het overtrained. Dit beteken, het ons nog vordering op leer stel: Maar die toets stel toon swakheid: Dit is 'n algemene probleem met nns: wanneer ons dit leer oor leer stel, dit leer om dit te hanteer, en soms is dit leer te goed - om die graad, wanneer dit verloor prestasie op die toets stel. Om te gaan met die probleem, is 'n "tradisionele" oplossing gebruik: ons hou op soek na die neurale netwerk. wat die beste presteer op die toets stel, en stoor dit, te vervang vorige beste een, is elke keer nuwe hoogtepunt bereik. Dit is dieselfde benadering, wat ons gebruik in FFBP opleiding, behalwe hierdie keer moet ons dit self doen (die toevoeging kode, wat lyk vir 'n beste neurale netwerk op 'n toets stel, en 'n beroep SAVE_NN, of die uitvoer van gewigte van neurale netwerk om 'n lêer). Op hierdie manier, wanneer jy jou opleiding te stop, sal jy die beste presteerder op die toets te laat stel gered en wag vir jou. Let ook dat dit nie die maksimum. wins wat jy na, maar optimale prestasie, so oorweeg om regstellings, wanneer jy soek na 'n beste presteerder op 'n toets stel. Genetiese algoritme vir FOREX Tegniese Analise: Waar nou? Nadat jy het jou wenner Neurale netwerk. jy kan volg die stappe in die vorige artikel beskryf, te gewigte van daardie Neurale netwerk uit te voer. en dan om dit te gebruik in jou real time handel platform, soos Meta Trader, Handel Station en so aan. Alternatiewelik kan jy fokus op ander maniere die optimalisering van die neurale netwerk. In teenstelling met met FFBP algoritme, hier kan jy avay kry van die gebruik van leer en toets stelle, en beweeg opeenvolgende leer. Aflaai Cortex Bestel Cortex View Pryslys Forex Trading System Algoritmes A handel stelsel algoritme is 'n reeks stappe wat wys hoe die stelsel inskrywings hanteer, uitgange teen 'n verlies (stop verlies) en uitgange teen 'n wins. Uiteindelik moet hierdie word gekodeer in 'n rekenaarstelsel om jou handel te outomatiseer, maar implementering is onafhanklik van die werklike algoritme. In die plasing, gaan ek 'n paar prys glad algoritmes te bespreek. Prys Smoothing - Hoekom dit doen? Die handelaar het oor die algemeen 'n prys data reeks omskep in handel seine, maar prys data self is baie raserig. Dit is soortgelyk aan probeer om te stem in 'n radiostasie deur 'n baie statiese. Dit is moeilik om te sê wat belangrik is, en wat is net random geraas. Geraas is die nie-verhandelbaar komponent van die prys data. As jy probeer om dit te verhandel, sal jy aansienlik verminder jou wins. Dit is duidelik dat die probleem op hande is om die geraas van die sein te isoleer. Dit glad die prys reeks, sodat die onderliggende rigting is uitgelig. Hierdie probleem is goed gedefinieer in seinverwerking en 'n paar baie gevorderde en doeltreffende tegnieke is beskikbaar, maar dikwels handelaars gebruik baie ru benaderings. Ek sal begin in die plasing van die bespreking van die tradisionele benaderings en hoe dit werk. ru Benaderings Ek wil graag twee ru-geraas filters te beskryf: die tempo en die bewegende gemiddelde (en sy variante). Die tempo is 'n toegang of uitgang-sein wat veroorsaak word wanneer die huidige prys oorskry (bv) 'n 20 dag hoog, of onder 'n 20 dag laag. Die parameters wat gebruik kan tweaked is die aantal periodes en die bedrag waarmee die prys moet oorskry of minder as die hoë of lae. Die manier waarop dit werk om geraas filter is deur 'n wisselvalligheid filter. In effek, die stelsel poog om prysvolatiliteit toegeskryf kan word aan geraas te verwyder en aanvaar dat 'n prys wat 'n sekere vlak oorskry verteenwoordig 'n ware sein eerder as geraas. Dit is hoe 'n tempo in 'n algoritme kan beskryf: As prys + sneller bedrag & gt; hoogtepunt van n periodes koop dan As die prys - sneller bedrag & lt; lae van n periodes dan verkoop Die probleem is dat hierdie benadering is nogal goed bekend, en valse breakouts is dus redelik algemeen. Dit beteken dat die geraas van handelaars toetrede tot die mark verwring nou die sein. 'N Ander benadering is 'n bewegende gemiddelde. Dit is eenvoudig die gemiddeld van die laaste (sê) 20 periodes. Die resultaat sal 'n gladder lyn as die oorspronklike prys reeks wees, maar uitgestel met sowat 1/2 van die gekose periode. 'N Langer aantal periodes produseer 'n gladder lyn, maar met meer lags te prys aksie, terwyl 'n korter aantal periodes produseer 'n minder gladde lyn wat meer geraas weerspieël, maar is meer ontvanklik vir verandering. 'N bewegende gemiddelde verwyder geraas deur die vermindering van die impak van 'n bepaalde lawaaierige waarde deur uit gemiddeld nie. Want dit is 'n gemiddelde, dit is nog onderhewig aan vervorming deur ekstreemwaardes, sodat dit nie goed werk as jy 'n baie lawaaierige data, tensy jy 'n baie lang bewegende gemiddelde tydperk wat lags veroorsaak kies. Die algoritme vir 'n bewegende gemiddelde (N tydperk, waar N 'n heelgetal is, bv 20) is soos volg: Som laaste N tydperke, dan verdeel N Vorentoe beweeg 1 tydperk, dan herbereken Die bewegende gemiddelde moet gekombineer word met 'n paar ander reëls vir 'n volledige handel stelsel. Byvoorbeeld, 'n gewilde benadering is om te kyk na wanneer 20 tydperk en 50 tydperk bewegende gemiddeldes te steek oor: As 20 daagse bewegende gemiddelde kruise oor 50 dae bewegende gemiddelde koop dan As 20 daagse bewegende gemiddelde kruise onder 50 daagse bewegende gemiddelde dan verkoop Daar is 'n paar variasies op hierdie soos eksponensiële bewegende gemiddeldes en mediane filters. Die eksponensiële bewegende gemiddelde het soortgelyke eienskappe as die gewone soort, maar is verskillend bereken, so ek sal nie in detail hier. A mediaan filter is meer interessant. Dit het minder lag. Die algoritme is: Sorteer laaste N tydperke van die prys data van die hoogste tot die laagste Neem die middel punt Gebruik dit as die waarde Mediaan filters gebruik kan word in 'n soortgelyke manier om gewone bewegende gemiddeldes. Hulle verwyder geraas deur uitsluiting van ekstreemwaardes en kyk na die waarde in die middel. Al hierdie algoritmes kan maklik uitgevoer word in Excel. Volgende keer sal ek dit nog steeds in meer besonderhede en begin om 'n paar van die meer gevorderde tegnieke ook bespreek. Hoe werk 5NITRO + Werk? INLIGTING 5NITRO + gee ons inligting oor die tendens rigting, tendens sterkte, tendens momentum, en tendens oorgekoop / oorverkoopte vlakke. Of eenvoudig, is voortdurend die verskaffing van ons met 'n moontlike traagheid gebaseer geleenthede in real time. Wanneer hierdie traagheid begin tekens van wankelrige wys, is dit dan stel moontlike winsneming geleenthede. 5N + arriveer by hierdie moontlike gevolgtrekkings geleentheid deur dinamiese berekening, dinamiese saamgevoeg, en dan dinamies vertoon van hierdie oorvloedige data al in reële tyd soos elke nuwe bosluis kom in. Die meter is uiteindelik uitdruk: Net persentasie van die 24 + 2 verskillende aanwysers, sterkte metings, en oortredings van ondersteuning en weerstand oor tot sewe wisselvallig-gelaaide tyd rame ... al is dit eens met dieselfde binêre rigting vooroordeel van Lang of Kort. Of soos in die geval met die nuwe matriXx 'miskien neem 'n paar wins "-funksie ... al is dit eens met 'n soortgelyke binêre vooroordeel van 'n oorgekoopte of oorverkoop toestand. Omdat dit uniek maak gebruik van addisionele data van bykomende tyd rame, dit gee ons tot 146 totaal parameters in die bereiking van die uiteindelike "Global Persentasie '. Dit Globale Persentasie is die groot, hoof getal voor die% teken op alle aansigte. 200 persentasiepunte Moontlike Soos afgebreek en geïllustreer op Trading Page 3 onder die sub opskrif "NITRO af, daar is 200 van hierdie Globale persentasiepunte moontlik. 100 punte Kort en 100 punte Long. Of liewer, 100 punte negatiewe en 100 punte positief. Die groot, belangrikste tendens Arrow begeleiding van die Global Persentasie van alle aansigte verteenwoordig die algemene tendens rigting vooroordeel van óf Lang of Kort met 0,0% wat as die middellyn. Oor die algemeen, stoot deur 50% in enige rigting geneig om op te tree as 'n aanduiding van moontlike traagheid gebaseer geleenthede. Soos, handel metodes gewortel-in of gee 'n hoër mate van invloed momentum. Oor die algemeen, hierdie groot gebied van persentasiepunte van negatiewe (Kort) 49,9% tot positiewe (Lang) 49,9% is geneig om op te tree as 'n aanduiding vir 'n neutrale of sywaarts of woelig tendens vooroordeel. Of liewer, minder traagheid gebaseer geleenthede is tans teenwoordig. Opsomming: 5N + dinamies-aggregate tot 146 parameters bereken vanaf tot 7 wisselvallig-geweeg verskeie tydraamwerke Instant Relatiwiteit Ongeag metodes en strategieë, gebruikers begin om te leer oor 'n tydperk van die nuanses van alle persentasiepunt reekse en hoe om die beste pas in verskillende prys aksie situasies. Hierdie persentasie punt bereik en hul gepaardgaande visuele leidrade te kombineer om te begin die verskaffing van direkte relatiwiteit in 'n baie duideliker en eenvoudiger wyse as wat kaarte dikwels kan bereik deur hulself. Dit 'n oomblik relatiwiteit 'n aspek blyk en nog meer waardevol as die handel van 'n groot verskeidenheid van instrumente wat beskikbaar is in ons mark Watch venster of die gebruik van enige as gekorreleer leidende aanduidings. 'N Voorbeeld van hierdie konstante relatiwiteit kan getuig wanneer die gebruik van globale gelykheid indekse soos DAX, CAC, Nikkei, S & P500 as voorste aanduidings vir sekere Yen pare soos GBPJPY. 5N + bied relatief identies visuele uitset en relatief identies persentasie uitsette wanneer enige uitstal sekere soortgelyke sterkte en momentum eienskappe of wat ooreenstem met die soortgelyke kriteria in en om ondersteuning en weerstand vlakke. Sodra positiewe korrelasie voorheen gevestigde, kan hierdie visuele leidrade en persentasie uitgange van een instrument dan gebruik word as 'n leidende krag in reële tyd om te verwag dieselfde in die sloerende. Of ten minste, verwag 'n toename in waarskynlikheid vir die soortgelyke soort optrede te voorkom. Pick-'n-grootte kompakte [prys - simbool - reg] kompakte [prys - simbool - links] kompakte [simbool - reg] kompakte [simbool - links] een breedte kliek paneel [klein skrif - reg] een breedte kliek paneel [klein skrif - links] een breedte kliek paneel [groot font - reg] een breedte kliek paneel [groot font - links] Groter - Volle skerm af Options: volle [prys - simbool - reg] volle [prys - simbool - links] volle [simbool - reg] volle [simbool - links] volle [prys - reg] volle [prys - links] volle [regs] volle [links] Wat sê die vernaamste globale% voorgestel? inligting bevestiging Die bottom line Arbitrage. Analise. Arbitrage. Analise. agtergrond Meta Trader 4