Das perfekte mechanische Handelssystem.

[quality]

Hallo Programmierer und Coder, Philosophen und Pragmatiker :) Ich schlage vor, eine Idee zur Schaffung eines Unterspiels zu entwickeln.
Dazu werden wir unsere Gedanken teilen und versuchen, dieses unglaubliche Wunder gemeinsam zu schreiben :)
Im Allgemeinen, in der Reihenfolge. Über mich: Ich bin kein Programmierer, aber ich habe eine große Handelserfahrung (mehr als 5 Jahre) Ich bin völlig zufrieden mit meinem Handel und Verdienen. Aber auch nach all den Jahren komme ich immer wieder zu dem Schluss, dass es unmöglich ist, die Erfahrung und das Wissen der Finanzmärkte vollständig und gründlich zu erfassen. Es ist immer ein Lernprozess. Was ändert sich im Laufe der Zeit? Der Prozentsatz der intuitiven, analytisch richtigen Schlussfolgerungen über die Richtung des Marktes. Das ist wahrscheinlich alles. Wie Sie alle bin ich wahrscheinlich schon lange auf der Suche nach Gralen und habe mich, genau wie Sie, von deren Abwesenheit überzeugt. Eigentlich das Ende der Demoguerie - kommen wir zurück zum Thema :).
Und so. Gehen wir von vornherein davon aus, dass es viele rentable mechanische Handelssysteme gibt, und dass diese in einem bestimmten Zeitraum und für eine bestimmte Währung gute Ergebnisse liefern können. Aus diesem Grund ist es egal, welches mechanische System wir als Grundlage verwenden, die Hauptsache sollte darin enthalten sein - nicht die Einstellparameter eines einzelnen Benutzers. Alle Parameter müssen unabhängig voneinander berechnet werden, d.h. es handelt sich um ein automatisches mechanisches Handelssystem (AMTS), das in Abhängigkeit vom volatilen Markt optimiert wird.
In diesem Zweig schlage ich vor, meine Gedanken zu diesem Thema zu teilen und nach und nach einige Teile des Codes zu schreiben, der die Optimierungsphasen implementieren würde.
Ich wiederhole - ich bin kein Programmierer, also werde ich mit den einfachen Dingen beginnen.
Wir werden die selbst einstellbaren Parameter der AMTS in Haupt- und Zusatzparameter unterteilen.
Grundlegend:
1. Anzahl der Lose.
2. Gewinn mitnehmen
3. Verluststopp
4. Nachlaufender Stopp
Zusätzliche
5. Alle diese Parameter, auf deren Grundlage die AMTS geschrieben wird.

Als Grundlage für MM nehmen wir an: Einstieg 5% des Eigenkapitals, Gewinnfaktor nicht unter 2, Verhältnis von Take Profit und Stop Loss: 60/40.
1. Nun, zunächst ist die Anzahl der Lose in vielen Systemen implementiert: dies ist die Funktion LotOptimizator.
Gehen wir davon aus, dass unser System Intraday sein wird.
2. Der Take Profit wird mit 70% der durchschnittlichen täglichen Kursbewegung des letzten Monats berechnet.
3. Stop Loss bzw. 40 % des Take Profit.
Ich schlage vor, Stop-Loss- und Take-Profit-Levels um 01:00 Uhr nachts zu berechnen, nachdem man zum nächsten Tag übergegangen ist.

Im Allgemeinen gilt: Wenn das Thema interessant ist, sollten wir unsere Ideen zum Ausdruck bringen.

[Andrey Opeyda]

Sie können das neuronale Netz bei jedem neuen Takt neu trainieren. Die Aufgabe besteht darin, das Modell zu erstellen.

[Shashev Sergei]

Sie können das neuronale Netz bei jedem neuen Takt neu trainieren. Die Aufgabe besteht darin, das Modell zu erstellen.

Sie müssen mit neuronalen Netzen gearbeitet haben. Und Sie wissen, dass mehrschichtige neuronale Netze nicht schnell lernen. Und wenn die Fristen kurz sind, hat das Netz nicht genug Zeit, eine Lösung zu finden.
Ich habe nicht mit neuronalen Netzen gearbeitet, ich lese nur. Wie viele Fortschritte haben Sie gemacht?

Meine Idee in dieser Richtung ist der selbstanpassende genetische Algorithmus LGAP. Ich arbeite daran. Fast fertig dll - Vorlage.

[Murashov Anton]

Meiner Meinung nach würde es passen. Ich habe neuronale Netze ausprobiert. Um ehrlich zu sein, hat es nicht viel gebracht. Und ich habe einen ziemlich guten benutzt!

Die Idee liegt immer beim Trader, denn auf eine grundsätzliche Argumentation kann man hier nicht verzichten. Und ein Netzwerk wird mit der Datenanpassung beschäftigt sein - es hat zu viele Freiheitsgrade - ich habe es in der Praxis überprüft.

[quality]

kniff писал (а):
Meiner Meinung nach würde es passen. Ich habe neuronale Netze ausprobiert. Um ehrlich zu sein, hat es nicht viel gebracht. Und ich habe einen ziemlich guten benutzt!

Die Idee liegt immer beim Trader, denn auf eine grundsätzliche Argumentation kann man hier nicht verzichten. Und ein Netzwerk wird mit der Datenanpassung beschäftigt sein - es hat zu viele Freiheitsgrade - ich habe es in der Praxis überprüft.

So sollte es auch sein. Der Markt ist volatil: Volatilität, Volumen, Preisspannen. Die Parameter müssen sich schnell ändern.

[Александр]

quality писал (а):
Hallo Programmierer und Coder, Philosophen und Pragmatiker :) Ich schlage vor, eine Idee zur Schaffung eines Unterspiels zu entwickeln.

Ich persönlich bin sehr an diesem Thema interessiert! In jeder Hinsicht bereit zum Mitmachen!

Über Selftuning-Parameter: mit grundlegenden alles ist klar, aber was als Grundlage für zusätzliche Parameter zu nehmen, dh, was Indikatoren, Ebenen, Kanäle, oder was?

Ich hatte eine solche Idee:
- Legen Sie mehrere Indikatoren auf das Diagramm (z.B. RSI, Stoch, CCI, MACD, etc.) und nehmen Sie "ungefähr" die Werte dieser Indikatoren auf;
- Schauen Sie dann in der Historie nach ungefähren Preisumkehrungen (d.h., wo klar erkennbar ist "hier müssen wir kaufen, hier müssen wir verkaufen");
- dann notieren Sie die Werte aller Indikatoren in diesen Punkten, für Kauf und Verkauf, in einem Array oder in einer Datei;
- weiter, in der Expert Advisor - überprüfen Sie es (unter Berücksichtigung der Abweichung der Indikatorwerte in Prozent von den idealen Werten), dh zum Beispiel in der Reihe, der RSI-Wert für den Kauf erwies sich als 20, dann, wenn der Prozentsatz der Auslösung ist 10, dann wird der Kauf von 18 bis 22 auslösen, sowie mit allen anderen Indikatoren;
- Dale, Sie können (oder sollten:) auch auf die Prüfung Kreuzung Indikatoren der verschiedenen Ebenen oder ihre Signallinien hinzufügen;

Ich habe es nicht selbst überprüft (obwohl ich begonnen habe, einen experimentellen EA zu schreiben, habe ich noch keine Ergebnisse), daher kann ich nichts darüber sagen, ob es funktioniert oder nicht.

[Александр]

quality писал (а):

So sollte die Passform sein. Der Markt ist volatil: Volatilität, Volumen, Preisspannen. Die Parameter müssen sich schnell ändern.

Übrigens, die Parameter aller Indikatoren (in diesem Fall müssen wir sie auch selbstanpassend machen, aber wie, weiß ich noch nicht). In meinem Beispiel (oben) können Sie versuchen, den Prozentsatz der Abweichung der Indikatorwerte vom Ideal zu ändern, d.h. versuchen, den Marktänderungen zu folgen, Sie können und sollten wahrscheinlich neue Indikatorwertkombinationen zum Array (Datei) hinzufügen.

[eugenk1]

Ich habe selbst lange darüber nachgedacht. Ich weiß nur nicht, von welcher Seite ich das angehen soll. Wenn es gute, fundierte Ideen gibt, bin ich bereit, sie umzusetzen. Im Moment interessiere ich mich sehr für die in 'Self Learning EXPERT' skizzierten Musterideen in Kombination mit einem neuronalen Netz.

[eugenk1]

kniff, es scheint mir, dass der Abgleich der Geschichte eine sehr, sehr nützliche Sache ist, wenn er zeitlich angemessen ist. Das heißt, wenn sich das System schnell genug anpasst. Es gibt also keinen Grund, sich davor zu fürchten. Es ist besser, darüber nachzudenken, wie man sich schnell genug an die Geschichte anpassen kann. Zum Beispiel besitzt das System einen Vektor von Einstellungen X. Zu jedem Zeitpunkt t gibt es für diesen Vektor einen optimalen Wert X', der sich nicht zu schnell ändert. D.h. X'(t0) ist nahe an X'(t1), wenn t0 und t1 nahe beieinander liegen. Gelingt es dem System, zum Zeitpunkt dt=t1-t0 den Wert von X'(t0) korrekt zu bestimmen, so ist dies zum Zeitpunkt t1 der Wert der Einstellung. D.h. nicht optimal (der optimale Wert wird X'(t1) sein), aber nahe genug am optimalen Wert. In diesem Zusammenhang hier eine Frage an meine Kollegen, die sich recht intensiv mit dem Testen beschäftigt haben (leider kann ich damit nicht prahlen). Wie abrupt beginnen naive (nicht adaptive, starr anpassbare) Systeme zu versagen, wenn sich die Marktbedingungen ändern? Gibt es eine Art Übergangspunkt von der Rentabilität zum Absturz? Oder geschieht es abrupt und katastrophal?

[eugenk1]

favoritex, könnten Sie näher erläutern, was LGAP ist? Ich konnte auf Yandex nichts darüber finden, außer einer Erwähnung, dass es so etwas gibt. Und der Kontext der Erwähnung schien mir interessant zu sein.

[Дмитрий]

eugenk1:
Mir scheint, dass die Anpassung der Geschichte eine sehr, sehr nützliche Sache ist, wenn sie zeitlich angemessen ist. Das heißt, wenn sich das System schnell genug anpasst. Sie brauchen also keine Angst davor zu haben. Es ist besser, darüber nachzudenken, wie man sich schnell genug an die Geschichte anpassen kann. Zum Beispiel so: Das System verfügt über einen Vektor von Einstellungen X. Zu jedem Zeitpunkt hat dieser Vektor einen optimalen Wert X', der sich nicht zu schnell ändert. D.h. X'(t0) ist nahe an X'(t1), wenn t0 und t1 nahe beieinander liegen. Wenn es dem System gelingt, zum Zeitpunkt dt=t1-t0 den Wert X'(t0) korrekt zu bestimmen, dann ist er zum Zeitpunkt t1 der Wert der Einstellungen, d. h. nicht optimal (optimal ist X'(t1)), aber nahe genug am Optimum. In diesem Zusammenhang hier eine Frage an meine Kollegen, die sich recht intensiv mit dem Testen beschäftigt haben (leider kann ich damit nicht prahlen). Wie abrupt beginnen naive (nicht adaptive, starr anpassbare) Systeme zu versagen, wenn sich die Marktbedingungen ändern? Gibt es eine Art Übergangspunkt von der Rentabilität zum Absturz? Oder geschieht es abrupt und katastrophal?

Das ist genau das, was ich möchte, aber nein :( Anscheinend hängt das alles vom System ab. Bislang habe ich den Eindruck, dass alles genau "abrupt und katastrophal" abläuft. In der Regel versuchen Phoenix mit Standard-Einstellungen - vor dem 13. Februar dieses Jahres 100% Verlust, und nach - abrupt beginnt ein hohes Maß an Rentabilität mit hohen - Stabilität. Stellen Sie sich den umgekehrten Übergang vor.