Diskussion zum Artikel "Erstellen von selbstoptimierenden Expert Advisor in MQL5 (Teil 6): Selbstanpassende Handelsregeln (II)"

[MetaQuotes]

Neuer Artikel Erstellen von selbstoptimierenden Expert Advisor in MQL5 (Teil 6): Selbstanpassende Handelsregeln (II) :

Dieser Artikel befasst sich mit der Optimierung der RSI-Werte und -Perioden für bessere Handelssignale. Wir stellen Methoden zur Schätzung optimaler RSI-Werte vor und automatisieren die Periodenauswahl mithilfe von Rastersuche und statistischen Modellen. Schließlich implementieren wir die Lösung in MQL5 und setzen Python für die Analyse ein. Unser Ansatz ist pragmatisch und geradlinig, um Ihnen zu helfen, potenziell komplizierte Probleme auf einfache Weise zu lösen.

In unserer letzten Diskussion über sich selbst anpassende Handelsregeln, die hier verlinkt ist, haben wir uns mit den Problemen befasst, mit denen ein algorithmischer Händler konfrontiert ist, wenn er versucht, den RSI-Indikator nach bewährten Verfahren zu verfolgen.

Wir haben festgestellt, dass der Indikator nicht immer standardisierte Ergebnisse liefert, die von verschiedenen Faktoren wie dem Zeitraum, dem Zeitrahmen und auch dem jeweiligen Markt abhängen.

Um dieses Problem zu lösen, postulierten wir, dass algorithmische Händler eher die tatsächliche Spanne des Indikators untersuchen könnten, sodass sie den Mittelpunkt des Indikators auf die Mitte seiner beobachteten Spanne und nicht auf seine gesamte mögliche Spanne einstellen können. Auf diese Weise erhalten wir einige Garantien für die Generierung von Handelssignalen, die wir mit den traditionellen Regeln des RSI nicht erhalten können. Wir erhielten zusätzliche Kontrolle über das neue Signal, indem wir eine durchschnittliche Abweichung vom Mittelpunkt aufzeichneten und nur Signale registrierten, die durch ein Vielfaches der durchschnittlichen Abweichung erzeugt wurden.

Wir werden nun über unseren ersten Versuch, eine praktische Lösung zu finden, hinausgehen. Gegenüber unserem letzten Versuch können wir einige Verbesserungen vornehmen. Die integrale Verbesserung, die wir anstreben, ist die Möglichkeit, den Wert der von uns gewählten RSI-Stufen zu schätzen. 

In unserer letzten Diskussion haben wir einfach angenommen, dass Abweichungen, die deutlich größer sind als die durchschnittliche Abweichung, tendenziell profitabler sein könnten. Wir haben jedoch nicht versucht zu messen, ob dies der Fall ist. Wir haben nicht versucht, den Wert der neuen Stufen, die wir vorschlagen, zu quantifizieren und sie mit dem Wert der traditionellen Stufen 70 und 30 zu vergleichen.

Außerdem haben wir bei unserer letzten Diskussion den Fall betrachtet, dass der RSI-Zeitraum festgelegt wurde. Diese vereinfachende Annahme machte unseren Rahmen leichter verständlich. Heute wollen wir uns dem entgegengesetzten Ende des Problems zuwenden, wenn der Praktiker unsicher ist, welchen Zeitraum er verwenden soll.

Autor: Gamuchirai Zororo Ndawana