Diskussion zum Artikel "Die Verwendung von Assoziationsregeln in der Forex-Datenanalyse"
Offenbar wird davon ausgegangen, dass der Leser bereits Kenntnisse über eine solche Methode hat, und wenn nicht?
Ich verstehe vor allem die erwähnten Kennzahlen nicht:
Lift ist zu meinem Lieblingsindikator geworden. Nach Hunderten von Teststunden ist mir ein Muster aufgefallen - Regeln mit einem Lift von über 1,5 funktionieren auf dem realen Markt wirklich. Diese Entdeckung hat meine Herangehensweise an die Filterung von Signalen stark beeinflusst.
Wenn ich die Methode richtig verstanden habe, wird in Quantensegmenten nach korrelierenden Signalen gesucht. Aber ich habe den nächsten Schritt nicht verstanden. Was ist das Ziel? Ich nehme an, dass die resultierenden Regeln mit dem Ziel verglichen und anhand der Metriken bewertet werden.
Wenn ja, entspricht dies meiner Methode, und es ist interessant, Leistung und Effizienz zu bewerten.
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Die Verwendung von Assoziationsregeln in der Forex-Datenanalyse :
Ich arbeite seit langem mit Daten und habe festgestellt, dass viele erfolgreiche Ideen aus verwandten Bereichen kommen. Heute möchte ich meine Erfahrungen mit der Verwendung von Assoziationsregeln im Handel weitergeben. Diese Methode hat sich in der Einzelhandelsanalytik bewährt und ermöglicht es uns, Zusammenhänge zwischen Käufen, Transaktionen, Preisbewegungen und zukünftigem Angebot und Nachfrage zu erkennen. Was wäre, wenn wir sie auf den Devisenmarkt anwenden würden?
Die Grundidee ist einfach: Wir suchen nach stabilen Mustern des Preisverhaltens, Indikatoren und deren Kombinationen. Wie oft folgt zum Beispiel ein Anstieg des EURUSD auf einen Rückgang des USDJPY? Oder welche Bedingungen gehen starken Bewegungen am häufigsten voraus?
In diesem Artikel werde ich den gesamten Prozess der Erstellung eines Handelssystems auf der Grundlage dieser Idee zeigen. Wir werden:
Warum gerade dieser Stapel? MQL5 eignet sich hervorragend für die Arbeit mit Börsendaten und die Automatisierung des Handels. Python wiederum bietet leistungsstarke Werkzeuge für die Analyse. Aus meiner Erfahrung kann ich sagen, dass eine solche Kombination für die Entwicklung von Handelssystemen sehr effektiv ist.
Der erste Schritt der Analyse besteht darin, die Verteilung der wichtigsten Metriken der gefundenen Regeln zu verstehen. Der Verteilungsgraph von „Support“, „Confidence“, „Lift“ und „Leverage“ hilft, die Qualität der gefundenen Regeln zu bewerten und ggf. die Algorithmusparameter anzupassen.
Autor: Yevgeniy Koshtenko