Diskussion zum Artikel "MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 85): Verwendung von Mustern des Stochastik-Oszillators und der FrAMA mit Beta-VAE-Inferenzlernen"

[MetaQuotes]

Neuer Artikel MQL5-Assistenten-Techniken, die Sie kennen sollten (Teil 85): Verwendung von Mustern des Stochastik-Oszillators und der FrAMA mit Beta-VAE-Inferenzlernen :

Dieser Beitrag schließt an Teil 84 an, in dem wir die Kombination von Stochastik und Fractal Adaptive Moving Average vorgestellt haben. Wir verlagern nun den Schwerpunkt auf das Inferenzlernen, um zu sehen, ob die im letzten Artikel unterlegenen Muster eine Trendwende erfahren könnten. Der Stochastik und der FrAMA sind eine sich ergänzende Paarung von Momentum und Trend. Für unser Inferenzlernen greifen wir auf den Beta-Algorithmus eines Variational Auto Encoders zurück. Außerdem implementieren wir, wie immer, eine nutzerdefinierte Signalklasse, die für die Integration mit dem MQL5-Assistenten entwickelt wurde.

Wir verwenden das Indikator-Paar aus unserer letzten Ausgabe, Teil 84, in der wir wie üblich 10 wichtige, eindeutige Muster betrachtet haben, die wir von 0 bis 9 indiziert haben und die vom Stochastik Oszillator und dem Fractal Adaptive Moving Average abgeleitet wurden. Bei den von uns durchgeführten Vorwärtstest haben wir unterschiedliche Leistungen bei diesen 10 Mustern festgestellt. Die Muster von 0 bis 4 sowie von 7 bis 8 erwiesen sich als einigermaßen robust, da sie über die gesamte Bandbreite unserer Vermögenswerte hinweg profitabel waren, die wir ausgewählt hatten, um von den verschiedenen Marktregimen zu profitieren. Die Muster 5, 6 und 9 hinken jedoch stark hinterher, da sie in der Vorwärtsbewegung außerhalb der Stichprobe keine Rentabilität aufweisen.

Es sollte noch einmal betont werden, dass unser Testfenster sehr begrenzt ist. Daher sollten diese Ergebnisse bestenfalls als Hinweis darauf verstanden werden, welche Muster weiter getestet werden müssen, nicht aber, welche Muster zuverlässig sind. Die leistungsschwachen Muster zeigten sich als flache FrAMA mit Stochastik-Kreuzungen für Muster-5, überkaufte/überverkaufte Stochastik-Haken mit fallendem FrAMA für Muster-6 und extreme Stochastik-Oszillator-Niveaus mit entgegengesetzten FrAMA-Steigungen für Muster-9.

Diese Misserfolge könnten auf die mangelnde Flexibilität dieser Muster zurückgeführt werden. Es könnte aber auch sein, dass der Testumfang zu restriktiv war, und dass diese Muster und nicht einige unserer oben genannten „profitablen“ Muster auf lange Sicht belastbar sind. Diese Debatte kann der Leser am besten durch unabhängige Tests klären. Für unsere Zwecke untersuchen wir jedoch, wie maschinelles Lernen das Schicksal der Muster 5, 6 und 9 rehabilitieren könnte, wenn überhaupt.

Kaufsignal (Muster 5): Flaches FrAMA + Stochastik-Kreuz unter 30

Autor: Stephen Njuki