Trixter SVM
- Experten
-
Andrei Samokhin
Welcome to my seller page. I develop applications in the fields of AI and machine learning, and I am also passionate about trading systems. My products are based on various machine learning techniques. I research and apply state-of-the-art algorithms for time series analysis and am constantly - Version: 1.0
- Aktivierungen: 10
SVM löst ein binäres Klassifikationsproblem: Es trennt zwei Klassen. Doch One-Class SVM wird nur mit Daten einer Klasse („normale" Beispiele) trainiert und bildet um sie eine Grenze (eine Hyperebene im transformierten Raum), die diesen Bereich von allem anderen trennt.
Alles, was innerhalb des Bereichs liegt, gilt als normal, alles, was außerhalb liegt, als Anomalie.
Wie es funktioniert
-
Die Daten werden in einen Merkmalsraum abgebildet (über einen Kernel, z. B. RBF).
-
Der Algorithmus sucht eine Hyperebene, die maximal weit vom Ursprung entfernt ist und die meisten Punkte von null trennt.
-
Der Parameter ν (nu) legt fest:
-
die obere Grenze des Anteils von Ausreißern in der Trainingsstichprobe,
-
die untere Grenze des Anteils von Stützvektoren.
-
-
Punkte, die auf die „andere Seite" der Grenze geraten, gelten als Anomalien.
Wofür es verwendet wird
-
Erkennung von Anomalien / Ausreißern (Fraud Detection, Netzwerkeindringlinge, Spitzen in Kursnotierungen).
-
Erkennung von Neuartigkeit (Novelty Detection) — wenn nur „saubere" normale Daten vorliegen und Abweichungen erfasst werden müssen.
-
Systemüberwachung — Abweichung von Metriken vom normalen Verhalten, Suche nach Marktineffizienzen.
Der Bot Trixter SVM wurde mit diesem Ansatz entwickelt.
Der Algorithmus Trixter SVM implementiert die Mustersuche mithilfe von Support vector machine (kurz SVM). Wir gehen von der Annahme aus, dass der Goldmarkt ausreichend effizient ist und die meisten Preis- schwankungen Marktrauschen bilden, das nicht vorhersehbar ist. Aber wir können Fragmente des Goldcharts (sogenannte Anomalien) identifizieren, in denen er maximal vorhersehbar ist. So habe ich 40 % der Chartabschnitte identifiziert, die gut vorhersehbar sind.
Schlüsselprinzipien
- Analyse der Gold-Volatilität über mehrere Zeitrahmen und Indikatorperioden.
- Gruppierung der Volatilität zur Suche effektiver Muster (von 100 bis 3000).
- Statistische Prüfung: hoher mathematischer Erwartungswert des Gewinns und statistische Signifikanz.
- Muster, die die Prüfung nicht bestehen, werden als Rauschen markiert — in solchen Situationen werden keine Trades eröffnet.
- Obligatorischer 2-jähriger Forward-Test vor der Zulassung zum echten Konto.
Besonderheiten der Handelslogik
- Eröffnung von Trades mit Limit-Orders in einem gewählten Abstand zum Preis — minimales Slippage.
- Wenn eine Limit-Order nicht ausgelöst wird (der Preis hat das Niveau nicht berührt) und das Signal verschwindet — wird die Order gelöscht.
- Offene Positionen werden mit Stop-Loss und Take-Profit begleitet und bei einem Gegensignal zum Marktpreis geschlossen.
- Der Roboter verwendet kein Martingale, Arbitrage oder andere Hochrisikostrategien.
- Empfohlene Zeitrahmen: von M5 bis H1. Optimal — H1 XAUUSD.
- Eine flexible Anpassung der Handelsaktivität ist vorgesehen (Parameter unten).
Haupteinstellungen
- Allow BUY signals, Allow SELL signals — erlauben oder verbieten Käufe/Verkäufe bei Zuversicht in die Marktrichtung.
- Signals sensitivity, Filter sensitivity — Schwellenwert für Signalempfindlichkeit und Rauschfilterung. Standardwert — 0.5. Kann auf 0.7–0.9 für sauberere Signale erhöht werden.
- Filter by trading hours — Einschränkung der Handelszeit. Standardmäßig — rund um die Uhr.
Einstellungen für das Kapitalmanagement
- Distance in points for limit order — Abstand vom Preis zur Limit-Order. Standard: 250. Weniger → mehr Trades, mehr → konservativer.
- Max positions + orders number — maximale Anzahl gleichzeitig offener Positionen (ohne Averaging). Standard: 3.
- Zusätzlich konfigurierbar: Verzögerung zwischen Eröffnungen, Kontrolle des maximalen Spreads, Stop-Loss- und Take-Profit-Niveaus.
