Réseau neuronal profond sur les données de deux moyennes mobiles
Que se passe-t-il si l'on prend une stratégie simple de rupture de volatilité et que l'on alimente le réseau neuronal avec des données provenant de deux moyennes mobiles et de la position du prix par rapport à celles-ci comme filtre ?
- Vous pouvez le personnaliser avec n'importe quel symbole et intervalle de temps.
- Haute précision du signal.
- Lorsque l'on utilise les critères d'optimisation intégrés au terminal, le surapprentissage est élevé.
Un conseiller automatisé a été conçu en fonction des conditions ci-dessus. Il a ensuite été entraîné sur la paire GBP/USD en heure 1. Voici ses résultats :
Vous pouvez essayer de réentraîner l'expert vous-même ou utiliser les paramètres par défaut pour GBPUSD H1 : Téléchargez un conseiller expert gratuit
Pour utiliser le conseiller expert, vous devez télécharger gratuitement l'indicateur « Moving Average Cross Signal » depuis MQL Market et le conserver dans le dossier « Indicators/Market » de MQL Market.
Le conseiller expert est configuré pour la paire GBP/USD sur l'unité de temps H1 (1 heure). Cependant, vous pouvez l'utiliser sur n'importe quel symbole et unité de temps en ajustant vous-même les paramètres.
Voici à quoi ressemblent les transactions du conseiller
Conclusions :
-
La polyvalence potentielle de la stratégie. L'utilisation d'une stratégie simple de détection des cassures de volatilité, combinée aux données de deux moyennes mobiles et à la position des prix par rapport à celles-ci, permet de personnaliser le système de trading pour différents symboles et unités de temps. Cette approche est ainsi très flexible et potentiellement applicable à divers marchés.
-
Possibilité d'une grande précision du signal. L'intégration de données de moyennes mobiles et de prix dans un réseau neuronal peut améliorer la qualité des signaux de trading. Les moyennes mobiles permettent d'atténuer le bruit et de mettre en évidence les tendances, et leur combinaison avec l'analyse de la volatilité peut accroître les chances de succès des transactions.
-
Le problème du surapprentissage. Un surapprentissage important du modèle lors de l'utilisation des critères d'optimisation intégrés au terminal peut constituer un inconvénient majeur. Autrement dit, même si le modèle fonctionne bien sur les données historiques, ses résultats peuvent être moins cohérents sur les nouvelles données, ce qui représente un risque en situation de trading réel.
-
Configuration et tests supplémentaires requis. Malgré sa capacité annoncée à fonctionner avec n'importe quel symbole et unité de temps, l'utilisation optimale de ce conseiller expert exige un paramétrage précis et des tests sur les marchés cibles. Les résultats obtenus sur la paire GBPUSD H1 ne garantissent pas la même efficacité sur d'autres instruments.
-
Dépendance aux conditions du marché. Même un modèle parfaitement paramétré n'est pas à l'abri des pertes en cas de conditions de marché défavorables (par exemple, faible volatilité, stagnation ou changements de tendance soudains). Il est donc important d'associer le trading algorithmique à une gestion des risques rigoureuse.
-
L'importance des composants externes. Le conseiller requiert un indicateur supplémentaire (« Signal de croisement de moyenne mobile »), indispensable à son bon fonctionnement. Il est important de s'assurer que les indicateurs utilisés sont à jour et fonctionnent correctement.
-
Risques liés au trading automatisé. Les systèmes automatisés peuvent exécuter des transactions sans tenir compte des facteurs externes ni de l'actualité, ce qui peut entraîner des pertes. Il est recommandé de combiner le trading algorithmique avec une analyse fondamentale et une surveillance du marché.
-
La nécessité d'une évaluation individuelle des risques. Avant d'utiliser un conseiller sur des comptes réels, vous devez évaluer soigneusement son efficacité, en tenant compte de vos propres objectifs de trading, de votre niveau de risque et des caractéristiques du marché.
