Trixter MCD
- Experts
-
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
- Activations: 15
La méthode robust covariance (mincovdet), ou Minimum Covariance Determinant (MCD), est une méthode robuste d'estimation de la matrice de covariance et du vecteur moyen, résistante aux valeurs aberrantes dans les données.
Idée de la méthode
La covariance d'échantillon classique est très sensible à la « contamination ». MCD résout ce problème en trouvant un sous-ensemble « propre » d'observations qui ne contient pas de valeurs aberrantes, et en calculant les estimations standard (moyenne et covariance) uniquement sur celui-ci.
À quoi sert MCD (mincovdet)
1. Détection de valeurs aberrantes multivariées
C'est l'application principale. MCD fournit des estimations robustes de la moyenne et de la covariance, à partir desquelles sont calculées les distances de Mahalanobis. Les observations présentant une grande distance sont marquées comme valeurs aberrantes. Contrairement à l'approche classique, les estimations elles-mêmes ne « dérivent » pas à cause des valeurs aberrantes, elles sont donc correctement identifiées.
2. Estimation robuste de la matrice de covariance
Lorsque les données sont contaminées, la covariance d'échantillon ordinaire est fortement faussée. MCD offre une alternative stable — par exemple pour :
-
l'optimisation de portefeuille en finance (estimations robustes du risque),
-
la construction de régions de confiance,
-
toute tâche nécessitant une matrice de covariance honnête.
3. Estimation robuste du centre de la distribution
Le vecteur moyen calculé sur le sous-ensemble « propre » est également résistant aux valeurs aberrantes — contrairement à la moyenne ordinaire.
4. Prétraitement avant d'autres méthodes
MCD est souvent utilisé comme étape de nettoyage des données : trouver les valeurs aberrantes → les supprimer/réduire leur poids → puis appliquer les méthodes ordinaires (régression, clustering, PCA) qui sont elles-mêmes instables face aux valeurs aberrantes.
Le bot Trixter MCD est construit en appliquant cette approche.
L'algorithme Trixter MCD met en œuvre la recherche de régularités à l'aide du Minimum Covariance Determinant (en abrégé MCD). Nous partons de l'hypothèse que le marché de l'or est suffisamment efficace et que la plupart des fluctuations de prix forment un bruit de marché impossible à prévoir. Mais nous pouvons identifier des fragments du graphique de l'or (ce qu'on appelle des anomalies) dans lesquels il est maximalement prévisible. Ainsi, j'ai identifié 40 % des segments du graphique qui sont bien prévisibles.
Principes clés
- Analyse de la volatilité de l'or sur plusieurs unités de temps et périodes d'indicateurs.
- Regroupement de la volatilité pour trouver des modèles efficaces (de 100 à 3000).
- Vérification statistique : espérance mathématique de gain élevée et signification statistique.
- Les modèles qui ne passent pas la vérification sont marqués comme bruit — dans de telles situations, les transactions ne sont pas ouvertes.
- Test forward obligatoire de 2 ans avant l'autorisation sur un compte réel.
Particularités de la logique de trading
- Ouverture de transactions avec des ordres limités à une distance choisie du prix — glissement minimal.
- Si un ordre limité n'est pas déclenché (le prix n'a pas touché le niveau) et que le signal disparaît — l'ordre est supprimé.
- Les positions ouvertes sont accompagnées de stop-loss et take-profit, et sont fermées au marché en cas de signal contraire.
- Le robot n'utilise pas de martingale, d'arbitrage ni d'autres stratégies à haut risque.
- Unités de temps recommandées : de M5 à H1. Optimale — H1 XAUUSD.
- Une configuration flexible de l'activité de trading est prévue (paramètres ci-dessous).
Paramètres principaux
- Allow BUY signals, Allow SELL signals — autorisent ou interdisent les achats/ventes en cas de confiance dans la direction du marché.
- Signals sensitivity, Filter sensitivity — seuil de sensibilité des signaux et de filtrage du bruit. La valeur par défaut est 0.5. Peut être augmentée à 0.7–0.9 pour des signaux plus propres.
- Filter by trading hours — restriction des heures de trading. Par défaut — 24 heures sur 24.
Paramètres de gestion du capital
- Distance in points for limit order — distance du prix à l'ordre limité. Par défaut : 250. Plus petit → plus de transactions, plus grand → plus conservateur.
- Max positions + orders number — nombre maximal de positions ouvertes simultanément (sans averaging). Par défaut : 3.
- Configurables en outre : délai entre les ouvertures, contrôle du spread maximal, niveaux de stop-loss et take-profit.
