Trixter SVM

  • Experts
  • Andrei Samokhin
    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
  • Versione: 1.0
  • Attivazioni: 10

SVM risolve un problema di classificazione binaria: separa due classi. Ma One-Class SVM viene addestrato solo sui dati di una classe (esempi "normali") e costruisce attorno ad essi una frontiera (un iperpiano nello spazio trasformato) che separa questa regione da tutto il resto.

Tutto ciò che cade all'interno della regione è considerato normale, tutto ciò che è all'esterno è un'anomalia.

Come funziona

  1. I dati vengono mappati in uno spazio delle caratteristiche (tramite un kernel, ad esempio RBF).

  2. L'algoritmo cerca un iperpiano il più possibile distante dall'origine, che separi la maggior parte dei punti dallo zero.

  3. Il parametro ν (nu) definisce:

    • il limite superiore della frazione di outlier nel campione di addestramento,

    • il limite inferiore della frazione di vettori di supporto.

  4. I punti che finiscono "dall'altra parte" della frontiera sono considerati anomalie.

A cosa serve

  • Rilevamento di anomalie / outlier (fraud detection, intrusioni di rete, picchi nelle quotazioni).

  • Rilevamento di novità (novelty detection) — quando ci sono solo dati normali "puliti" e bisogna cogliere le deviazioni.

  • Monitoraggio dei sistemi — deviazione delle metriche dal comportamento normale, ricerca di inefficienze di mercato.


Il bot Trixter SVM è costruito applicando questo approccio.

L'algoritmo Trixter SVM implementa la ricerca di pattern tramite Support vector machine (SVM in breve). Partiamo dal presupposto che il mercato dell'oro sia sufficientemente efficiente e che la maggior parte delle fluttuazioni di prezzo formi rumore di mercato impossibile da prevedere. Ma possiamo identificare frammenti del grafico dell'oro (le cosiddette anomalie) in cui è massimamente prevedibile. Così ho individuato il 40% dei tratti del grafico che sono ben prevedibili.

Principi chiave

  • Analisi della volatilità dell'oro su più timeframe e periodi degli indicatori.
  • Raggruppamento della volatilità per cercare pattern efficaci (da 100 a 3000).
  • Verifica statistica: alta aspettativa matematica di guadagno e significatività statistica.
  • I pattern che non superano la verifica vengono contrassegnati come rumore — in tali situazioni non si aprono operazioni.
  • Test forward obbligatorio di 2 anni prima dell'ammissione a un conto reale.

Caratteristiche della logica di trading

  • Apertura di operazioni con ordini limite a una distanza scelta dal prezzo — slippage minimo.
  • Se un ordine limite non viene eseguito (il prezzo non ha toccato il livello) e il segnale scompare — l'ordine viene eliminato.
  • Le posizioni aperte sono accompagnate da stop-loss e take-profit e vengono chiuse a mercato su un segnale contrario.
  • Il robot non utilizza martingala, arbitraggio o altre strategie ad alto rischio.
  • Timeframe consigliati: da M5 a H1. Ottimale — H1 XAUUSD.
  • È prevista una configurazione flessibile dell'attività di trading (parametri di seguito).

Impostazioni principali

  • Allow BUY signals, Allow SELL signals — consentono o vietano acquisti/vendite quando c'è fiducia nella direzione del mercato.
  • Signals sensitivity, Filter sensitivity — soglia di sensibilità dei segnali e di filtraggio del rumore. Valore predefinito — 0.5. Può essere aumentato a 0.7–0.9 per segnali più puliti.
  • Filter by trading hours — restrizione dell'orario di trading. Per impostazione predefinita — 24 ore su 24.

Impostazioni di gestione del capitale

  • Distance in points for limit order — distanza dal prezzo all'ordine limite. Predefinito: 250. Meno → più operazioni, più → più conservativo.
  • Max positions + orders number — numero massimo di posizioni aperte contemporaneamente (senza averaging). Predefinito: 3.
  • Configurabili inoltre: ritardo tra le aperture, controllo dello spread massimo, livelli di stop-loss e take-profit.
Importante: Le impostazioni predefinite sono già configurate. Non modificarle senza particolare necessità. Salvare il file set standard per poter ripristinare i parametri di fabbrica.
SVM + due classificatori → esportazione in ONNX  |  Periodo forward: 2 anni  |  Timeframe cons.: H1 XAUUSD

Altri dall’autore
Trixter ISO
Andrei Samokhin
Isolation Forest è un algoritmo di machine learning per la rilevazione di anomalie (outlier) . Principio dell'algoritmo: Partizione casuale: L'algoritmo seleziona ripetutamente una caratteristica casuale e un valore di soglia casuale per suddividere i dati, fino a quando ogni punto non si trova in una "cella" separata (o fino al raggiungimento della profondità massima). Profondità di isolamento: Le anomalie vengono "isolate" più rapidamente, poiché richiedono meno suddivisioni per separarsi dal
Trixter KNN
Andrei Samokhin
Trixter KNN Gold — sistema di trading intelligente basato sull'analisi della volatilità dell'oro. Il bot utilizza una ricerca intelligente di pattern basata sul metodo dei vicini più prossimi (KNN). I pattern trovati vengono elaborati da due classificatori, dopodiché il modello viene esportato nel formato ONNX. Principi chiave Analisi della volatilità dell'oro su più timeframe e periodi di indicatori. Raggruppamento della volatilità per trovare pattern efficaci (da 100 a 3000). Verifica statisti
Trixter DTR
Andrei Samokhin
Albero decisionale è un algoritmo di apprendimento automatico supervisionato che funziona secondo il principio di domande sequenziali "Sì/No". Presenta una struttura ad albero dove: Nodi interni — sono verifiche di qualche caratteristica (ad esempio, "Età > 18?"). Rami — sono i risultati della verifica (Sì/No). Foglie — sono la decisione finale (risposta). Il processo di costruzione consiste nel fatto che l'algoritmo trova automaticamente la caratteristica più importante in ogni passaggio (utili
Trixter breakout
Andrei Samokhin
Questo bot opera sui breakout dei livelli dell'oro! Principi chiave Analisi della volatilità dell'oro su più timeframe e periodi degli indicatori. Raggruppamento della volatilità per individuare pattern efficaci (da 100 a 3000). Verifica statistica: elevata aspettativa matematica di profitto e significatività statistica. I pattern che non superano la verifica vengono contrassegnati come rumore — in tali situazioni non si aprono operazioni. Forward test obbligatorio di 2 anni prima di cons
Trixter LOF
Andrei Samokhin
Algoritmo Local Outlier Factor (LOF)   è un metodo di machine learning per trovare anomalie nei dati che non possono essere rilevate tramite soglie globali. A differenza dei metodi semplici, LOF cerca   outlier locali   confrontando la densità dei punti nel loro intorno immediato. Come funziona L'idea principale di LOF è semplice: un'anomalia è un punto la cui densità di oggetti attorno è significativamente inferiore rispetto alla densità attorno ai suoi vicini . Selezione dell'intorno.   Per og
Trixter HFT
Andrei Samokhin
Ama il trading ad alta frequenza e ad alta velocità a basso rischio? Allora questo bot è stato creato appositamente per lei. Grazie a ingressi precisi e a un'elevata speranza matematica, il bot opera con stop stretti catturando al contempo ampi movimenti in punti. Il rapporto tra stop loss e take profit può raggiungere 1:10 — ovvero lo stop loss è 10 volte più piccolo del take profit — rimanendo redditizio senza accumulare perdite latenti, secondo i risultati dei test. È un sistema eccellente
Trixter Quantum
Andrei Samokhin
Ama il trading ad alta frequenza e ad alta velocità con rischi contenuti? Allora Trixter Quantum è stato creato appositamente per Lei. Grazie a ingressi precisi e a un'elevata speranza matematica, il bot opera con stop-loss stretti catturando al contempo ampi movimenti in punti. Il suo algoritmo principale si basa sull' analisi dell'entanglement locale degli stati (pattern) adiacenti , consentendo di individuare all'istante le variazioni microstrutturali nascoste del mercato. Il rapporto stop-
Trixter EE
Andrei Samokhin
Elliptic Envelope (Inviluppo Ellittico) è un algoritmo di apprendimento automatico parametrico progettato per rilevare valori anomali (outliers) e anomalie in dati multidimensionali. Il metodo parte dal presupposto che i dati "normali" (il campione principale) seguano una distribuzione normale (gaussiana) multidimensionale. Principio di funzionamento Formazione dell'ellissoide: Nello spazio delle caratteristiche, l'algoritmo costruisce un iperellissoide attorno al gruppo centrale di punti. Il
Trixter MCD
Andrei Samokhin
Il metodo robust covariance (mincovdet) , o Minimum Covariance Determinant (MCD) , è un metodo robusto di stima della matrice di covarianza e del vettore delle medie, resistente agli outlier nei dati. Idea del metodo La covarianza campionaria classica è molto sensibile alla "contaminazione". MCD risolve questo problema trovando un sottoinsieme "pulito" di osservazioni che non contiene outlier, e calcolando le stime standard (media e covarianza) solo su di esso. A cosa serve MCD (mincovdet) 1. Ri
Filtro:
Nessuna recensione
Rispondi alla recensione