記事「古典的な戦略をPythonで再構築する：MAクロスオーバー」についてのディスカッション

新しいコメント
 

新しい記事「古典的な戦略をPythonで再構築する：MAクロスオーバー」はパブリッシュされました:

この記事では、古典的な移動平均クロスオーバー戦略を再検討し、その現在の有効性を評価します。開始以来の経過時間を考慮して、AI がこの伝統的な取引戦略にもたらす可能性のある機能強化について検討します。AI技術を取り入れることで、高度な予測能力を活用し、取引のエントリとエグジットのポイントを最適化し、さまざまな市場環境に適応し、従来のアプローチと比較して全体的なパフォーマンスを向上させる可能性があることを目指します。

今日の取引戦略の多くは、まったく異なる市場環境で考案されたものです。アルゴリズムが支配する現代の市場において、その妥当性を評価することは極めて重要です。この記事では、移動平均クロスオーバー戦略について掘り下げ、今日の金融環境におけるその有効性を評価します。

この記事では、以下のことを取り上げます。

  • 戦略の継続的な使用を裏付ける定量的証拠はあるか
  • 直接価格分析と比較して、この戦略にはどのような利点があるか
  • 現代のアルゴリズム取引の中で、この戦略は今も有効に機能しているのか
  • 戦略の精度を向上させる指標は他にあるか
  • 移動平均クロスオーバーを事前に予測するためにAIを効果的に活用することは可能か

移動平均クロスオーバーの手法は、数十年にわたって幅広く研究されてきました。トレンドと売買シグナルを検出するためにこれらの平均を使用するという基本的な概念は、テクニカル分析の主力でしたが、その正確な起源はまだ不明です。

作者: Gamuchirai Zororo Ndawana

 

このエラーについて何かサポートはありますか？


PyPIの'sklearn'パッケージは非推奨です。

を使用してください。

 
Robert Mark Salmon #:

このエラーに関するサポート


sklearn' PyPI パッケージは非推奨です。

を使用してください。

scikit-learnは仮想環境にインストールするもので、'scikit-learn'コマンドを使うのが正しい：



Pip install scikit learn

 
インジケーターの設定はどのように選ばれるのでしょうか？例えば、最適な期間は 商品によって異なります。ある商品ではMA_5やMA_50で機能しないものが、別の商品では完璧に機能するかもしれません。
新しいコメント