Trixter DTR

  • エキスパート
  • 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
  • バージョン: 1.0
  • アクティベーション: 15

決定木 は、「はい/いいえ」の逐次的な質問の原理で動作する教師あり機械学習アルゴリズムです。以下のようなツリー構造を持ちます:

  • 内部ノード — 何らかの特徴のチェック(例:「年齢 > 18?」)。

  • 分岐 — チェックの結果(はい/いいえ)。

  • — 最終的な決定(答え)。

構築プロセスは、アルゴリズムが各ステップで最も重要な特徴を自動的に見つけ(ジニ係数 エントロピー などの基準を使用)、純粋な葉を得るか制約に達するまでデータをより均質なグループに分割していきます。

用途は?

決定木は汎用性が高く、主に以下の2種類のタスクで使用されます:

  1. 分類 (カテゴリカルな出力):

    • 銀行で顧客を「承認」または「拒否」のカテゴリに分類。

    • 特徴に基づいて動物の種を識別。

    • 金融資産の購入または売却の確率を判断。

  2. 回帰 (数値的な出力):

    • 面積と立地に基づいてマンションの価格を予測。

    • 金の価格変動の方向を予測。

主な利点:

  • 透明性と解釈可能性: ニューラルネットワークとは異なり、モデルが特定の決定を下した 理由 を簡単に説明できます(描画して根から葉までの経路を追跡できます)。

  • データの前処理が不要: 数値特徴とカテゴリカル特徴の両方で良好に機能し、外れ値に影響されにくい。

  • 特徴量選択: どの要因が最も重要なのかを自動的に示します。


ボット Trixter DTR はこのアプローチを用いて構築されています。

Trixter DTR アルゴリズムは、決定木(略称 DTR)を使用してパターン検出を実装します。私たちは、金市場は十分に効率的であり、ほとんどの価格変動は予測不可能な市場ノイズであるという仮定に立っています。しかし、金チャートの一部(いわゆる異常領域)を切り出すことで、最大限予測可能な部分を抽出できます。これにより、予測が良好に行えるチャート区間を 15% 特定しました。


主要な原則

  • 複数の時間枠とインジケーター期間における金のボラティリティ分析。
  • 有効なパターンを見つけるためのボラティリティのグループ化(100 から 3000)。
  • 統計的検証:高い利益の数学的期待値と統計的有意性。
  • 検証を通過しなかったパターンはノイズとしてマークされ、そのような状況では取引を開きません。
  • 実口座での使用前に 2 年間のフォワードテストが必須。

取引ロジックの特徴

  • 価格から選択した距離に指値注文で取引を開始 — 最小限のスリッページ。
  • 指値注文が発動せず(価格がレベルにタッチせず)、シグナルが消えた場合 — 注文は削除されます。
  • オープンポジションはストップロスとテイクプロフィットで保護され、逆シグナルが発生した場合は市場価格で決済されます。
  • ロボットはマーチンゲール、アービトラージ、その他の高リスク戦略を使用しません。
  • 推奨時間枠:M5 から H1。最適 — H1 XAUUSD。
  • 取引活動の柔軟な調整が可能です(以下のパラメーター)。

主な設定

  • Allow BUY signals, Allow SELL signals — 市場の方向性に確信がある場合に買い/売りを許可または禁止します。
  • Signals sensitivity, Filter sensitivity — シグナルの感度とノイズフィルタリングのしきい値。デフォルト値 — 0.5。よりクリーンなシグナルを得るために 0.7~0.9 まで引き上げ可能。
  • Filter by trading hours — 取引時間の制限。デフォルト — 24時間365日。

資金管理設定

  • Distance in points for limit order — 価格から指値注文までの距離。デフォルト:250。小さい → 取引回数増加、大きい → より保守的。
  • Max positions + orders number — 同時に開くポジションの最大数(平均化なし)。デフォルト:3。
  • 追加で設定可能:オープン間の遅延、最大スプレッド制御、ストップロスおよびテイクプロフィットレベル。
重要: デフォルト設定はすでに設定されています。特に必要がない限り変更しないでください。工場出荷時パラメーターに戻せるよう、標準設定ファイルを保存してください。
Isolation forest + 2つの分類器 → ONNX にエクスポート  |  フォワード期間:2年間  |  推奨時間枠:H1 XAUUSD

作者のその他のプロダクト
Trixter KNN Gold — 金のボラティリティ分析に基づくインテリジェントなトレーディングシステムです。 このボットは、近傍法(KNN)に基づくスマートなパターン検索を使用します。見つかったパターンは2つの分類器によって処理され、その後モデルはONNX形式にエクスポートされます。 主要な原則 複数の時間枠とインジケーター期間における金のボラティリティ分析。 効果的なパターン(100から3000)を探すためのボラティリティのグループ化。 統計的検証:高い期待値と統計的有意性。 検証を通過しなかったパターンはノイズとしてマークされ、そのような状況では取引は行われません。 実口座への適用前に、2年間のフォワードテストが必須です。 取引ロジックの特徴 価格から選択した距離に指値注文で取引を開始 — スリッページを最小化。 指値注文が執行されず(価格がレベルにタッチしなかった)、かつシグナルが消えた場合 — 注文は削除されます。 オープンポジションはストップロスおよびテイクプロフィットで管理され、逆シグナルが発生した場合は市場価格で決済されます。 このロボットはマーチンゲール、アービト
Isolation Forest は、 異常(外れ値)検出 のための機械学習アルゴリズムです。 アルゴリズムの概要: ランダム分割: アルゴリズムは、特徴量と閾値をランダムに繰り返し選択してデータを分割します。 各データポイントが個別の「セル」に隔離されるまで (または最大深度に達するまで)続けられます。 隔離深度: 異常値は、他のデータから分離するために より少ない分割回数 で済むため、より迅速に「隔離」されます(密集したクラスターから遠くに位置します)。 森林の構築: 複数のランダム決定木(森林)が作成され、各ポイントについて全木における 平均隔離深度 が計算されます。 異常度スコア: 平均深度が小さいほど、そのポイントが異常である 確率が高い ことを示します(これに基づいて 0から1の異常スコア が構築されます)。 用途: データからの外れ値検出( 不正取引 、機器故障、ネットワーク侵入)。 他のモデル学習前の データクリーニング (ノイズ除去)。 リアルタイムの システム監視 (センサー値)。 主な利点: 高次元空間でも高速かつ効率的に動作し、 ラベル付きデータを必要としない
フィルタ:
レビューなし
レビューに返信