Discussão do artigo "Aplicação de regras associativas para análise de dados no Forex"

 

Novo artigo Aplicação de regras associativas para análise de dados no Forex foi publicado:

Como aplicar as regras preditivas de análise de dados do varejo de supermercados ao mercado real de Forex? Como as compras de biscoitos, leite e pão estão relacionadas às transações na bolsa? Este artigo explora uma abordagem inovadora para o trading algorítmico, baseada no uso de regras associativas.

Trabalho com dados há muito tempo e percebi que muitas ideias bem-sucedidas vêm de áreas correlatas. Hoje, quero compartilhar a experiência de aplicar regras associativas no trading. Este método tem se mostrado altamente eficaz na análise de dados do varejo, ajudando a identificar conexões entre compras, transações, movimentos de preços e a demanda e oferta futuras. E se aplicássemos isso ao mercado de câmbio?

A ideia principal é simples, isto é, procuramos padrões consistentes de comportamento de preços, indicadores e suas combinações. Por exemplo, com que frequência um aumento no EURUSD é seguido por uma queda no USDJPY? Ou que condições geralmente precedem grandes movimentos?

Neste artigo, mostrarei o processo completo de criação de um sistema de trading com base nessa ideia. Nós:

  1. Coletaremos dados históricos usando MQL5.
  2. Faremos a análise desses dados com Python.
  3. Encontraremos padrões significativos.
  4. Transformaremos esses padrões em sinais de trading.

Por que essa pilha de tecnologias? MQL5 é excelente para trabalhar com dados de mercado e automatizar o trading. Python oferece ferramentas poderosas para análise. Pela minha experiência, essa combinação é muito eficaz para o desenvolvimento de sistemas de trading.

O primeiro passo na análise é entender a distribuição das principais métricas das regras encontradas. O gráfico de distribuição do support, confidence, lift e leverage ajuda a avaliar a qualidade das regras encontradas e, se necessário, ajustar os parâmetros do algoritmo.


Autor: Yevgeniy Koshtenko

 

Aparentemente, presume-se que o leitor já deve ter algum conhecimento desse método, e se não tiver?

Não entendo as métricas mencionadas, em particular:

O Lift se tornou meu indicador favorito. Após centenas de horas de testes, notei um padrão: regras com lift acima de 1,5 realmente funcionam no mercado real. Essa descoberta influenciou seriamente minha abordagem à filtragem de sinais.

Se entendi o método corretamente, os sinais correlacionados são procurados em segmentos quânticos. Mas eu não entendia a próxima etapa. Qual é o alvo? Presumo que as regras resultantes sejam verificadas em relação ao alvo e avaliadas em relação às métricas.

Se for esse o caso, isso reflete meu método, e é interessante avaliar o desempenho e a eficiência.

 
Olá, Eugênio! Por favor, escreva para mim (enviei uma solicitação para ser adicionado como amigo, há um assunto sério para conversarmos (padrões de proponentes e sua aplicação prática). Obrigado por sua resposta, com todo o respeito, Andrey