Обсуждение статьи "Разработка социального технологического стартапа, часть I: Публикуем сигналы MetaTrader 5 в Твиттере"

 

Опубликована статья Разработка социального технологического стартапа, часть I: Публикуем сигналы MetaTrader 5 в Твиттере:

В этой статье мы покажем как связать терминал MetaTrader 5 с внешним веб-сервисом на примере из практики. Мы публикуем в Твитере сигналы, которые генерирует эксперт.

В основе этой идеи лежит концепция автоматической торговли или, так называемая торговля при помощи компьютеров. У компьютеров XXI века нет когнитивных способностей, но они прекрасно обрабатывают информацию и выполняют инструкции. В таком случае, почему бы нам не создать компьютерные системы, которые бы использовали человеческий интеллект для принятия решений? Этот подход основывается на модели Human-based computation (Вычисления с привлечением человеческих способностей), далее HBC, и фокусируется он преимущественно на разработке инструментов поддержки принятия решений, а не на кодировании алгоритмов принятия решений.

Изначально я думал о создании RSS канала с торговыми сигналами, которые генерирует мои эксперты. Речь идет о среднесрочной и долгосрочной торговых системах, поскольку эта концепция не подходит для скальпинговых систем. Человек, который имеет доступ к ленте, должен подтверждать соответствие торговых сигналов робота текущей ситуации на рынке, и только после прохождения такой проверки они могут попасть на рынок в виде торговых ордеров. Однако, вскоре я понял, что это можно сделать более социально-ориентированным. Я подумал "А почему бы мне не публиковать мои торговые сигналы в Твиттере?". Таким образом я создал свою Social Decision Support System (SDSS).

Рис. 1. Архитектура SDSS

Рис. 1. Архитектура SDSS

Кроме того, если вы планируете запустить технологический стартап, имеющий отношение к торговле на Forex, в этой статье вы найдете идеи, которые могут пригодиться. Вы можете рассматривать ее как пособие для того, чтобы написать SaaS (Software as a Service), основанное на SDSS.

Автор: Jordi Bassaganas

 

Есть много замечательных статей, а в платформе MQL5 есть все, что нужно для построения потрясающих торговых стратегий и многого другого.

Вы видите это как способ для FX-трейдинга, я вижу это как глобальную сеть рыночной разведки. Единственное, чего не хватает платформе, - это "Интеграция программирования на естественном языке" и "Большие данные" для ускорения обработки письменных языков.

[Удален]  
wehsnim:

Есть много замечательных статей, а в платформе MQL5 есть все, что нужно для построения потрясающих торговых стратегий и многого другого.

Вы видите это как способ для FX-трейдинга, я вижу это как глобальную сеть рыночной разведки. Единственное, чего не хватает платформе, это "Интеграция программирования на естественном языке" и "Большие данные" для ускорения обработки письменных языков.

Спасибо за ваш комментарий! Основная идея этой статьи заключается в том, что роботизированная торговля может не полностью удовлетворять некоторых трейдеров. Если это ваш случай, то вы можете рассмотреть некоторые другие подходы(инструменты поддержки принятия решений).

Например, можно объединить возможности MetaTrader 5 с человеческой аудиторией экспертов, которые могут принимать решения по торговым сигналам, а затем анализировать полученные знания. Одним из решений является фиксация наблюдений экспертов в веб-онтологии.

Рекомендуется прочитать книгу Роджера Пенро "The Emperor's_New_Mind" -> http://en.wikipedia.org/wiki/The_Emperor's_New_Mind

 
laplacianlab:

Спасибо за ваш комментарий! Основная идея этой статьи заключается в том, что роботизированная торговля может не полностью удовлетворить некоторых трейдеров. Если это ваш случай, то вы можете рассмотреть другие подходы(инструменты поддержки принятия решений).

Например, можно объединить возможности MetaTrader 5 с человеческой аудиторией экспертов, которые могут принимать решения по торговым сигналам, а затем анализировать полученные знания. Одним из решений является фиксация наблюдений экспертов в веб-онтологии.

Рекомендуется прочитать книгу Роджера Пенро "The Emperor's_New_Mind" -> http://en.wikipedia.org/wiki/The_Emperor's_New_Mind.

Использование опорных векторов в сочетании с естественным языком для оценки говорящего человека или даже отчета SEC и вывода данных вместе с коррелирующими движениями рынка, обновляемых в нецентрализованном или централизованном месте, которые могут быть использованы для интерпретации глобальных движений по всему миру, является правдоподобным, и то, что я вижу здесь, - это движение в правильном направлении для достижения нескольких моделей для тестовых сценариев. Вы на правильном пути, продолжайте в том же духе, а что касается вашей бизнес-модели, я думаю, она сработает.
[Удален]  
wehsnim:
Использование опорных векторов в сочетании с естественным языком для оценки говорящего человека или даже отчета SEC и вывода данных вместе с коррелирующими движениями рынка, обновляемых в нецентрализованном или централизованном месте, которые могут быть использованы для интерпретации глобального движения по всему миру, вполне правдоподобно, и то, что я вижу здесь, - это движение в правильном направлении для достижения нескольких моделей для тестовых сценариев. Вы на правильном пути, продолжайте в том же духе, а что касается вашей бизнес-модели, я думаю, она сработает.

Хорошая мысль! Я не знаком с опорными векторами, поэтому сейчас я не могу понять, как они могут быть использованы в этой SDSS.

Что касается проблемы "интеграции программирования на естественном языке", то ее можно решить, сначала записав знания в веб-онтологию (с помощью RDF или OWL), а затем опубликовав конечную точку SPARQL для выполнения запросов на "естественном языке", как, например, в Wikipedia -> http://dbpedia.org/snorql/.

Кстати, есть еще один интересный ресурс на эту тему под названием Predicting Crowd Behavior with Big Public Data

 
laplacianlab:

Хорошая мысль! Я не знаком с опорными векторами, поэтому сейчас я не могу понять, как они могут быть использованы в этой SDSS.

Что касается проблемы "интеграции программирования на естественном языке", то ее можно решить, сначала записав знания в веб-онтологию (с помощью RDF или OWL), а затем опубликовав конечную точку SPARQL для выполнения запросов на "естественном языке", как, например, в Wikipedia -> http://dbpedia.org/snorql/.

Кстати, есть еще один интересный ресурс на эту тему под названием Predicting Crowd Behavior with Big Public Data.

Я перечитал вашу статью и понял, к чему вы клоните... :)
 
Я хочу робота