Все о MQL5 Wizard: создавайте роботов без программирования. - страница 12
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Техники мастера MQL5, которые вы должны знать (часть 89): Использование побитовой векторизации в перцептронных классификаторах
Техники мастера MQL5, которые вы должны знать (часть 90): Управление деньгами на основе дерева Фенвика с помощью 1D CNN на MQL5
В последней статье серии "Мастер MQL5" мы исследовали сигналы входа в рынок, объединив алгоритм побитовой векторизации с перцептронным классификатором. Мы получили некоторые намеки на то, что эта пара имеет потенциал для дальнейшего развития в пригодную для использования торговую систему, основываясь на тестовых отчетах, полученных в ходе нескольких форвардных прогулок. Тем не менее сигналы входа, хотя и фундаментальные, - это только половина успеха. Мы обратились к пользовательскому классу управления капиталом, который можно использовать в мастере MQL5 для создания советника. Наш подход к изучению уникальных систем управления капиталом заключается в том, чтобы уменьшить размер позиции, когда это уместно. Даже при наличии точных сигналов на вход, будь то навигация по турбулентным колебаниям NVDA или очень ликвидным парам форекс, использование жесткого размера лота может оставить часть альфы на столе. Хуже того, риски просадки обычно следуют за этим.
Стандартный способ регулировки размера позиции может заключаться в обратном соотношении его с преобладающим тиковым объемом. Эти ориентировочные значения объема обычно определяются на основе средних значений. Эти средние могут быть рассчитаны на большие периоды, что может быть обременительным для вычислительных ресурсов и приводить к некоторой задержке. Поэтому в качестве темы мы рассмотрим другой подход к построению системы, которая плавно реагирует на давление объема в реальном времени, не снижая скорости исполнения, опираясь на дерево Фенвика.
Техники работы с MQL5-Wizard, которые стоит знать (Часть 91): Использование списков пропусков и сети Хопфилда в пользовательском классе трейлинга
Техники мастера MQL5, которые вы должны знать (часть 92): Использование индексации B-Tree и байесовской NN в пользовательском сигнальном классе
В прошлой статье этого цикла мы добавили в наш инструментарий защиту от рисков с помощью трейлинг-стопа, использующего алгоритм Skip-List вместе с сетью Хопфилда. Трейлинг-стопы помогают защитить плавающую прибыль не только за счет наличия стоп-лосса, но и за счет того, что он перемещается только в оптимальное время, а не в ответ на рыночный шум или нестабильные колебания. Построение сигналов входа для нескольких символов может выявить структурные ограничения в стандартных наборах инструментов, особенно при работе с несколькими стратегиями. Во-первых, стандартная библиотека MQL5 не обеспечивает реляционного управления состоянием. Таким образом, встроенные структуры данных, такие как MQLRates, зависят от конкретного символа, и если сравнение между символами является ключевым в какой-либо стратегии, это может стать препятствием для скорости.
Во-вторых, существует опасность детерминированной определенности. Обычные индикаторы и традиционные нейронные сети не имеют страховочной сетки, поскольку они всегда выдают жесткие приказы на покупку и продажу, при этом бездушно относясь к хаотичному рыночному шуму с той же убежденностью, что и к четким трендам. Другими словами, они всегда эксплуатируют. Однако сегодня можно утверждать, что трейдеры могут использовать более сложные наборы инструментов - те, которые не только позволяют отображать несколько символов, но и дают возможность исследовать ситуацию, возможно, используя вероятностную систему безопасности, чтобы лучше оценивать все состояния рынка с соответствующей убежденностью.
Техники мастера MQL5, которые вы должны знать (часть 93): Использование суффиксного автомата и автокодировщика в пользовательском классе управления деньгами
Вот краткое резюме: Суффиксный автомат ищет знакомые шаблоны, а автокодировщик проверяет целостность структуры.
Техники мастера MQL5, которые стоит знать (часть 94): использование выборки из резервуара и линейной регрессии в пользовательском классе скользящего стопа
В последней статье этой серии, посвященной трейлинг-стопам, мы рассмотрели сочетание алгоритма Skip-List с сетью Хопфилда, с использованием подхода на основе ассоциативной памяти, адаптированного для условий с резким моментумом. Можно сказать, что он подходит агрессивным трейдерам, которые ищут быстро меняющиеся рынки с большим количеством гэпов. В таких случаях неконтинуальное ценовое движение часто является нормой.
Однако разные модели, как правило, подходят для разных рыночных условий и стилей торговли. Попытки разработать универсальное решение зачастую обречены на провал. В этой статье мы переходим к методу выборки из резервуара в сочетании с сетью линейной регрессии. Это переход от ассоциативной памяти к статистической нормализации. Данный подход особенно подходит для рынков, где фильтрация микрошумов при мониторинге плавного, эффективного с точки зрения памяти буфера средних значений превосходит по эффективности быстрое обнаружение разрывов.
Техники мастера MQL5, которые стоит знать (часть 95): использование объединения непересекающихся множеств и глубокой нейронной сети в классе пользовательских сигналов
В последней статье о мастере MQL5, посвященной пользовательским сигналам, мы использовали сочетание алгоритма индекса B-Tree и байесовской сети. Система, которую мы тогда создали, была предназначена для арбитража за счет манипулирования неэффективностью взаимозависимых активов. Она продемонстрировала определенный потенциал в классификации состояний рынка с участием нескольких символов. Однако эта модель может оказаться неподходящей для трейдеров, торгующих одним активом и отслеживающих динамику в условиях волатильности. Для тех, кто торгует на новостях. Мультиактивный индекс не помогает при торговле на прорывах. Для этого можно использовать временной фильтр шума.
Понимая это, в данной статье мы переходим к алгоритму объединения непересекающихся множеств (DSU), который мы сочетаем с глубокой сетью убеждений (DBN). В то время как в последней статье о пользовательских сигналах байесовская модель отображала статические отношения, в данном подходе для фильтрации шума используются генеративные фильтры DBN. Мы ни в коем случае не рекламируем универсальное решение; мы предлагаем альтернативный подход к конкретной проблеме, с которой сталкиваются некоторые трейдеры, торгующие на прорывах. Как сгруппировать бары с высокой волатильностью в кластер с помощью DSU, а затем определить, означает ли кластер смену режима или это временная ловушка.
Приёмы работы с Мастером MQL5, которые стоит знать (Часть 96): Использование вейвлет-порогового фильтра и сети LSTM в пользовательском классе управления капиталом
Мы продолжаем серию статей, посвящённую различным идеям и торговым настройкам, которые можно исследовать и тестировать с помощью мастера MQL5. В прошлой статье, посвящённой управлению капиталом, в нашем пользовательском классе мы объединили алгоритм автоматизации суффиксов с сетью автокодера. Получившаяся в результате модель могла бы стать подходящим инструментом для трейдеров, предпочитающих торговать на консолидирующихся рынках, где историческая «ценовая ДНК» демонстрирует повторяющиеся паттерны. Модель, как оказалось, отлично работала в таких условиях при наличии четкого ритма. В связи с этим возникает вопрос: что произойдет при смене рыночного режима? Для некоторых трейдеров, тестирующих волатильные рынки, такие как внутридневной форекс или криптовалюты, повторяющиеся и надёжные паттерны могут быть редкостью. Основным препятствием здесь часто является то, что рынок ведёт себя нестабильно и хаотично, а высокочастотный шум часто маскируется под доминирующие тренды.
Поэтому в данной статье мы переходим от распознавания паттернов к обработке сигналов. Вместо поиска макроуровневых повторяющихся паттернов мы теперь пытаемся разработать прецизионный инструмент, наиболее подходящий для шумных, движимых импульсом сред. Мы создаем этот инструмент в виде настраиваемого класса управления капиталом, который объединяет алгоритм «Wavelet-Thresholding» (адаптированный для подавления шума в логарифмических доходностях) и сеть с длинно-короткосрочной памятью(LSTM). Мы придерживаемся подхода с использованием двух движков, описанного в наших недавних статьях, продолжая тему повышения адаптивности при масштабировании размера позиции по мере устранения статических и запаздывающих сигналов.
Приёмы работы с мастером MQL5, которые стоит знать (Часть 97): Использование выпуклой оболочки и миниатюрной сети GRU в пользовательском классе трейлинг-стопа
Мы возобновляем серию статей, посвященную мастеру MQL5, в которой мы поочередно рассматриваем сигналы входа, управление капиталом и трейлинг-стопы. Эти три области представляют собой основные способы настройки советников, созданных с помощью мастера MQL5, помимо встроенных классов. В последних опубликованных статьях мы рассмотрели сигналы входа, а затем управление капиталом, а это значит, что в этой статье в центре нашего внимания будут трейлинг-стопы. В прошлой статье, посвящённой трейлинг-стопам, мы объединили алгоритм «Reservoir Sampling» с сетью линейной регрессии, чтобы построить модель, цель которой заключалась в том, чтобы «прижиматься» к «справедливой медианной» цене. Это было сделано для защиты открытых позиций от бокового колебания.
Этот подход может хорошо работать на волатильных рынках, но на рынках с явным трендом он будет давать сбои, по крайней мере, незначительные. Поэтому сегодня мы переходим к «торговле по периметру, а не по медиане». Мы вводим класс трейлинг-стопов, управляемый алгоритмом «выпуклой оболочки» (Convex Hull) — логикой, предназначенной для определения «внешней оболочки» ценового движения, — и, как всегда, сочетаем его с нейронной сетью; в данной статье мы выбрали упрощенную рекуррентную единицу с затворами (GRU). Сеть служит фильтром импульса.
Приёмы работы с мастером MQL5, которые стоит знать (Часть 98): Использование фильтра Калмана без запаха и капсульной сети в пользовательском классе сигналов