Обсуждение статьи "Применение ассоциативных правил для анализа данных на Форексе"
Видимо, предполагается, что у читающего должны быть уже знания определённые по такому методу, а если их нет?
Мне вот непонятно, что за метрики о которых говорится, в частности:
Lift стал моим любимым индикатором. После сотен часов тестирования я заметил закономерность — правила с lift выше 1.5 действительно работают на реальном рынке. Это открытие серьезно повлияло на мой подход к фильтрации сигналов.
Если я вообще правильно понял метод, то ищутся коррелирующие сигналы по сути в квантовых отрезках. Но я не понял, что дальше. Какая целевая? Предполагаю, что полученные правила проверяются по целевой и происходит их оценка по метрикам.
Если так, то перекликается с моим методом, и интересно оценить производительность и эффективность.
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Применение ассоциативных правил для анализа данных на Форексе:
Как применить предиктивные правила ретейл-аналитики супермаркетов к реальному рынку Форекс? Как связаны покупки печенья, молока и хлеба с транзакциями на бирже? В статье рассматривается инновационный подход к алгоритмическому трейдингу, основанный на применении ассоциативных правил.
Я давно работаю с данными и заметил, что многие успешные идеи приходят из смежных областей. Сегодня хочу поделиться опытом применения ассоциативных правил в торговле. Этот метод отлично зарекомендовал себя в ретейл-аналитике, помогая находить связи между покупками, транзакциями, движением цен и будущим спросом и предложением. А что если применить его к валютному рынку?
Основная идея проста — мы ищем устойчивые паттерны поведения цен, индикаторов и их комбинаций. Например, как часто за ростом EURUSD следует падение USDJPY? Или какие условия чаще всего предшествуют сильным движениям?
В статье я покажу полный процесс создания торговой системы на основе этой идеи. Мы:
Почему именно такой стек? MQL5 отлично подходит для работы с биржевыми данными и автоматизации торговли. А Python дает мощные инструменты для анализа. Из своего опыта могу сказать, что такая связка очень эффективна для разработки торговых систем.
Первый шаг в анализе — это понимание распределения основных метрик найденных правил. График распределения support, confidence, lift и leverage помогает оценить качество найденных правил и при необходимости скорректировать параметры алгоритма.
Автор: Yevgeniy Koshtenko