Обсуждение статьи "Автооптимизация тейк-профитов и параметров индикатора с помощью SMA и EMA"

Новый комментарий
 

Опубликована статья Автооптимизация тейк-профитов и параметров индикатора с помощью SMA и EMA:

В статье представлен продвинутый советник для торговли на рынке Форекс, сочетающий машинное обучение с техническим анализом. Он предназначен для торговли акциями Apple с использованием адаптивной оптимизации, управления рисками и множества стратегий. Тестирование на исторических данных показывает многообещающие результаты, но также и значительные просадки, что указывает на потенциал для дальнейшего совершенствования.

Подход советника многогранен и использует прогнозирование цен с помощью модели машинного обучения, методы отслеживания трендов и адаптивную оптимизацию параметров. Он предназначен в первую очередь для работы с акциями #AAPL, хотя его можно адаптировать и для других инструментов. Благодаря таким функциям, как динамическое определение размера лота, трейлинг-стопы и автоматическая подстройка под рыночные условия, этот советник представляет собой сочетание передовых технологий и проверенных временем принципов торговли.

Эти индикаторы объединены сложным образом, а их параметры динамически оптимизируются на основе текущих рыночных условий. Советник также включает в себя такие функции, как трейлинг-стопы и расчет морального ожидания для эффективного управления открытыми позициями.


Используемые индикаторы:

  1. Простая скользящая средняя (SMA): Советник использует простую скользящую среднюю с адаптивно оптимизируемым периодом. SMA помогает определить общее направление тренда и используется в сочетании с ценовыми и другими индикаторами для генерации торговых сигналов.
  2. Экспоненциальная скользящая средняя (EMA): Также используется с динамически оптимизируемым периодом. EMA быстрее реагирует на последние изменения цен, чем SMA, обеспечивая иной взгляд на направление тренда.
  3. Средний истинный диапазон (Average True Range, ATR): Хотя индикатор явно не рассчитывается в коде, советник использует расчеты на основе ATR для установки уровней стоп-лосса и тейк-профита. Это позволяет корректировать размер позиции и управлять рисками с учетом волатильности.
  4. Модель машинного обучения: Советник использует модель ONNX (Open Neural Network Exchange) для прогнозирования цен. Эта модель учитывает ряд последних ценовых данных и пытается спрогнозировать следующее движение цены, добавляя прогностический элемент в торговую стратегию.

Сочетание этих индикаторов, а также машинного обучения позволяет советнику адаптироваться к изменяющимся рыночным условиям и потенциально выявлять торговые возможности в различных состояниях рынка.

Автор: Javier Santiago Gaston De Iriarte Cabrera

 
Пошаговое руководство по автоматической оптимизации будет очень полезно
 
Arup Nag автооптимизации будет очень полезно

Спасибо! Я как раз делаю такое руководство, оно будет готово через некоторое время. Пожалуйста, спрашивайте, что еще вам нужно или необходимо.

 
Arup Nag автооптимизации будет очень полезно.

Вот статья, надеюсь, она вам понравится: Как реализовать автооптимизацию в MQL5-экспертах - Статьи MQL5

How to Implement Auto Optimization in MQL5 Expert Advisors
How to Implement Auto Optimization in MQL5 Expert Advisors
  • www.mql5.com
Step by step guide for auto optimization in MQL5 for Expert Advisors. We will cover robust optimization logic, best practices for parameter selection, and how to reconstruct strategies with back-testing. Additionally, higher-level methods like walk-forward optimization will be discussed to enhance your trading approach.
 
Есть ли советник на основе нейросетевой торговли, я хотел бы попробовать, настроив параметры высокого коэффициента выигрыша, я собираюсь купить!
 

Поскольку я живу в Бразилии и хотел бы торговать мини-индексом, как мне адаптировать файлы onnx?

Адаптировать файлы onnx? для мини-индекса B3?

Большое спасибо

< отредактировано модератором

Ademir J Dias


Запрещено публиковать личные данные, такие как номера телефонов или адреса электронной почты.

Новый комментарий