Обсуждение статьи "Метаразметка классических стратегий (Часть 1): Фильтрация сделок по RSI и определение размера позиций"

Новый комментарий

Опубликована статья Метаразметка классических стратегий (Часть 1): Фильтрация сделок по RSI и определение размера позиций:

В условиях тренда RSI накапливает убытки, поскольку генерирует сигнал при каждом пересечении порога независимо от рыночного режима. Вторичный классификатор на основе случайного леса, обученный на 12 контекстных признаках — наклоне импульса RSI, скорости тренда EMA50, нормированном по ATR отклонении цены от трендовой средней и девяти других, — фильтрует исходные сигналы и масштабирует размер позиции в зависимости от уверенности классификатора на данных EURUSD H1. В результатах сравниваются исходный RSI, RSI с метафильтрацией и RSI с адаптивным размером позиции за 16-месячный период вне обучающей выборки с анализом показателей по отдельным сделкам и просадок.

Индикатор RSI генерирует сигнал каждый раз, когда его значение пересекает пороговое значение. При этом он не учитывает, благоприятствуют ли текущие рыночные условия сделке в расчете на возврат к среднему. На боковом рынке этот вопрос менее важен, поскольку исходная предпосылка в целом выполняется на протяжении всего периода. На трендовом рынке, где каждый новый экстремум обусловлен структурными факторами, а не временными колебаниями, генерация сигналов при каждом пересечении порога приводит к систематическим, нарастающим убыткам независимо от того, насколько хорошо настроены параметры индикатора.

Эту проблему напрямую решает подход метаразметки, описанный в главе 3 книги Маркоса Лопеса де Прадо «Advances in Financial Machine Learning». Первичная модель (в данном случае — стратегия RSI) продолжает генерировать сигналы о направлении сделки точно так же, как и раньше. Вторичный классификатор получает каждый сигнал вместе с двадцатью семью значениями контекстных признаков, зафиксированными на сигнальном баре. Он выдает вероятность того, что сделка по этому сигналу окажется успешной. Сигналы, для которых уверенность классификатора ниже порога, пропускаются; размер позиции по одобренным сигналам масштабируется в зависимости от уверенности классификатора. Первичная модель отвечает за прогноз направления позиции. Вторичная модель отвечает за определение целесообразности сделки и какого размера должна быть позиция.

В этой статье описана реализация конвейера обработки на данных EURUSD H1 из MetaTrader 5 за семь лет. В разделе 2 дается количественная оценка сценария, при котором стратегия дает сбой; в разделах 3–5 описываются методология, признаки и валидация; в разделах 6–7 приводятся результаты. В сопутствующей статье этой серии, посвященной MQL5, реализована архитектура исполнения сделок с двумя советниками, которая позволяет использовать эти результаты Python в системе реальной торговли.


Автор: Patrick Murimi Njoroge

Новый комментарий