ФорумРазделы

Обсуждение статьи "Скрытые полумарковские модели (HSMM) на MQL5: Распознавание рыночных режимов с учетом их длительности"

Новый комментарий

Опубликована статья Скрытые полумарковские модели (HSMM) на MQL5: Распознавание рыночных режимов с учетом их длительности:

Стандартные HMM предполагают, что длительности состояний имеют геометрическое распределение со свойством отсутствия памяти, что плохо соответствует реальным рыночным фазам. В этой статье скрытая полумарковская модель (HSMM) с явным учетом длительности реализуется непосредственно на MQL5: для каждого состояния задается распределение времени пребывания в состоянии, а для фильтрации используется прямой фильтр по оставшейся длительности. Параметры оцениваются вне торговой среды с помощью алгоритма ожидания-максимизации (EM) и загружаются через компактный манифест в формате JSON. Торговый советник (EA) для XAUUSD на таймфрейме M5 использует ожидаемую оставшуюся длительность для фильтрации торговых решений о входе и выходе, что помогает удерживать позиции по тренду и избегать запоздалых входов перед завершением рыночного режима.

В большинстве статей об определении рыночных режимов используется обычная скрытая марковская модель (HMM): несколько состояний, матрица переходов и прямой и обратный проходы для оценки текущего состояния. При этом предполагается геометрическое распределение времени пребывания в состоянии: вероятность того, что рыночный режим завершится на следующем баре, постоянна и не зависит от того, сколько времени он уже длится. Рынки ведут себя иначе: и тренды, и беспорядочные колебания цены обладают своего рода инерцией, связанной со средней длительностью этих рыночных режимов.

Скрытая полумарковская модель (HSMM) решает эту проблему, вынося описание длительности за пределы матрицы переходов и явно задавая для каждого состояния собственное распределение времени пребывания в состоянии. Таким образом, модель поддерживает текущую оценку ожидаемой оставшейся длительности текущего состояния, что позволяет торговому советнику (EA) удерживать трендовую позицию в основной фазе движения, но выходить из рынка, когда эта оценка приближается к нулю.

Здесь используется та же схема, что и в предыдущих работах этой серии о рыночных режимах: обучение вне торговой среды на Python и работа в реальном времени непосредственно на MQL5, но ставится другой вопрос: не только какое состояние наблюдается сейчас, но и сколько времени оно, вероятно, еще продлится.


Автор: Adewumi Babatunde Gbadebo

Новый комментарий