文章 "在外汇数据分析中使用关联规则"

新评论
 

新文章 在外汇数据分析中使用关联规则已发布：

如何将超市零售分析中的预测规则应用于真实的外汇市场？购买饼干、牛奶和面包与证券交易所的交易有何关联？本文讨论了一种基于关联规则的算法交易的创新方法。

我长期从事数据工作，发现许多成功的理念都来自相关领域。今天，我想分享我在交易中使用关联规则的经验。这种方法在零售分析中已经证明了自己，使我们能够找到购买、交易、价格走势以及未来供需之间的联系。如果我们将这种方法应用于外汇市场，会怎样呢？

基本的想法很简单——我们正在寻找价格行为、指标及其组合的稳定模式。例如，欧元兑美元（EURUSD）的上涨有多频繁地跟随美元兑日元（USDJPY）的下跌？或者，哪些条件最常先于强烈的走势？

在本文中将展示基于这一想法创建交易系统的完整过程。我们将：

  1. 在MQL5中收集历史数据
  2. 在Python中分析它们
  3. 找到重要的模式
  4. 将它们转化为交易信号

为什么选择这一特定的技术栈？MQL5非常适合处理证券交易所数据和交易自动化。反过来，Python提供了强大的分析工具。从我的经验来看，这种组合对于开发交易系统非常有效。

分析的第一步是了解找到的规则的主要指标的分布情况。“支持度”、“置信度”、“提升度”和“杠杆”的分布图有助于评估找到的规则的质量，并在必要时调整算法参数。


作者：Yevgeniy Koshtenko

 

显然，我们假定读者已经对这种方法有所了解，如果不是呢？

我尤其不理解其中提到的指标：

提升率已成为我最喜欢的指标。经过数百小时的测试，我发现了一个规律--升水高于 1.5 的规则在实际市场中确实有效。这一发现严重影响了我的信号过滤 方法。

如果我对该方法理解正确的话，相关信号是在量子段中搜索的。但我不明白下一步该怎么做。目标信号是什么？我猜测是根据目标检查生成的规则，并根据度量标准进行评估。

如果是这样的话，这与我的方法不谋而合，而且评估性能和效率也很有趣。

 
你好，尤金！请给我回信（我已向您发送了加为好友的请求，有一个严肃的话题需要讨论（支持者模式及其实际应用）。感谢您的回复，谨致敬意，安德烈
新评论