文章 "在 MQL5 中构建自优化EA(第六部分):自适应交易规则(二)"

 

新文章 在 MQL5 中构建自优化EA(第六部分):自适应交易规则(二)已发布:

本文探讨了如何优化 RSI 的水平和周期,以获得更好的交易信号。我们介绍了估算最优 RSI 值的方法,并使用网格搜索和统计模型来自动选择周期。最后,我们在 MQL5 中实现了该解决方案,同时利用 Python 进行分析。我们的方法力求务实和直接,旨在以简单的方式帮助您解决潜在复杂的问题。

在我们上次关于自适应交易规则的讨论中(链接在此),我们探讨了量化交易者在尝试如何更好地使用 RSI 指标时所面临的问题。

我们发现,该指标并不总是能生成标准化的结果,这取决于几个因素,例如周期、时间框架以及所讨论的特定市场。

为了解决这个问题,我们假设量化交易者可以研究指标的真实范围,以便他们可以将指标的中间点重新调整到其观测范围的中间,而不是其所有可能范围。这样做,我们可以保证交易信号的生成,这是我们从 RSI 的传统规则中无法获得的。我们通过记录偏离中间点的平均偏差,获得了对新信号的额外控制,并且只记录由平均偏差的倍数所产生的信号。

现在,我们将超越最初构建实用解决方案的尝试。相较于我们上次的尝试,可以做出几项改进。尝试估算选择 RSI 水平值的能力是我们寻求的根本性改进。 

在上次的讨论中,我们简单地假设远大于平均偏差的偏差往往可能更有利可图。然而,我们并没有尝试去衡量这是否属实。我们没有尝试量化我们提出的新RSI水平值,并将它们与传统水平 70 和 30 的值进行比较。

此外,之前的讨论认为 RSI 周期是固定。这个简化的假设使我们的框架更容易理解。今天,我们将把注意力转向问题的另一端,即当交易者不确定应使用哪个正确周期时的情况。


作者:Gamuchirai Zororo Ndawana