تعلم آلة الفوركس

التعلم الآلي هو مجال الذكاء الاصطناعي حيث تتعلم برامج الكمبيوتر بدلا من اتباع عمياء السيناريو. مع ما يكفي من البيانات التدريب يمكنك تعليم تلك الخوارزميات لقيادة سيارة، طيار طائرة هليكوبتر أو بناء أفضل محرك بحث في العالم. وفيما يلي النتائج التي حصلت عليها مع نهجي الأولي في تطبيق التعلم الآلي لتداول العملات الأجنبية. يتم وضع مجموعة متنوعة من الخوارزميات في محاولة للتنبؤ تطور أداة مع بيانات من 8 الحانات اليومية فقط في الماضي. لكل يوم، يتم تسجيل أربعة قيم، أول ثلاثة معلومات قياسية عن حركة من يوم سابق على مقربة من ديرسكوس عالية، منخفضة وقريبة، في بيرسن t بينما الرابع يسجل حجم اليوم. وهذا يجعل ل 32 متغيرات مستقلة الكلي. يتم الحصول على البيانات من ثلاثة أدوات في قاعدة بيانات دوكاسكوبي، اليورو مقابل الدولار الأميركي، أودجبي و غبشف يوميا الحانات الطلب من 1 يناير 2008 إلى 31 ديسمبر 2011، مع عطلة نهاية الأسبوع المخلوطة في يوم الاثنين التالي. لكل من الخوارزميات التي تم اختبارها، تم استخدام السنتين الأوليين لتدريب النماذج في حين تم استخدام 2012 لاختبارها. مكتبة جافا المفتوحة لخوارزميات التعلم الآلي المستخدمة تأتي من ويكا: برامج التعدين البيانات في جافا ط. يمكنك تحميل المكتبة أو برنامج سهل الاستعمال بحرية في cs. waikato. ac. nzmlweka. توقع اتجاه السوق تقيس هذه الاختبارات إلى أي مدى، إن وجدت، من الممكن التنبؤ بالحركة الشاملة للغد (من قرب الإغلاق) استنادا إلى بيانات من ثمانية أيام سابقة باستخدام مجموعة متنوعة من خوارزميات التعلم الآلي. ويعني الارتباط المرتفع أن النموذج يتنبأ بالحركة الشاملة اليومية التالية جيدا. في هذه الحالة، فإن الارتباطات قريبة جدا من الصفر حتى النماذج كانرسكوت التنبؤ الحركة الشاملة للسوق على الإطلاق. توقع نطاق السوق بالنسبة لفوركس، يتم تعريف النطاق هنا على أنه الفرق بين ارتفاع درسكوس و دايرسكوس منخفض كنسبة مئوية من الإغلاق السابق (من أجل أدوات مختلفة لتكون قابلة للمقارنة). واحدة من أبسط وأفضل الطرق، أقرب الجيران، أداء أفضل في هذه المهمة. هذا الأسلوب، لكل حالة، ببساطة ينظر في الحالات n في مجموعة التدريب التي تبدو أكثر مثل ذلك ويتوقع المتوسط ​​المرجح من نطاقها. التنبؤ بالحركة المطلقة لأداة إن الحركة المطلقة لأداة ما هي الحركة الشاملة ليوم واحد ولكنها إيجابية دائما. وهذا يشبه إلى حد ما النطاق. فمن المستحيل التنبؤ اتجاه السوق لليوم التالي استنادا فقط على ثمانية أشرطة السابقة وأحجام، على الأقل باستخدام هذه الخوارزميات. ومع ذلك فإن أول عيب في هذا النهج هو ربما أنه يحاول التنبؤ كل يوم واحد. ولعل بعض عمليات القضاء يمكن أن تزيل كمية كبيرة من البيانات التي لا يمكن التنبؤ بها في الغالب. من ناحية أخرى هناك خوارزميات أخرى مثل الشبكات العصبية المتكررة التي هي أكثر ملاءمة للمهمة في متناول اليد. فمن الممكن التنبؤ، إلى حد ما، مجموعة من اليوم التالي ومنطقيا تماما الحركة المطلقة (من وثيقة إلى وثيقة). هذا النوع من المعلومات قد لا تكون ذات صلة للتجار الذين يتبعون الاتجاهات ولكن يمكن أن تكون ذات صلة للمتزلجين الذين يحتاجون إلى التنبؤ بنطاق زوج العملات. وأعتقد أن هذه الخوارزميات تتجاوز مؤشرات المدى مثل أتر بمعنى أنها تنبؤية بدلا من دلالة. (1) مارك هول، إيبي فرانك، جيفري هولمز، برنارد بفهرينجر، بيتر ريوتمان، إيان ه. ويتن (2009) برنامج ويكا لتعدين البيانات: تحديث سيكد إكسبلوراتيونس، المجلد 11، العدد 1.Machine ليارنينغ وتحسين استراتيجيات التداول التلقائي. من خلال دراسة كمية هائلة من المعلومات الماضية، يمكننا تحديد الأنماط التي تساعدنا على التنبؤ بتطور السوق إلى حد كاف. وهذا بالطبع ما يفعله بعض المتداولين لفترة طويلة، ولكن أتمتة العملية تسمح لنا بإيجاد استراتيجيات أفضل بكثير وأسرع بكثير مما يتطلبه الإنسان. هنا نقترح استراتيجية المضاربة التي تم اختبارها بنجاح ويوضح الاحتمالات التي جلبتها التعلم الآلي في النقد الاجنبى. العثور تلقائيا على استراتيجية المضاربة الفوز على اليورو يوروس هو زوج مربح جدا لاستراتيجية المضاربة بنيت من خوارزميات التعلم الآلي، على الرغم من أن لدينا طريقة قادرة على العثور على استراتيجيات الفوز على غيرها من الصكوك وبعض التي تعمل عبر العديد من الصكوك، واستراتيجيات وضعت ل يوروس إعطاء أفضل العوائد. هذه هي الطريقة التي بنيت الاستراتيجيات. لا يمكننا إطعام السعر الفعلي للخوارزمية لأننا نريد أن يتعرف على الأنماط بشكل مستقل عن ارتفاعها على الرسم البياني. لذلك نحن تغذية ذلك تحركات الأسعار، من عالية إلى عالية ومنخفضة إلى منخفضة (أفضل من فتح لإغلاق). هذا هو نوع بسيط من المؤشرات مع قوة تمييزية مثيرة للدهشة بين أنماط الفوركس. ولكن ما هي الفواصل الزمنية التي يجب أن نختارها لمؤشراتنا وباستخدام المرتفعات والمنخفضة على مدى الفترة التي تجيب فيها الخوارزمية على هذا السؤال بالنسبة لنا عن طريق تحسين مجموعة من المؤشرات وتسجيلها من خلال مدى إستراتيجية جيدة يمكننا الاعتماد عليها. الطريقة المستخدمة للتحسين هي خوارزمية وراثية. نبني بضع مجموعات من المؤشرات أقوى منها (درجة أعلى) لديهم فرصة أفضل ل لدكوريبرودوسينغردكو و لدكوموتاتردكو بينما يتم استبدال تلك الأضعف. هذا الأسلوب يميل إلى تحسين مجموعات المؤشرات وأنه هو آلاف المرات أسرع من مجرد محاولة الخروج من كل إمكانية واحدة. نحن نسجل مجموعة من المؤشرات من خلال مدى استراتيجية جيدة يمكننا بناء معها. يتم بناء الاستراتيجيات تلقائيا باستخدام خطوة التحسين الثانية وهيكل البيانات، الشبكة العصبية الاصطناعية. الشبكة العصبية يأخذ كمدخلات قيم المؤشر لفترة معينة ويخرج بعض المعلومات حول مستقبل الصك. ماذا يتنبأ الشباك العصبي الاصطناعي تحاول الشباك العصبية التنبؤ بعامل ربح عادي (الربح الإجمالي مقسوما على الخسارة الإجمالية) على صفقة واحدة خلال فترة معينة في المستقبل. الفترة المعنية يمكن أن تتراوح بين 3 و 10 أيام، بل هو المعلمة الأمثل للاستراتيجية. ولذلك، فإن إستراتيجيتنا لا تستخدم بالضرورة وقف الخسائر وتحقق الأرباح، وبدلا من ذلك، نفتح موقعا لمقدار محدد سلفا من الوقت ونغلق الموقف في نهاية تلك الفترة، مهما حدث. يتم تصنيف صافي من قبل نسبة من التوقعات الصحيحة وزنه من قبل إترسكوس الدقة. وبدلا من ذلك، يمكن لشبكاتنا العصبية التنبؤ بما ينبغي أن تستثمره حصة رصيد الحساب، ثم يتم تصنيف الشباك عن طريق الرصيد النهائي للحساب أو عامل الربح الإجمالي. الفخاخ الشائعة في استراتيجيات أوتوماتيكترادينغ هناك بعض المزالق المشتركة لتكون على بينة في مثل هذه الاستراتيجيات حيث يبدو أن استراتيجية لتقديم أرباح مذهلة ولكن لا قيمة لها في الحياة الحقيقية. وأهم الاحتياطات هو أن الفترة التي يتم فيها اختبار الاستراتيجية ينبغي ألا تكون هي نفس الفترة التي بنيت فيها. وإلا يمكننا ببساطة توليد الآلاف من الاستراتيجيات العشوائية المعقدة واختيار واحد الذي يعمل بشكل أفضل على فترة معينة واحدة، ولكن إترسكوس فقط عندما يكون لدينا نتيجة إيجابية على مجموعة مستقلة من البيانات التي يمكننا أن نبدأ الثقة استراتيجيتنا. في الواقع نستخدم ثلاث مجموعات مستقلة من الوقت، يتم استخدام مجموعة التدريب لبناء النظام، يتم استخدام مجموعة التحقق من الصحة لتجنب الإفراط في التعلم ويتم استخدام مجموعة الاختبار للنتائج المبلغ عنها. في حالتنا، نصل إلى 60 الرهانات الصحيحة على مجموعة الاختبار الذي يمتد على مدى العام الماضي. بل هو أيضا ممارسة سيئة لتحسين الربحية ووقف الخسارة من البداية. عند تحسين استراتيجية على فترة قصيرة جدا، يمكن للمرء بسهولة الحصول على ربح شامل مدهش عن طريق وضع الربحية قريبة جدا ووقف الخسارة بعيدا جدا. وعندما يتم التوصل إلى وقف الخسارة في نهاية المطاف على مدى فترة أطول، فإن العواقب مدمرة. وبمجرد التوصل إلى استراتيجية مربحة، يمكن أن يكون الأمثل للربح ووقف الخسارة ولكن يجب أن لا تكون أبدا بعيدة جدا عن بعضها البعض. إن وضع الربحية ووقف الخسارة ليست استراتيجية بحد ذاتها، بل هي وسيلة للسيطرة على المخاطر. استراتيجية مثالية اختبار مع محاكاة معترف بها استراتيجيتنا يحصل على النظري 62.5 الرهانات الصحيحة على اليورو مقابل الدولار الأميركي. ولكن يمكننا الحصول على تقييم أفضل للاستراتيجية مع محاكاة جيدة وتطبيق الحياة الحقيقية للاستراتيجية. لهذا السبب قمنا بتنفيذ الاستراتيجية باستخدام أبي جفوريكس واختبارها على منصة جفوريكس. مرة أخرى، كنا حريصين على عدم خلط الفترة التي استخدمناها لتحسين استراتيجيتنا والفترة التي كنا نختبرها. نحن أيضا صقل استراتيجيتنا بعض أكثر ضبط المبلغ المستثمر في كل موقف لتعكس التنبؤات ستراتيغيسترسكوس. هذا تحسن كثيرا من عامل الربح (الربح الإجمالي مقسوما على الخسارة الإجمالية) من استراتيجيتنا. نحن نستخدم رافعة مالية لزيادة أو تقليل المخاطر والعائد المتوقع. أكثر من 161 الصفقات، عامل الربح لدينا ستراتيجيونيون فترة الاختبار هو 2.87 وهذا يعني أننا نحصل على 2.87 مرات أكثر ربح من تراجع في الصفقات. على الرغم من أننا فقط الحصول على 60.24 الصفقات مربحة، فهي أكثر ربحية من الصفقات الخاسرة هي غير مربحة. الإحصاءات النهائية نجد قول جدا هو الحد الأقصى للتراجع التوالي، 5، والأرباح القصوى على التوالي، 18 من الأسهم. لدينا حساب حقيقي تشغيل الاستراتيجية ولكن تم القيام بذلك لفترة زمنية صغيرة جدا جدا لتقييم ذلك بهذه الطريقة. نحن أيضا الأمثل أخذ الربح ووقف الخسارة. منذ نحن نرفض أن نرى تلك العوامل كعوامل استراتيجية ولكن يفضل رؤيتها كمعلمات السيطرة على المخاطر، ونحن دائما الاحتفاظ بها مساوية لبعضها البعض. والعكس يخلق اختلالا يجعل من الصعب تقييم الاستراتيجية. مرة أخرى، تم تحسين هذه المعايير على فترة مختلفة من فترة الاختبار. وأظهرت النتائج أن وقف الخسارة والربح ينبغي أن تستخدم بالفعل وأنه ينبغي أن توضع قريبة جدا، في حوالي 18 نقطة. وضع تلك أقرب إلى سعر الافتتاح لا يحسن عامل الربح الإجمالي ولكن على تلك المستويات، واللجان والرسوم تصبح مزعجة. وقف الخسارة والربح تحسين عامل الربح والاستقرار العام للاستراتيجية في حين أنها لا تعيق على الربح الإجمالي ولكن الرافعة المالية يمكن أن يعالج الوضع. عيوب استراتيجية التداول التلقائي نقد مشترك بشأن استراتيجيات الصندوق الأسود مثل استراتيجياتنا هو أن السوق يمكن أن تتغير فجأة دائما والاستراتيجيات التي عملت قبل ورسرسكوت العمل إلى أجل غير مسمى. وعلينا أن نعترف بأن هذا الأمر قائم تماما، ونعتقد أنه لا يمكن القيام بأي شيء لتجنب ذلك بدون كرة بلورية للتنبؤ بالمستقبل. ومع ذلك، فإنه أيضا شعورنا بأن هذه هي الحقيقة مع أي استراتيجية المضاربة، من صنع الإنسان أو غير ذلك. ومن الواضح أن النقد الأجنبي قد عانى من تغييرات كبيرة في الماضي. حجم هو مؤشر كبير لهذه المسألة أنه يعطي لنا حقا نظرة ثاقبة لحظة عندما يتم تداول طريقة الصك التغييرات. على الرسم البياني أدناه يمكنك مراقبة تطور حجم اليورو مقابل الدولار الأميركي في السنوات ال 16 الماضية. استراتيجية بنيت باستخدام البيانات التي بعيدة جدا دونسنرسكوت العمل بعد الآن. ومع ذلك، عملت استراتيجيتنا بشكل جيد على قدم المساواة على اليورو مقابل الدولار الأميركي على مدى السنوات القليلة الماضية ولا شيء يشير إلى أنه سيتغير في أي وقت قريب. هناك أمران يمكننا القيام به للحماية من التغيير المفاجئ في الطريقة التي يتم تداولها أدوات الفوركس. أولا، يمكننا مراقبة السوق والانتظار لتلك اللحظة عندما عملنا دوزنرسكوت العمل بعد الآن باستخدام الإحصاءات التي ينبغي أن تتبع استراتيجية مثل الحد الأقصى التراجع التوالي وعن طريق رصد حجم. ثانيا، يمكننا أن نفعل واترسكوس دعا على الخط التعلم حيث يتم باستمرار تحسين استراتيجيتنا على البيانات الجديدة. هذا الخيار الثاني هو ممارسة جيدة ولكن دسنرسكوت الحرس ضد التغيرات المفاجئة التي هي نموذجية في النقد الاجنبى كل بضع سنوات. الحل الأمثل هو تنفيذ كل من تلك الأساليب عن طريق تحسين استراتيجياتنا بانتظام مع إدراك أن تغيير أعمق في الاستراتيجية سيكون في نهاية المطاف ضروريا. والنقد الآخر هو أننا لا نفهم أبدا ما يفعله نموذج الصندوق الأسود. ليس هذا هو الحال بالنسبة لنا كما نموذجنا هو بسيط جدا في الواقع، ولكن نحن سوف تأخذ سر قبرنا أو على الأقل حتى استراتيجية غير مربحة بعد الآن. شكرا للقراءة، ترجمة إلى روسيانماشين التعلم إذا كان أي شخص مهتما في تطوير استراتيجيات التعلم القائم على آلة، وتحقق من deepththought. co. دعم سهم التوجيه، ماشينس. التدرج معززة الأشجار. غابات عشوائية. أشجار عشوائية للغاية. متعدد الطبقات بيرسيبترون، ويعرف أيضا باسم الشبكة العصبية. فرق: الجمع بين توقعات أي عدد من التنبؤات. إعادة التدريب المستمر، دائما التكيف مع السوق. يرجى ملاحظة، وهذا هو أداة لتطوير الاستراتيجيات والأنظمة الخاصة بك، وليس استراتيجية التداول المعلبة مسبقا. وشملت أيضا اثنين من MT4 إي، مع المصدر، لتداول الإشارات أو الجمع مع أي نظام آخر قد يكون لديك.