Gevorderde handel sagteware: tegniese ontleding en neurale netwerke Tradecision Aktiveer deur Jurik navorsing gereedskap Die Jurik Navorsing aanwysers gebruik kan word in Tradecision net as jy hulle koop van Jurik Navorsing. JMA (Jurik bewegende gemiddelde Jurik Navorsing) is 'n gevorderde geraas uitskakeling filter. Die funksie kan sien die quottruequot onderliggende aktiwiteit. Om ongelooflik glad en baie gevoelig vir gapings mark, dit het 'n baie lae lag. Die gladde argument is 'n getal wat die gladheid van JMAs kurwe beheer. Die fase argument beheer lag / oorskiet aspek van JMAs kurwe. Jurik bewegende gemiddelde is ontwerp in die handel stelsels van jou eie ontwerp wat toegepas moet word. Vir meer inligting, besoek www. jurikres / catalog / msama. htm VEL (Zero-lag Velocity, Jurik Navorsing) is 'n super gladde weergawe van die tegniese aanwyser quotmomentum. quot Die kenmerkende eienskap is dat die smoothing proses arbeid voeg daar niks lag om die oorspronklike momentum aanwyser. Die tweede argument (lank) 'n heelgetal is dat die bewegende venster grootte van VEL spesifiseer. Vir meer inligting, besoek www. jurikres / catalog / msvel. htm CFB (Saamgestelde Fractal gedrag, Jurik Navorsing) is 'n indeks wat die markte trending tyd raam, ideaal vir die maak aanpasbaar venster groottes van verskeie tegniese aanwysers toon. Die tweede argument is 'n heelgetal spesifiseer uitset gladheid. Die derde argument is 'n heelgetal met vermelding van die grootste fraktale grootte CFB is om te oorweeg. Die gladheid vlak moet tussen 1 en 50 ingesluit. Groter waardes produseer gladder resultate. SpanSize moet wees óf 24, 48, 96 of 192 Groter waardes maak CFB oorweeg meer inligting en beweeg stadiger. Vir meer inligting, besoek www. jurikres / catalog / mscfb. htm RSX (Trend Sterkte Indeks, Jurik Navorsing) - is beter plaasvervanger vir RSI. Ultra-gladde, akkuraat, lae-lag aanwyser van die tendens rigting en suiwerheid. Die aanwyser is uitstekend vir diep ontleding. Die tweede argument is 'n getal wat die gladheid van RSXs kurwe beheer. Vir meer inligting, besoek www. jurikres / catalog / msrsx. htmMoving gemiddeldes gladde uit die geraas van die prys data strome ten koste van die lag (vertraging) In die ou dae kon jy spoed het, ten koste van 'n verminderde smoothing In die ou dae jy kan net jou glad ten koste van die lag Dink hoeveel uur jy gemors probeer om jou gemiddeldes vinnig te kry en 'n gladde Onthou hoe irriterende dit te sien toenemende spoed veroorsaak verhoogde geraas Onthou hoe jy wou vir lae lag en 'n lae geraas Moeg van die werk uit te vind hoe om jou koek hê en dit eet Moenie moed opgee nie, nou het dinge verander, kan jy jou koek hê en jy kan dit eet Precision Lagless gemiddelde in vergelyking met ander gevorderde filter modelle van die basiese industrie standaard gemiddeldes (filters) die geweegde bewegende gemiddelde is vinniger as die eksponensiële, maar bied nie 'n goeie smoothing, in teenstelling die eksponensiële het 'n uitstekende glad nie, maar groot hoeveelhede van die vertraging (Lag). Moderne quothigh techquot filters hoewel verbetering op die ou basiese modelle, het inherente swakhede. Waarvan sommige waargeneem in die Jurik JMA filter en die ergste van hierdie swakhede is oorskiet. Jurik navorsing openlik erken dat hulle quotminimal overshootquot wat geneig is om dui een of ander vorm van voorspellende algoritme werk sy kode. Onthou dat filters is bedoel om in ag te neem wat nou en in die verlede gebeur het. Die voorspelling van wat volgende gaan gebeur is 'n onwettige funksie in die Precision Trading Systems tool kit, is die data stryk en net de-uitgestel. Of jy kan sê, tendense gevolg word juis in plaas van aan watter kant toe volgende gaan, soos in die geval met hierdie onwettige tipe filter algoritmes. Die Precision Lagless gemiddelde nie probeer om die volgende prys waarde voorspel. Die Hull gemiddelde is deur baie geëis so vinnig en glad as die JMA te wees deur Jurik navorsing, dit het 'n goeie spoed en lae lag. Die probleem met die formule gebruik word in die romp gemiddelde is dat sy baie simplisties en lei tot prys ondergang wat swak akkuraatheid veroorsaak bereken deur te veel het (x 2) op die mees onlangse data (Floor (Lengte / 2)) en dan trek die ou data, wat lei tot ernstige overschrijding kwessies wat in sommige gevalle is baie standaardafwykings weg van die werklike waardes Die Precision Lagless gemiddelde het ZERO oorskiet. Die diagram hieronder toon die geweldige spoed verskil oor 'n tydperk van 30 PLA en 30 tydperk Hull gemiddelde. Die PLA was vier mate voor die Hull gemiddelde op beide groot keerpunte aangedui op die 5 minuut grafiek van die FT-SE100 toekoms (wat 'n 14 verskil in Lag). As jy die gemiddeldes by hul draaipunte verhandel kort om te gaan op die sluitingsprys in hierdie voorbeeld is PLA sein op 3,977.5 en Hull was 'n kleinigheid later by 3937, net oor 40,5 punte of in monetêre terme 405 per kontrak. Die lang sein op PLA was by 3936 in vergelyking met Hulls 3,956.5, wat 'n kostebesparing van 205 per kontrak met die PLA sein gelyk. Is dit 'n voël. Is dit 'n vliegtuig. Geen sy die Precision Lagless Gemiddelde filters soos die VIDAYA gemiddeld Tuscar Chande, wat wisselvalligheid gebruik om hul lengtes verander het 'n ander soort formule wat hul lengte verander, maar hierdie proses is nie uitgevoer word met enige logika. Terwyl hulle baie goed soms kan werk, kan dit ook lei tot 'n filter wat beide lag EN overschrijding kan ly. Die tydreekse gemiddelde wat is inderdaad 'n baie vinnige gemiddelde, kan ook herdoop die quotovershooting averagequot hierdie onakkuraatheid maak dit un-bruikbare vir enige ernstige aanslag van data vir verhandeling gebruik. Die Kalman filter loop gereeld agter of overschrijdingen prys skikkings te danke aan sy oor ywerig algoritmes. Ander filters faktor in die prys momentum te probeer om te voorspel wat sal gebeur in die volgende prys interval, en dit is ook 'n gebrekkige strategie, as hulle verby skiet wanneer hoë momentum lesings te keer, die verlaat van die filter hoog en droog en myle weg van die werklike prys aktiwiteit . Die Precision Lagless gemiddelde gebruik suiwer en eenvoudige logika om sy volgende produksie waarde besluit. Baie goeie wiskundiges het probeer en misluk om lag gratis gemiddeldes te skep, en oor die algemeen die rede is hul uiterste wiskunde intellek is nie gerugsteun deur 'n hoë mate van gesonde logika. Presisie Lagless gemiddelde (PLA) is gebou van suiwer logiese rede algoritmes, wat baie verskillende waardes wat in skikkings en kies watter waarde te stuur na uitset gestoor ondersoek. Plas beter spoed, glad en akkuraat maak dit 'n uitstekende handel hulpmiddel vir aandele, termynkontrakte, forex, effekte, ens En soos met alle produkte wat ontwikkel is deur Precision handel stelsels die onderliggende tema is dieselfde. geskryf vir handelaars deur 'n handelaar. PLA Lengte 14 en 50 op E-Mini Nasdaq futureJurik Newdigital syferfilters newdigital: Niks verkeerd in hierdie aanwysers. Dit is gekodeer MACD, bewegende gemiddeldes, AO, Demarker, Momentum en so aan. Almal van hulle is standaard aanwysers in Meta Trader. Maar hierdie weergawes is ten volle verbeterde en goed ontwerpte met baie baie opsies. Ek dink dit is 'n goeie aanwysers. Onthou jy ek begin om te gesels oor digitale filters meer as 1 jaar gelede op 'n paar drade en ek het 'n ooreenkoms met die skrywer van digitale filters kragopwekkers probeer om hom te dwing om sy sagteware voortgaan op ons forum en so en so aan. Maar sommige lede het gesê dat digitale filters aanwysers is nutteloos. En ek het daar gestop. Ek het gestop omdat ek net dink dat hulle weet, reg En weet jy wat is die situasie nou baie makelaars en maatskappye met behulp van digitale filters aanwysers vir tegniese ontleding as beproefde metode. En Alpari makelaar is met handel kursusse op difital filters (vir geld). On line en vir geld seminare mense op reis en kom tot die kursusse en so aan. Maar ek gestop meer as 1 jaar gelede as gevolg van 'n paar ou het gesê dat dit is nutteloos. Waar is die ouens is nêrens. Maar hulle stoped ons gratis ontwikkeling omdat hulle wou iets kommersiële begin met hierdie presiese idee. As ons vergeet dit Jurik aanwysers so iemand sal doen (analiseer / ontwikkel / skep EA) hulle aan die ander forum. En op 'n dag maak ons 'n paar baie onderskeie analitiese webwerf en ons sal sien dat sommige analisten gebruik hierdie stel van die regulasies gepubliseer oor die hele wêreld ontleding maar ons stoped reeds net omdat iemand iets gesê. Ek volkome eens met jou oor die belangrikheid van stres en die bevordering van beide die gebruik en eksperimentering op gevorderde digitale filters in hierdie Forum..as jy dalk weet ek gebruik dit op groot skaal as die filter basis vir al my handel strategieë, gerespekteerde forum lede (Bluto en ander) in staat was om aansienlik verbeter EAS resultate is net deur die vervanging van tradisionele aanwysers (MACD, RSI ..) met 'n digitale ander (JRSX, JMACD ..) .. en hulle is vinniger en gladder as enigiets anders eintlik in die mark .. so, wil ek graag die volgende voor te stel. 1-dat jy 'n spesiale afdeling gewy aan digitale filters .. skep 2-Dit, in hierdie digitale afdeling filter, jy 'n paar subthreads..I oop sou die volgende stel. A-Jurik digitale filters C-tradisionele aanwysers gewysig deur digitale filters D-Wave Lets, FFT, DFT, eindpunt DFT, Goertzel DFT E-Nth orde polinome G-Digitale filter kragopwekkers en gereedskap As 'n voorbeeld van punt C - .. Malcik en mysellf het die Laguerre RSI verander, om nog vinniger en gladder as usual..and Ek gebruik 'n spesiale aanpassing van JMA in my persoonlike trading..see attached..I wees wouldnt gedagte hulle deel (ek wil), maar ek wil graag deel hulle in 'n spesiale afdeling waar ek weet dat die eerste, die kennis gewoond word lost..and, tweede, ander soortgelyke minded mense sal terug te deel .. Ek volkome eens met jou oor die belangrikheid van stres en die bevordering van beide die gebruik en eksperimentering op gevorderde digitale filters in hierdie Forum..as jy dalk weet ek gebruik dit op groot skaal as die filter basis vir al my handel strategieë, gerespekteerde forum lede (Bluto en ander) in staat was om aansienlik verbeter EAS resultate is net deur die vervanging van tradisionele aanwysers (MACD, RSI ..) met 'n digitale ander (JRSX, JMACD ..) .. en hulle is vinniger en gladder as enigiets anders eintlik in die market..so, wil ek graag die volgende voor te stel. 1-dat jy 'n spesiale afdeling gewy aan digitale filters .. skep 2-Dit, in hierdie digitale afdeling filter, jy 'n paar subthreads..I oop sou die volgende stel. A-Jurik digitale filters C-tradisionele aanwysers gewysig deur digitale filters D-Wave Lets, FFT, DFT, eindpunt DFT, Goertzel DFT E-Nth orde polinome G-Digitale filter kragopwekkers en gereedskap As 'n voorbeeld van punt C - .. Malcik en mysellf het die Laguerre RSI verander, om nog vinniger en gladder as usual..and Ek gebruik 'n spesiale aanpassing van JMA in my persoonlike trading..see attached..I wees wouldnt gedagte hulle deel (ek wil), maar ek wil graag deel hulle in 'n spesiale afdeling waar ek weet dat die eerste, die kennis gewoond word lost..and, tweede, ander soortgelyke minded mense sal terug te deel .. Ek maak te veel stelsels en drade en im bang vir wat ek nie in staat sal wees om dit te handhaaf almal. In elk geval is dit dalk 'n goeie idee wees. Ek sal dink oor die afdeling vir al die digitale Filtes en stelsels. Aanwyser on Main grafiek Ek het beide stelle aanwysers gelaai, maar het die een op jou hoof term nie kry kan jy my vertel watter een is dat met die set NK Biblioteek, het ek gevind dat sommige van die aanwysers wat nodig is JurX Reeks Resize en JurXSeriesAlert te stel wat ek nie gevind het Ek het ook gekyk in die kode, maar my Russiese is nie bestaan nie het enigiemand anders ervare thisKEYS aAN suksesvolle handel Nee, die sleutels tot sukses is nie ons produkte, of iemand elses. Inteendeel, 'n suksesvolle handelaar wat jy nodig het nie. 'n handel stelsel met winsgewende verwagting, gesonde geldbestuur, die sielkundige moed om konsekwent handel, en voldoende kapitalisasie. In teenstelling met die algemene opvatting, jou basiese handel stelsel moet net beskeie winsgewend te wees. 'N Behoorlike geldbestuur skema wat ontwerp is om jou quotbet sizequot beheer kan aansienlik uit te brei die karige wins. Ook, omdat die menslike natuur is geneig om te neem wins te gou en laat verliese uit te voer te ver, moet jy vertroud is met die mark te wees en nie emosioneel vasgevang en dan te bang om jou aanbevelings handel stelsels volg. Daarom bied ons geen get-rich-quick skemas. Hulle werk nie. Ook sal ons beledig jy met voorstelle dat as 'n miljard dollar Capital Management firma direk gekoppel aan Wall Street met 'n groot rekenaarfasiliteit en tellings van PhD's kan miljoene maak met behulp van produk X, dan so sal jy. Jy is nie seker. Ook kan ons belowe die markte is so ondoeltreffend dat sy maklik om te neem in winste. Dit is nie, bloot omdat jy sal meeding met ander baie slim spelers, wat wil hê dat jou geld. Aan die ander kant, bied ons 'n kragtige gereedskap en opvoedkundige produkte aan individuele beleggers te help, soos jy, daarin slaag om 'n doeltreffende handel stelsel. Jurik gereedskap is versoenbaar met baie sagteware produkte. Ons tevrede kliënte saamstem pre-gebou handel stelsels Dit is 'n fout om handel stelsels in boeke, tydskrifte of in jou daaglikse gemorspos beskryf is winsgewend te neem. Hulle moet getoets word oor 'n lang tydperk van historiese data (genoeg vir ten minste 500 ambagte). Die beste enkele toets kan jy aansoek doen om 'n handel strategie te koop, is dit: Sal die verkoper bied 'n makelaars verklaring wat die mees onlangse 200 agtereenvolgende ambagte wat deur die strategie As die verkoper is onwillig of nie in staat is om dit te doen, loop weg. As jy word voorsien van 'n makelaars verklaring, plot die aandele kurwe en kyk of jy kan hanteer (finansieel en emosioneel) enige snare van verliese. Ook, probeer om 'n PUNTEDIAGRAM met die maksimum negatiewe uitstappie van elke handel te kry. Soms is 'n handel eerste verloor groot voordat hy winsgewend te maak. Kan jy dit hanteer daardie situasies behoorlik Wanneer die mark sy gedrag verander, kan die stelsel prestasie verneder in 'n verloorder. Sal jy uiteindelik bykomende te betaal vir 'n gereelde opgraderings, hoeveel het jy verwag om te leer oor die handel van 'n stelsel wat jy nie kan analiseer of te verander Ons glo dat jy beter af om jou eie handel stelsel as die aankoop van een. Jou stelsel sal ontwerp word om jou finansiële hulpbronne en sielkundige gemaksone. En jy sal in staat wees om dit te verander volgens veranderende marktoestande. Laaste, maar nie die minste nie, jy sal presies weet hoe goed dit verwag kan word om uit te voer. SINTESE Volgorde vir gevorderde stelsel gebou As 'n mens konsekwent goed kan handel, waarom kan nie 'n rekenaar Hoekom cant dit jou rekenaar Skakerings van kunsmatige intelligensie, het ons nie gehoor hierdie vrae voordat Kunsmatige Intelligensie, ongeag die formele definisie (as dit ooit gehad het enige), kom neer op harde en dikwels vrugteloos, werk. Volharding beteken afbetaal egter. Gestruktureerde metode en sistematiese eksperimentering is die aanbevole werkswyse. Ons definieer 'n gevorderde stelsel soos een wat 'n aspek van 'n leidende aanwyser, wat impliseer vooruitskatting is betrokke sluit. Leidende aanwysers kan ontwerp word vir byna enigiets, maar ons verkies om dit te gebruik om 'n boonste en onderste prysklas sowel as toekomstige MACD waardes voorspel. Behoorlike leidende aanwyser ontwikkeling vereis preprocessing met WAV en DDR en modellering met 'n neurale netwerk program. Laastens, dit alles moet gedoen word op 'n sistematiese wyse. Om dit te bereik, ek bedoel dit vloeidiagram om die groter prentjie te sien. Dit onderverdeel handel stelsel ontwikkeling pogings in verskeie stadiums. Hier is 'n multi-stadium hersiening van ons gevorderde stelsel bouproses. Jy kan enige aspek daarvan te verander om jou spesifieke behoeftes te pas. Hier is 'n beskrywing van hoe ek bou my eie handel stelsels. Die vloeidiagram toon ses fases van handel stelsel ontwikkeling. Kies verklarende data (versameling stadium) Skep 'n lae-lag aanwysers (preprocessing stadium) Skep leidende aanwysers (modellering stadium) Bou jou handel stelsel (strategie stadium) backtest jou handel stelsel (verifikasie stadium 1) Handel met 'n gesimuleerde makelaar (verifikasie stadium 2) STADIUM 1This behels die onopwindend taak van die insameling en die verifikasie van finansiële data. Dit help nie om jou selfbeeld stelsels om dit gepeper met spasies en nulle historiese pryse gee. Oogbal dit vir enige probleme. Navorsing het getoon dat as jy die prys data om te skakel na die log (logaritme) van die prys data, strategieë sal beter oor 'n langer tydperk te werk. Dit is omdat die prys data nou uitgedruk in 'n vermenigvuldigende verhouding tot mekaar, eerder as toevoeging, en dit is geneig om te bewaar as pryse skaal verander met verloop van tyd. Hierdie stadium behels data preprocessing. Kortliks, dit is waar ons onttrek betekenisvolle aanwysers van rou finansiële data. Goeie preprocessing maak die volgende fase (modellering) glad verloop. Professionele modelers besef die belangrikheid van hierdie stap en fokus die meeste van hul energie hier. Maar om die amateur dit het dieselfde appèl soos wasgoed wasgoed. Bepaal die optimale quotforecast horizonquot vir die tydreeks te voorspel. Byvoorbeeld, die optimale afstand te voorspel in die toekoms by die gebruik van die daaglikse bars van 30-jarige T-effekte is 5,5 dae. Hierdie waarde wissel van land tot land en die metode vir die berekening van dit word in my boek finansiële vooruitskatting en neurale netwerke. Bepaal hoeveel historiese data is nodig om 'n enkele voorspelling te maak. Ek verwys na die bedrag van historiese tyd en wyl die quotlookback horizonquot en sy grootte is gewoonlik 4 keer die voorspelling horison. Byvoorbeeld, as my voorspelling is tot 5,5 bars voorspel in die toekoms, dan is my Terugblik horison (L) vir elke voorspelling moet 22 bars wees. (L22) Alle aanwysers moet die aktiwiteit van ten minste die mees onlangse L bars oorweeg. Kies toepaslike verklarende data soos hoogtepunte, laagtepunte, volume, ens Ek wil u aanmoedig om pre-smoothing prys data eers met JMA ondersoek en sodoende quotproxiesquot skep vir die rou prys waardes. Volgende, maak relevante aanwysers (RSX, VEL, CFB, kanale, JMA-MACD, ens) deur dit toe te pas om die JMA gevolmagtigdes, in plaas van die rou prys data. Stel die quotlengthquot parameter van jou aanwysers sodat die aantal bars deur elke formule beskou is ongeveer die Terugblik horison (L). Maak seker dat elke kolom van aanwyser waardes lyk soos 'n nul-gemiddelde, gestandaardiseerde ossillator (bv Z-telling reeks), en is nie 'n ewekansige loop (bv rou markpryse). Dit is omdat 'n ewekansige loop uiteindelik sal voer 'n reeks van die model het nie gesien tydens die ontwikkeling, induserende mislukking. Pas WAV om die bogenoemde aanwysers, ten einde die mees onlangse L waardes van elke aanwyser compress in 'n veel kleiner aantal waardes. Byvoorbeeld, kan WAV die mees onlangse 73 waardes van 'n aanwyser compress in net 13, 'n kompressie van 82 Toe bou voorspelling modelle, is dit belangrik om die aantal insette veranderlikes so veel as moontlik, verminder verkieslik sonder verlies van waardevolle inligting in die proses . Versamel die tyd saamgeperste waardes van elke aanwyser (dit wil sê WAVs uitset) in 'n skikking (een kolom per aanwyser) en toe te pas DDR. Hierdie proses verminder die aantal kolomme in die skikking deur gebruik al ontslag tussen kolomme. Die resultaat is 'n skikking met veel minder kolomme, alle kolomme is wedersyds ongekorreleerd (elke kolom is die uitvoering van verskillende inligting), en min of geen inligting is verlore in die proses. Op hierdie punt, jou data is beide tydelik en ruimtelik saamgeperste. As jou model moes die mees onlangse 73 waardes van elk van 10 aanwysers ontvang sonder tydruimtelike kompressie, sal jou voorspelling model kyk na 'n inset verskeidenheid van 730 waardes vir elke skatting. Maar nadat tydruimtelike kompressie, die nuwe reeks sal waarskynlik 13 waardes vir elk van net 4 kolomme, net 52 waardes totaal. Dit verteenwoordig 'n finale kompressie van 93. Fase 3 is waar jy speel en leer oor sexy modelle gereedskap soos ARIMA, kundige stelsels, genetiese algoritmes en neurale netwerke. Tipies, sal die beginner heeltemal oorslaan stadium 2 en maande spandeer probeer om te maak dit alles gebeur in die derde fase 3. Dit lei tot klagtes dat die uitdrukking geskrap neurale netto is breindood. Kies wat jy wil hê dat die model te voorspel. Hou dit eenvoudig, soos die skatte van die MACD vyf dwarshoute uit, of beraming weerstand en ondersteuning (met betrekking tot die huidige gemiddelde prys) 10 bars uit. Vermy pogings om rou markpryse voorspel (tensy jy regtig goed in die voorspel pseudo-ewekansige veranderlikes). Maak seker dat jou kolom van voorspelling teiken waardes lyk soos 'n nul-gemiddelde, gestandaardiseerde ossillator (bv Z-telling reeks), en is nie 'n ewekansige loop (bv rou markpryse). Dit is omdat 'n ewekansige loop uiteindelik sal voer 'n reeks van die model het nie gesien tydens die ontwikkeling, induserende mislukking. Voer die saamgeperste verskeidenheid wat jy in fase 2 en teiken data om jou model. Bevestig al die modelle met data wat nie gebruik is tydens die ontwikkeling. As 'n reël, vir elke inset (onafhanklike) veranderlike gevoed in jou model, sal jy genoegsame opleiding en verifikasie data moet ten minste 100 voorspellings te ondersteun. So as jou model kry 54 insette veranderlikes per voorspelling, jy genoeg data moet ondersteun 10054 of 5400 voorspellings tydens model skepping en verifikasie. Voer die saamgeperste verskeidenheid wat jy in fase 2 en teiken data om jou model. Bevestig al die modelle met data wat nie gebruik is tydens die ontwikkeling. As 'n reël, vir elke inset (onafhanklike) veranderlike gevoed in jou model, sal jy genoegsame opleiding en verifikasie data moet ten minste 100 voorspellings te ondersteun. So as jou model kry 54 insette veranderlikes per voorspelling, jy genoeg data moet ondersteun 10054 of 5400 voorspellings tydens model skepping en verifikasie. Inligting oor die verskillende paradigmas vir die modellering van leidende aanwysers is met dien verstande voorts af hierdie bladsy. (Hou lees. Jy sal daar te kom). Hierdie stadium is vir die ontwikkeling van handel logika. Dit is die mees quotfunquot deel van die stelsel gebou, die verskaffing van jy weet wat jy doen. Daar is baie boeke oor hierdie onderwerp. Met betrekking tot die gebruik van voorspelling modelle, hier is 'n paar wenke: Maak reëls vir risiko en geldbestuur. Daar is boeke om jou te help met hierdie onderwerp. Een slim risikobestuur tegniek is om verskeie stochastisch opgelei modelle (bv neurale netwerke) te skep vir die maak van die dieselfde skatting. Wanneer al die modelle is in 'n sterk ooreenkoms, verhoog jou risiko. Wanneer hulle in 'n sterk meningsverskil, verlaag jou risiko. Tydens back testing, porie oor statistieke soos opbrengs op rekening (met inagneming van die maksimum drawdown), maksimum negatiewe uitstappie kaarte, Monte Carlo simulasies van verwagte fiskale halfleeftyd, ens Deur dit te doen, soek die stelsels slegte ambagte en roep ontwerp veranderinge. Oorweeg hoeveel veranderlikes, konstantes en reëls van die kode wat jy opstel (optimalisering). Elkeen is 'n mate van vryheid wat jy speel met. Wanneer back testing, gebruik voldoende mark data vir die stelsel om 100 ambagte te skep vir elke graad van vryheid. So as jy die optimalisering van 5 konstantes en die opstel van 4 reëls van die kode, verifikasie oproepe vir elke lopie tot minstens 100 (45) of 900 ambagte te produseer. Wees bedag oor die optimalisering van handel stelsels. Ongedissiplineerde en oormatige toorkunste van die kode kan lei tot oormatige new spaghetti logika, 'n nagmerrie om in stand te hou. Ook, sal te veel optimization groot prestasie op jou huidige datastel, maar miserabele performace op toekomstige data oplewer. Ons boek finansiële vooruitskatting en neurale netwerke en bandhulp ruimte, tyd, Cycles en Fase bied 'n verduideliking van hierdie verskynsel. vir 'n verduideliking van hierdie verskynsel. 'N Stelsel wat goed handel dryf op beide die historiese data en toekomstige data is mees gesogte. Tydens live quotpaper tradingquot, hou 'n oog uit vir hoe vinnig die stelsel afbreek. Dit dui daarop hoe dikwels die modelle moet word opgedateer. Dit kan ook dui op swak handel logika. Een voorbeeld van 'n neurale netwerk versterk handel stelsel wat goed hardloop, sonder heropleiding, vir baie maande na die ontwikkeling daarvan, word beskryf in die Desember 1996-uitgawe van Futures Magazine. Hoewel die toets en verifikasie proses wat gebruik word deur die skrywer was nie die beste, die gevolg was 'nietemin winsgewend te maak. Jy moet regtig nie nodig om die heck optimaliseer uit jou handel stelsel so lank as wat jy in diens goeie risikobestuur. Dit spreek die vraag: Hoeveel is jy in gevaar in 'n handel teenoor die verwagte wins vir die neem van die risiko soos 'n kenner poker speler, met 'n goeie geldbestuur jy evalueer hoeveel om te belê en hoeveel jy bereid is om te verloor op elke waagstuk is . Daarom is die basiese beginsel van geldbestuur is risikobestuur. Opening posisies met risiko gedek is fundamenteel tot suksesvolle handel. Met ander woorde, die bestuur van die risiko eerste en winste sal volg wanneer jou verbintenis korrek is. Sy ongelooflike hoeveel hierdie dissipline jou stelsels kan verbeter algehele winsgewendheid. Oor 'n tydperk van jare, kan hierdie tegniek te verbeter handelswins meer as tien-vou Sommige boeke oor geldbestuur gelys HIER. Leidende aanwysers is moeilik om die quotComposite van leidende ekonomiese Indicatorsquot gewaardeer deur die Federale Reserweraad en langtermyn beleggers vir sy voorspelling potensiaal te maak. In teenstelling, spekulatiewe beleggers verkies om tegniese en fundamentele aanwysers met korttermyn voorspelling potensiaal te gebruik. Die probleem is dat byna al wat algemeen gebruik word aanwysers, (MACD, ADX, CCI, RSI, ens) omkyk en som wat plaasgevind het, nie wat sal plaasvind. Die rariteit van goeie korttermyn leidende aanwysers sê vir ons dat dit moeilik is om te produseer, en meer belangrik, omdat so min beleggers hulle te ontgin, kan hierdie aanwysers 'n beduidende handel voordeel oplewer. Maar hoekom is dit so skaars Wat so moeilik oor die skep van 'n korttermyn leidende aanwyser quotIf al ekonome is begin tot einde gelê het, sou hulle nog steeds wys in alle directions. quot - Arthur H. Motley Die rede vir hul rariteit toekom gedeeltelik , om die aard van markte. In die verlede, wanneer handel nie is oorheers deur rekenaars, die meeste finansiële ontleders gebruik makro en mikro-ekonomiese teorie sowel as klassieke quotlinearquot modelleringstegnieke. Tradisionele mark modelle, gebaseer op lineêre teorie en tegnieke en hul vereenvoudigende aannames, maak voorspellings toenemend onakkurate elke jaar. Wall Street ontleders het konsekwent gemis elke groot keerpunt in die mark vir die afgelope 30 jaar. Byvoorbeeld, ses maande voor die resessie 1990, 34 uit 40 ekonome ooreengekom quotthe ekonomie sal waarskynlik 'n recessionquot vermy. Ook, net twee weke voor die groot bulmark in 1991, die konsensus van hierdie 40 ekonome was: quotthe ekonomie sal krimp vir die volgende ses months. quot handelaars en beleggers deur middel van stelseldiagramme wat gebaseer is op die klassieke analise sal ook ly ernstige verliese wanneer marktoestande verander te vinnig vir hulle modelle te quotcomprehendquot. Jurik Navorsing glo die probleme met die tradisionele mark modelle spruit uit hul aannames, wat ek verdeel in drie kategorieë. Lineêre modelle werk die beste wanneer hulle insette veranderlikes onafhanklik (nie gekorreleer met mekaar). Hoogs gekorreleerd insette veranderlikes kan lei tot modelle wat verskyn om goed te werk op historiese data, maar wat klaaglik misluk op nuwe data. Sulke interafhanklikhede bestaan (bv die omgekeerde verhouding tussen kommoditeite en verbande) en modelle wat versuim om rekenskap te gee van hierdie feit sal probleme hê. Vandag is die mark beweeg vinniger en meer chaoties. uitstal onsamehangende, nie-lineêre verwantskappe tussen markkragte. Om die lewe eenvoudig te hou, ontleders aanvaar alle handelaars en beleggers risiko-sku, rasionele en reageer op soortgelyke wyse. In werklikheid, vloer handelaars, kort en lang termyn handelaars, fondsbestuurders, verskansers, program handelaars en Market makers gebruik almal verskillende vlakke van risiko en reageer op verskillende tydskale. Dit is duidelik dat ons moet 'n nuwe familie van modelle wat lineêre verhoudings en spelers dink in verskillende tydsraamwerke kan simuleer. Gevolglik pogings om uit te vind en uit te buit winsgewende nisse in die markte voorafgaande klassieke tegnieke vir meer kragtige handel metodes. Nuwe gereedskap met behulp van kunsmatige intelligensie metodes is aan die toeneem in gewildheid. Hierdie instrumente sluit neurale netwerke en genetiese algoritmes. Nou so maklik om te gebruik weergawes van beide paradigmas is tans beskikbaar as add-ins te Microsoft Excel, word die publiek vinnig vang op: dit is nie so moeilik nadat al. Neurale netwerke Het hulle regtig Werk WAT IS 'N neurale netwerk. A neurale netwerk (of NN) is saamgestel uit 'n groot aantal hoogs onderling verwerking elemente (neurone) werk in harmonie om spesifieke probleme op te los. Elke element voer 'n wiskundige formule, wie se koëffisiënte is quotlearnedquot wanneer gegewe voorbeelde van hoe die NN moet reageer op verskillende datastelle. Aansoeke sluit data patroonherkenning of klassifikasie. Tydens 'n quottrainingquot sessie, die NN produseer 'n versameling van eenvoudige lineêre wiskundige funksies wat wedersyds voed numeriese waardes aan mekaar in 'n manier wat vaagweg lyk neurale brein sel aktiwiteit. Die wisselwerking tussen neurone kan so kompleks geword dat kennis van die wiskundige formules bied min of geen insig in die modelle algehele quotlogicquot. Gevolglik, solank die neurale netwerk presteer, sy gebruikers selde omgee om te weet wat presies vergelykings is binne. Wees versigtig om nie te neurale netwerke (NN) met 'n ander kunsmatige intelligensie paradigma genoem deskundige stelsels (ES) verwar. ES programme is ontwerp om rasionele denke naboots soos beskryf deur kundiges. Maar, as die kenner sy logika nie kan uitdruk in 'n manier wat betroubaar korrekte besluite lewer, die ES paradigma kan nie doeltreffend werk. In teenstelling hiermee het 'n NN is nie gemoeid met die navolging van menslike logika. A NN probeer eenvoudig om numeriese insette te karteer om uitset data. Die verkeerde oortuiging dat NN en ES paradigmas is soortgelyk onvermydelik lei tot die verkeerde argument dat indien ES modelle uit te voer swak, dan so sal modelle nn. Gelukkig is NN modelle goed presteer in die werklike wêreld. Neurale netwerk aansoeke in die kommersiële wêreld neurale netwerke word gebruik om. bestuur portefeulje risiko te evalueer lening krediet risiko te spoor kredietkaartbedrog voorspelling aartappelskyfie verkope op te spoor ongesonde bloedselle te optimaliseer werk winkel skedulering voorspel finansiële markte aktiwiteit optimaliseer koue rollende van plaatmetaal te verwyder irriterende telefoon eggo bepaal optimale pryse vir goedere op te spoor plofstof binne bagasie by lughawens voorspel uitkomste van nuwe formules vir plastiek WHATS hul rol in 'n handelsverklaring SYSTEMDont verwag dat 'n NN om al die werk vir jou doen en produseer koop / verkoop seine. Nns moet gepaard gaan met tradisionele tegniese ontleding, en die beste resultate kom uit ervare handelaars. Dis omdat hulle verstaan wat die mark aanwysers is meer betekenisvol en ook hoe om die beste te interpreteer. Daarom is dit die beste om 'n NN ontwerp om sinvolle tegniese aanwysers, nie 'n quotBuy / Sellquot heilige graal produseer. Die vloeidiagram toon ses fases van handel stelsel ontwikkeling. Neurale nette is tipies gebruik word in die derde, of modelleringstegnieke stadium. In hierdie stadium is neurale nette opgelei om een of ander aspek van die mark model, óf die huidige of toekomstige marktoestande te klassifiseer, en sodoende die belegger vertel wanneer dit in of uit die mark te kry. Wanneer die voorspelling van toekomstige omstandighede, hulle is tegnies 'n quotleading indicatorquot. Is hulle maklik om te gebruik. Daar is baie neurale netto pakkette kommersieel beskikbaar. Baie interaksie met die Microsoft Excel omgewing. 'N dosis van realisme. Omdat ons standaarde van integriteit is baie hoog, op die risiko van die verlies van 'n verkoping, voel ons verplig om die volgende te noem. Ons weet nie dat die ontwikkeling van 'n neurale netwerk is 'n maklike een-nag staan. Dit sal tyd neem, en nie almal het die tyd om dit te doen. Dit is ook 'n neurale netto vanself 'n handel stelsel. Behoorlike ontwikkeling stelsel vereis steeds die gewone menslike inspanning, insluitend: die beste inligting Building kies en toets aanwysers interpretasie van die resultate te besluit of dit 'n handel besluit hoeveel om te belê (geldbestuur) Besonderhede oor kwessies en oorwegings wanneer die slag plek voorsien in hierdie verslag. deur William Arnold, 'n bydraende skrywer tot die Journal of Intelligent Technologies aan ons voorgelê. Laastens, vrae ontstaan oor hoeveel 'n handelaar 'n NN model moet vertrou. Dit sal moeilik wees om jou rekenaars besluit om te koop vertrou wanneer vrees in jou gedagtes uitroep quotSell Sell NOWquot Tog by konferensie na konferensie hoor ons gebruikers kommentaar dat hulle meer geld sou gemaak het as hulle nie probeer om slim te wees en te veto hul stelsels besluite . Na alles, die hele doel van die bou van 'n kunsmatig intelligente stelsel is om dieselfde ambagte soos die skare, wat gemiddeld verloor geld in die mark te vermy. ENIGE SUKSESSTORIES Ja, baie. Een geldbestuur firma gewerk intensief met neurale netwerke sedert 1988. Hulle gebruik 3000 neurale nette, een vir elke voorraad hulle handel. Hulle gebruik beide neurale netwerke en genetiese algoritmes om die gedrag van individuele aandele afsonderlik voorspel. Alhoewel aanbevelings van beide wesenlik hul keuse quotexpertsquot vernou, hulle is verder verfyn met behulp van portefeulje analise, in 'n poging om oormatige blootstelling te beperk tot enige voorraad of sektor. Hul navorsing het vrugte afgewerp en hulle was, op 'n punt, die bestuur van 'n half miljard dollar. Ander instansies wat operasionele neurale voorspelling stelsels geïmplementeer sluit Citibank, Nikko Securities, Morgan Stanley, Dai-ichi Kanyo Bank, Nomura Securities, Bear Stern en Shearson Lehman Hutton. Gevorderde Investment Technologies (AIT), in Clearwater, Florida. Het een van die langste prestasiegeskiedenis met behulp van neurale netwerke. Hier is 'n paar artikels oor neurale netto finansiële aansoeke kan jy waarskynlik vind in 'n biblioteek: quotTraining Neurale netwerke vir Intermarket Analysisquot, Futures, Augustus 1994 quotHow om te voorspel Môres Indicators Todayquot, Futures, Mei 1996 quotGoing Visvang met 'n neurale Networkquot, Futures Magazine, September 1992 quotForecasting T-Bill Tariewe met 'n neurale netwerk, quot tegniese ontleding van aandele en kommoditeite, Mei 1995 quotUsing Neurale netwerke vir Intermarket Analysisquot, tegniese ontleding van Voorrade amp Commodities, November 1992 quotDeveloping Neurale netwerk Voorspellers vir Tradersquot, tegniese ontleding van voorrade amp Commodities, April 1992 kwota Neurale netwerk benadering tot vooruitskatting Finansiële Distressquot, Journal of Business vooruitskatting, V10, 4. quotForecasting met Neurale netwerke: 'n Aansoek Gebruik Bankrotskap Dataquot, inligting en Management, 1993, pp 159-167. quotForecasting SampP en Gold Futures pryse: 'n toepassing van neurale Networksquot, J. van Termynmarkte, 1993, pp 631-643. quotNeural Nette en Voorrade: Opleiding 'n Predictive Systemquot, PC AI, 1993, pp 45-47. quotUsing Kunsmatige neurale netwerke te Pick Stocksquot, finansiële ontleders Journal, 1993, pp 21-27. quotAnalysis van kleinsakebestuur finansiële state gebruik van neurale Netsquot, Journal of Accounting Oudit en Finansies, 1995, pp 147-172. quotStock Prys Voorspelling gebruik van neurale netwerke: 'n Projek Reportquot NeuroComputing, 1990, 2 quotForecasting Faillissementen behulp van 'n neurale netwerk, quot internasionale bestuurskole Computing Kwartaallikse, Lente 1995 Hoekom kan hulle werk sodat WELL. In teenstelling met standaard lineêre regressiemodelle, nns verrig nie-lineêre regressie modellering, wat is ordes meer soepel en kragtige. Wanneer 'n gebruiker oordeelkundig besluit op 'n nns taak en voer dit markdata wat nodig is om die taak uit te voer, die model het potensiaal om te presteer goed, want dit. inherent lineêre en kan beter as lineêre modelle quottrainquot in hierdie omgewing. kan leer om beter as die mens die verskillende verhoudings tussen 'n groot aantal aanwysers sien. is objektiewe en konsekwent nns weet nie vrees nie gierigheid. kan outomaties heropgelei oor en oor om nuwe gedrag in die markte te akkommodeer. Algemene foute wat NOVICESMaking geld met gevorderde tegnologie is 'n dubbele tweesnydende swaard. Sonder deeglike data voorbereiding, kan jy maklik te produseer nutteloos rommel. Die eerste fout gemaak deur beginners gebruik van neurale netwerke, is hulle versuim om te soek na die mees relevante inligting. 'N Paar top aanwysers sal beter resultate lewer as 'n paar honderd irrelevant kinders. Die tweede algemene fout is om te dink dat die voeding van 'n neurale netto 100 aanwysers beter resultate sal lewer as net tien voed dit. Maar 'n groot aantal insette vereis dat 'n groot model wat moeilik is om te lei en in stand te hou. Die vermindering van data om die mees kompakte vorm (en sodoende die NN model om die mees kompakte vorm vermindering) grootliks verbeter kanse op sukses. Twee kritieke maniere om data te compress is yl historiese monsterneming (tydelike kompressie) en ontslag vermindering (ruimtelike kompressie). Baie markaanwysers is oorbodig omdat hulle dieselfde mark kragte aan die werk weerspieël, sodat die uitskakeling van ontslag is suiwer voordelig. Soos vir yl historiese voorbeeld, is dit belangrik om verteenwoordigende waardes vir die afgelope punte te vind in die tyd, maar op so 'n manier sodat dit nie te laat belangrik prys patrone oorgeslaan. Juriks WAV voer yl historiese monsterneming (tydelike kompressie). Juriks DDR voer ontslag vermindering (ruimtelike kompressie). Hier is 'n lekker handleiding oor neurale nette. Dit is 'n Macromedia Flash interaktiewe film. Kies onderwerp uit spyskaart langs die top van die fliek screen. Jurik pecunia non olet: 'n paar pret met CFB. Spesifiek CFB Adaptive Gepolariseerde Fractal Doeltreffendheid van Momentum. 'N kiekie van die bladsy bo. Die kiekie toon stywer instellings waar 'n paar lag opdaag, maar hierdie dinge kan ingeskakel n baie beter as die beeld toon. Dis al.
No comments:
Post a Comment