استراتيجية الشبكة العصبية للتجارة

استراتيجية الشبكة العصبية للتجارة

نظام تجارة الفوركس المصنع
اثنين من استراتيجية التداول سيغما
استراتيجية ستوكاستيك الفوركس


قصيرة خيار ثنائي وضع الاشتراك فوريكس زمات الفوركس ex4 سوينغ ارتفاع منخفض الفوركس بسيطة استراتيجية التداول الاختراق استراتيجية التكتيكات الحرب العالمية الثانية النسخة الكاملة

الشبكات العصبية: توقعات التنبؤ. والشبكات العصبية هي خوارزميات متطورة يمكن أن تحاكي جوانب رئيسية معينة في عمل الدماغ البشري. وهذا يعطيهم قدرة فريدة على التدريب الذاتي، والقدرة على إضفاء الطابع الرسمي على المعلومات غير المصنفة، والأهم من ذلك، القدرة على جعل التنبؤات استنادا إلى المعلومات التاريخية لديهم تحت تصرفهم. وقد استخدمت الشبكات العصبية بشكل متزايد في مجموعة متنوعة من التطبيقات التجارية، بما في ذلك التنبؤ وتسويق حلول البحث. في بعض المناطق، مثل الكشف عن الاحتيال أو تقييم المخاطر، هم قادة لا جدال فيه. المجالات الرئيسية التي وجدت الشبكات العصبية التطبيق هي العمليات المالية، وتخطيط المشاريع، والتجارة، وتحليلات الأعمال وصيانة المنتجات. الشبكات العصبية يمكن تطبيقها بكفاءة من قبل جميع أنواع التجار، لذلك إذا كنت تاجر ولم تكن قد أدخلت بعد إلى الشبكات العصبية، ونحن سوف يأخذك من خلال هذا الأسلوب من التحليل الفني وتظهر لك كيفية تطبيقه على نمط التداول الخاص بك. استخدام الشبكات العصبية للكشف عن الفرص. تماما مثل أي نوع من منتج كبير أو التكنولوجيا، بدأت الشبكات العصبية جذب كل أولئك الذين يبحثون عن سوق في مهدها. وقد أغرقت السيول من الإعلانات حول برنامج الجيل التالي من السوق - الإعلانات تحتفل أقوى من جميع خوارزميات الشبكة العصبية التي تم إنشاؤها من أي وقت مضى. حتى في تلك الحالات النادرة عندما تشبه الدعاوى الإعلانية الحقيقة، ضع في اعتبارك أن زيادة الكفاءة بنسبة 10٪ هي على الأرجح أكثر ما يمكن أن تحصل عليه من الشبكة العصبية. وبعبارة أخرى، فإنه لا ينتج عوائد خارقة وبغض النظر عن مدى نجاحه في حالة معينة، وسوف يكون هناك بعض مجموعات البيانات وفئات المهام التي الخوارزميات المستخدمة سابقا لا تزال متفوقة. تذكر هذا: انها ليست الخوارزمية التي لا خدعة. وتعد معلومات المدخلات المعدة جيدا عن المؤشر المستهدف أهم عنصر في نجاحك مع الشبكات العصبية. هل أسرع التقارب أفضل؟ العديد من أولئك الذين يستخدمون بالفعل الشبكات العصبية يعتقدون خطأ أن أسرع صافي نتائجها، كان ذلك أفضل. ومع ذلك، هذا هو الوهم. لا يتم تحديد شبكة جيدة بالمعدل الذي ينتج عنه النتائج ويجب على المستخدمين معرفة كيفية إيجاد أفضل توازن بين السرعة التي تدرب فيها الشبكة وجودة النتائج التي تنتجها. التطبيق الصحيح للشبكات العصبية. العديد من التجار تطبيق الشبكات العصبية بشكل غير صحيح لأنها تضع الكثير من الثقة في البرنامج الذي يستخدمونه جميعا دون أن يتم تزويدهم بتعليمات مناسبة حول كيفية استخدامه بشكل صحيح. لاستخدام الشبكة العصبية بالطريقة الصحيحة، وبالتالي، مكسب، تاجر يجب أن تولي اهتماما لجميع مراحل دورة إعداد الشبكة. إنه التاجر وليس شبكته المسؤولة عن ابتكار فكرة وإضفاء الطابع الرسمي على هذه الفكرة واختبارها وتحسينها وأخيرا اختيار اللحظة المناسبة للتخلص منها عندما لا تعود مفيدة. فلننظر في مراحل هذه العملية الحاسمة بمزيد من التفصيل: 1. إيجاد فكرة التداول وإضفاء الطابع الرسمي عليها. 2. تحسين معلمات النموذج الخاص بك. 3. التخلص من النموذج عندما يصبح عفا عليها الزمن. كل نموذج الشبكة العصبية على أساس العمر الافتراضي، ولا يمكن استخدامها إلى أجل غير مسمى. ويعتمد طول العمر الافتراضي لنموذج ما على حالة السوق وعلى مدى استمرار ترابط الأسواق في هذا المجال. ومع ذلك، عاجلا أو آجلا يصبح أي نموذج عفا عليها الزمن. عند حدوث ذلك، يمكنك إما إعادة تدريب النموذج باستخدام بيانات جديدة تماما (أي استبدال جميع البيانات التي تم استخدامها)، وإضافة بعض البيانات الجديدة إلى مجموعة البيانات الحالية وتدريب النموذج مرة أخرى، أو ببساطة سحب النموذج تماما. العديد من التجار يجعلون خطأ اتباع أبسط مسار - أنها تعتمد بشكل كبير على واستخدام النهج الذي برامجها يوفر وظيفة سهلة الاستخدام والأكثر سهولة. هذا أبسط النهج هو التنبؤ سعر بعض الحانات المقبلة واستنادا نظام التداول الخاص بك على هذه التوقعات. ويتوقع المتداولون الآخرون تغير الأسعار أو النسبة المئوية لتغير الأسعار. نادرا ما ينتج عن هذا النهج نتائج أفضل من التنبؤ بالسعر مباشرة. ويخفق النهجان التبسيطان في الكشف عن معظم الترابطات الهامة الطويلة الأجل واستغلالها بأكبر قدر من الأرباح، ونتيجة لذلك يصبح النموذج عفا عليه الزمن بسرعة مع تغير القوى الدافعة العالمية. أفضل نهج شامل لاستخدام الشبكات العصبية. الشبكة العصبية. الشبكة العصبية هي واحدة من أكثر العبارات الطنانة في التداول. يبدو باردا ومتطورة. لا يبدو أن الكثير من الناس يفهمون ما هي الشبكات العصبية. الخلايا العصبية في العالم الحقيقي. عقولنا معقدة بشكل معتاد. ومع ذلك، فإن ما يفاجئ معظم الناس هو أن الدماغ يشكل نوعا ما صندوقا هائلا من الدوائر. الخلايا العصبية هي الخلايا التي تتصرف مثل الدوائر مع "الأسلاك الكهربائية"، ودعا المحاور، التي تنفد وتوصيل عبر الجسم البشري. كل حركة، التصور أو العمل الذي تقوم به هو مجموع كل محاور إطلاق النبضات الكهربائية. يحدث التغيير كلما تواتر النبضات الكهربائية المرسلة من الخلايا العصبية يختلف. المزيد من النبضات تسبب رد فعل واحد، وانخفاض يسبب آخر. الشبكات العصبية تحاول محاكاة عمليات الدماغ البشري من خلال تنظيم المعلومات في الخلايا العصبية. خلافا للخلايا العصبية الفعلية، الخلايا العصبية الشبكة موجود فقط في الجهاز. انها وزن الجهاز الذي يحتوي على معلومات حول كل ما هو قيد الدراسة. الشبكة العصبية لنظام التداول قد تقرر دراسة المؤشرات المشتركة مثل المتوسط ​​المتحرك، مؤشر القوة النسبية ومؤشر ستوشاستيك. قيمة المتوسط ​​المتحرك للشريط الحالي تعتبر الخلايا العصبية الخاصة بها. مؤشر القوة النسبية مختلف، لذلك يصبح أن يكون عصبون منفصل. إذا كان لدي عشرة مؤشرات في مربع أدوات بلدي، ثم لدي 10 الخلايا العصبية في شبكتي. أجهزة الكمبيوتر حل المشاكل الخطية، بسيطة تقليديا. إذا كنت تريد أن تعرف نتيجة العمليات الرياضية مثل جذر مكعب من 355، أجهزة الكمبيوتر هي مثالية للمهمة. أنها تحسب بسرعة إجابة دقيقة. كما هو الحال في العقول البشرية، والشبكات العصبية تشكل نقاط الاشتباك العصبي مع الخلايا العصبية الأخرى. عندما تدرب مجموعات من الخلايا العصبية يمكن أن تتعلم التعرف على الأنماط. هذا هو العقار الذي يجعل الشبكات العصبية مفيدة جدا. وهذا يسمح لنا لخلق البرامج التي من المستحيل مع الحوسبة التقليدية. إن إنشاء برنامج للاعتراف بالوجه، على سبيل المثال، سيكون صعبا للغاية. فمن الأسهل بكثير لتدريب شبكة للتعرف على وجه من خلال إظهار مرارا وجوه الشبكة. الدماغ هو موضوع رائع في حد ذاته. كما جانبا، زوجتي وأنا أخذ دورة دراسية في علم الأعصاب من خلال سلسلة فيديو من الدورات الكبرى. إذا كان لديك أي اهتمام على الإطلاق في هذا الموضوع، وأنا أوصي فهم الدماغ من قبل جانيت نوردن. ويغطي بالتفصيل كيفية توصيل الخلايا العصبية إلى التشريح في جميع أنحاء الدماغ والجسم كله. الشبكات العصبية وتداول العملات الأجنبية. الشبكات العصبية تأتي في اللعب عندما تكون الإجابة ليست دقيقة جدا. التمسك موضوع هذا بلوق من تداول العملات الأجنبية، وليس هناك إجابة صحيحة لما يجعل نظام التداول المثالي. مستثمر التجزئة نموذجية قد يقول أفضل نظام التداول هو الذي يجعل أكبر قدر من المال. قد يقول آخر أفضل نظام التداول هو واحد مع أعلى نسبة شارب. كثير يريد شيئا في الوسط. إن "أفضل نظام تجاري" مشكلة غامضة، مما يجعلها مرشحا مثاليا للهجوم مع الشبكات العصبية. يحدد المصمم مجموعات من القواعد التي، في رأي المتداول، تشكل طريقة رقمية لقياس أفضل نظام. العقول البشرية تستضيف ما يقرب من 100 مليار الخلايا العصبية. على الرغم من الجهود المثلى لكثير من عملائنا، لم أكن قد اجتمع مع أي شخص لديه 100 مليار مؤشر السوق تحت تصرفهم. طريقة واحدة لتضخيم تأثير الخلايا العصبية في الأدوات لدينا هو خلق طبقات خفية. تتكون الشبكة من طبقات متعددة، تتكون كل منها من عدة خلايا عصبية. ويرتبط كل الخلايا العصبية إلى كل الخلايا العصبية في الطبقة التالية. كل اتصال ثم يحمل قيمة فريدة من نوعها المرجحة. سوف الخلايا العصبية تمر على قيمته عن طريق ضرب قيمة الخلايا العصبية وبحجم الاتصال الصادرة. سوف الخلايا العصبية في نهاية الاتصال المنتهية ولايته تلخيص جميع الاتصالات الواردة ونشر هذه النتيجة على الطبقة التالية من خلال جميع الاتصالات الصادرة. الصور تجعل فكرة أكثر بديهية بكثير. يحتوي الشكل 1 على مثال صغير. و 2 و 3 على اليسار هي المدخلات في الشبكة. وتضاعف هذه المدخلات في وزن الاتصال بالطبقة التالية. يتم ضرب 2 في 0.5 تعطينا 1، و 3 من 2 تعطينا 6. الطبقة الثانية تحتوي على عقدة واحدة تلخص النتائج من الطبقة السابقة، تعطينا 7. الخطوة التالية ستكون مضاعفة 7 حسب الأوزان على الاتصالات الصادرة وتمريرها إلى الطبقة التالية. الشكل 1: مثال على الشبكة العصبية نشر النتائج إلى الأمام. ويمكن تكرار المثال القصير أعلاه والربط بالسلاسل معا لتشكيل شبكة أكبر. أدناه، في الشكل 2، لدينا مثال على شبكة أكبر. شبكة المثال لديها 3 المدخلات التي ترتبط طبقة مخفية. ثم يتم توصيل الطبقة الخفية إلى إخراج واحد. الطبقات الخفية هي لتسهيل التدريب. أكثر تعقيدا المشكلة والمزيد من الطبقات والعقد اللازمة. الشكل 2: مثال على شبكة عصبية أكبر. تتعلم الشبكة عن طريق تحديث أوزان العديد من الاتصالات. هناك العديد من خوارزميات البرمجيات التي تستخدم لإنجاز التعلم في الشبكات العصبية. وهي تنقسم إلى فئتين، التعلم تحت الإشراف والتعلم غير الخاضع للرقابة. يتم إنجاز التعلم تحت الإشراف مع المستخدم يقول الشبكة إذا توقعاتها صحيحة أم لا. ثم تقوم الشبكة بحساب خطأها وتستخدم إحدى الخوارزميات لتصحيح الخطأ. ومن الأمثلة على ذلك الانتشار العكسي الذي يحسب خطأ التنبؤ بالشبكات. ثم تستخدم الشبكة خوارزمية سريعة لتحديث كل من أوزان التوصيل مع هذا الخطأ. ويعد الانتشار العكسي أحد استراتيجيات التدريب الأكثر شيوعا. التعلم غير الخاضعة للرقابة يستخدم بعض نوع من اللياقة البدنية أو التهديف خوارزمية حيث الشبكة سوف يسجل نفسه مع ومحاولة لتحسين كل محاولة لاحقة. ومن الأمثلة على التدريب غير الخاضع للرقابة الخوارزمية الجينية. هذه الخوارزمية يخلق مجموعة من الشبكات العصبية ويستخدم خوارزمية التهديف التي صممها المستخدم لترتيب السكان. بعد ذلك، فمن البقاء للأصلح. وتحتل الشبكات المرتبة في المرتبة الأولى مستوى البقاء و "تتكاثر" في حين يتم الحصول على المرتبة السفلية. تتكاثر الشبكات عن طريق خلط وموازنة أوزان التوصيل. ويمكن للشبكات العصبية أن تساعد تجار النظم بشكل كبير في تصميم خوارزمياتهم من خلال استكشاف مليارات من التركيبات بين مجموعة أدوات صغيرة نسبيا من المؤشرات. وهذا يختلف عن التحسين القياسي، الذي يتضمن توصيل الأرقام إلى مؤشرات مختلفة تبحث عن أي مزيج يعود معظم المال. وحقيقة أن الشبكات يمكن أن تنظر في اتخاذ تدابير متعددة (التوازن، نسبة شارب، الخ) لتحديد أفضل نظام التداول يساعد على تقليل احتمال أن المبالغة في التأكيد على مقياس واحد معين. ومثال جيد على ذلك هو رصيد الحساب. إذا كان النظام يزن العطاء واتخاذ بين العائد الصافي والعائد المعدل المخاطر، فإنه يبدأ في الابتعاد عن عدد الطحن لاكتشاف أفضل الأرقام لاستخدام والتوجه نحو التعلم الفعلي والتعرف على الأنماط. الشبكات العصبية تثبت نفسها لتكون مفيدة جدا في مجموعة واسعة من التطبيقات من التعرف على الوجه لتوقعات سوق العملات. فهم يتفوقون عندما تكون هناك أنماط يصعب علينا أن نعترف بها. هذه القدرة تجعل الشبكات لا تقدر بثمن في حل المشاكل الصعبة التي تنطوي على متغيرات متعددة.

الشبكة العصبية لاستراتيجية التداول التقنيات الحديثة مثل الشبكات العصبية الاصطناعية (أن) هي الأفضل استخداما للتداول عالية التردد لعدة أسباب. أولا، أنها تحاكي الذكاء البشري لكنها في الغالب لا تصل إلى مستوى الإنسان من الذكاء، وبالتالي، ليس هناك من نقطة في استخدام تلك التقنيات على نطاق زمني يمكن أن الإنسان يمكن أن تعمل بسهولة. وتأتي فوائدها من سرعة التشغيل والنشاط المستمر. ثانيا، نحن بحاجة إلى الكثير من البيانات لتدريب الشبكات العصبية بكفاءة وهذا المبلغ من البيانات سوف تكون موجودة فقط في تجارة عالية التردد. فوركس لديه كل شيء في كل عدد قليل جدا من الصكوك مع البيانات السابقة ذات الصلة محدودة على نطاق زمني يومي أو أسبوعي. وعلاوة على ذلك، تداول عالية التردد هو نوع من استراتيجية سلخ فروة الرأس حيث نحدد الضوضاء حول القيمة الحقيقية للأداة. هذا يختلف عن التداول على المدى الطويل الذي يحاول اتباع حركات هادفة من الصك وفقا للتحليل الأساسي. الشبكات العصبية الاصطناعية. وهناك مقياس زمني جيد للعمل على المدى الزمني دقيقة. هذا النطاق الزمني هو الكامل من الضوضاء التي سيتم القبض عليها من قبل خوارزمية من أجل بيع على ارتفاع المحلية وشراء على مستوى منخفض المحلية. ويمكن إثبات ذلك باستخدام شبكة عصبية بسيطة مدربة للتنبؤ بارتفاع 10 دقائق التالي. إذا كنت مهتما بمعرفة كيفية عمل هذه الشبكات العصبية بالتحديد أشجعك على قراءة مقالتي من شهر آذار (مارس): التداول مع الشبكات العصبية الجزء 2. في الرسم البياني أعلاه، يشير التعليق التوضيحي (من 0 إلى 10) إلى النسبة المرتفعة في الفترة الفاصلة بين الدقيقة (0) والدقيقة (-10) بالنسبة إلى صفر الصفر الذي يعتبر الدالة & لوت؛ & رديقو ؛. ويتم التدريب باستخدام نوع من الخوارزميات الجينية مع بيانات من عام 2012 للتدريب والبيانات من هذا العام للاختبار. ما يتم القيام به هو استخدام تداخل & لدكو؛ عالية إلى عالية و رديقو؛ الحركات من أجل التنبؤ بمستقبل عالية إلى حركة عالية. لاحظ أن هذا لا يمكن استخدامه عمليا لأننا لا نعرف أبدا ما إذا كانت النسبة المرتفعة للمدة التي كنا قد انقضت فيها في الماضي أم لا. لن تعمل الشبكة نفسها مع قرب الحركات قريبة. والسبب هو أن ارتفاع (وانخفاض) يحمل معلومات أكثر بكثير من إغلاق لأنها تمثل فترة كاملة في الوقت المناسب في حين يمثل إغلاق لحظة واحدة في الوقت المناسب. فمن الممكن فقط التنبؤ بالحركة من السابقة إلى التالية عالية على فترات زمنية قصيرة مما يدل على أن شيئا ما يجري التنبؤ حقا عن المستقبل. من هناك كان ينبغي أن يكون تافهة للتنبؤ و لدكو؛ على مقربة من إغلاق & رديقو؛ ولكن على الأقل لنفسي فإنه لم يكن في القضية. استغرق الأمر مني عدة أيام لمعرفة الآلية في العمل ولكن النتائج خرجت حقا من توقعاتي. أولا وقبل كل شيء، لن نستخدم مستويات عالية أو منخفضة ولكن بالأحرى متوسط ​​بين الأعلى والمنخفض (أهل). حاولت أولا التنبؤ بالحركة من بالقرب من أهل التالية ولكن هذا لم ينجح. كان هذا غريبا حقا ويبدو غير منطقي. بما أنني أستطيع التنبؤ ب أهل (-10 إلى 0) إلى أهل (0-10) حركة إلى حد ما، يبدو أنني يمكن ببساطة إضافة إغلاق (0) إلى أهل (-10 إلى 0) حركة من التنبؤ في النظام للتنبؤ بالقرب من حركة أهل ولكن هذا لم ينجح. أنا خدش رأسي وحاول العديد من التكتيكات الأخرى مثل الشبكات العصبية المتكررة معقدة، وأشجار القرار وأقرب خوارزميات الجار ولكن لا شيء عملت. والحقيقة هي أنني لا يمكن أبدا التنبؤ أهل لحركة أهل على وجه التحديد. العلاقة بين التنبؤات والحركات الفعلية ليست سوى حوالي 0.4. ومع ذلك، إذا كنت أتوقع أهل إيجابية (-10 إلى 0) إلى أهل (0-10) حركة وإغلاق (0) هو أقل من أهل (-10 إلى 0)، يجب أن يكون فرصة أكبر من الصحيح التنبؤ على مقربة من حركة أهل. وهكذا، اخترت الحالات حيث كان الإغلاق (0) أعلى من أهل (-10 إلى 0) عندما توقعت الشبكة أهل سلبي لحركة أهل وعكسيا، اخترت الحالات التي كانت قريبة (0) أقل من أهل (-10 إلى 0) عندما كان متوقعا أهل لحركة أهل. وأخيرا، اختراق، ويمكنني الآن التنبؤ قريبا من أهل وحتى قريبة من الحركات وثيقة لنصف الحالات. وكما كان متوقعا، نما الارتباط بين التنبؤات والحركات الفعلية القريبة من الحركات القريبة، إلا أنها فعلت ذلك أكثر مما كان متوقعا. اتضح أنه عندما يتوقع أن ترتفع أهل إلى حركة أهل ولكن الإغلاق (0) أعلى من أهل (-10 إلى 0)، ينبغي أن يكون التنبؤ المعاكس بالقرب من أهل أو بالقرب من حركة قريبة. على المدى الزمني دقيقة. الصورة أعلاه تظهر وجهة نظر مثالية لتحركات السوق على مقياس الوقت دقيقة. تتذبذب الأسعار حول القيمة الحقيقية للأداة مع نصف فترة من التذبذبات حوالي عشر دقائق. في الواقع بالطبع، فإن القيمة الحقيقية للصك أيضا تتغير ولكن هذا ليس من الأهمية، ما يهم حقا عندما نتحدث عن سلخ فروة الرأس هي فترة التنغيم. وبمجرد أن ارتفعت الأسعار بنسبة كبيرة بما فيه الكفاية وبدأوا في الهضبة، انها الوقت المناسب للبيع وعكس لشراء. هذا هو أفضل تفسير للمشكلة التي واجهتها في وقت سابق. على الرغم من أن أهل إلى حركة أهل (متوسط ​​مرتفع منخفض) يمكن التنبؤ به، لا يمكن استنتاج إغلاق لإغلاق إلا مرة واحدة نعرف أين يقترب في وقت الصفر تقارن آخر أهل، كما هو مبين في الصور أدناه. على الرغم من أن هذه المعلومات كانت متاحة للشبكة العصبية، ويبدو أن هذه مشكلة صعبة جدا لحل الشبكات العصبية الاصطناعية. حل مشكلة فرعية من أجل حل النهائي. هذا هو أيضا سمة من الحيوانات الذكية جدا مثل القرود وبعض الطيور. وبطبيعة الحال، فإن الأمور ليست نظيفة وبسيطة في الحياة الحقيقية. فترة التذبذب ليست مستقرة جدا، اتساع التغيرات التذبذبات مع الوقت من اليوم والرسوم البيانية هي بالتأكيد ليست على نحو سلس كما هو موضح أعلاه. فالارتفاع والهبوط يكونان أكثر فائدة من الإغلاق كمؤشرات في هذا الصدد، إلا أنهما يتمتعان بجودة ثابتة من حيث الوقت لأنهما يصفان فترة بأكملها بدلا من نقطة واحدة في الوقت المناسب، كما أنه من الصعب التنبؤ ب على مقربة من إغلاق الحركة مباشرة. وأخيرا، سيتم إجراء أخطاء وسوف تحدث السحب كما نظرية ليست مضمونة. المهم هو ما إذا كانت هذه الاستراتيجية يمكن أن تكون أكثر ربحية من تكلفة العمولة وانتشارها. انتشار وعمولة. وفي حين أن انتشار وعرض العطاءات غير هام بالنسبة للتداولات طويلة الأمد، إلا أنها تصبح مهمة جدا في الصفقات ذات التردد العالي. وبالنظر إلى متوسط ​​حركة 10min، فقد حسبت أنه لكي تكون مربحة، فإن استراتيجية تعمل على هذا النطاق الزمني تحتاج إلى ما لا يقل عن 70٪ الصفقات مربحة مع المساواة في الربح ووقف هوامش الخسارة. وبعبارات مختلفة، فإن الصفقات في المتوسط ​​ينبغي أن تكسب أكثر من 1.5 نقطة لأي استراتيجية لتكون مربحة. يتم احتساب هذا باستخدام أعلى أسعار العمولة من دوكاسكوبي ومتوسط ​​عرض العطاءات المنتشرة على اليورو مقابل الدولار الأميركي. هذا لا يأخذ في الاعتبار انتشار يحدث لأنه لم يتم التعامل مع طلبك على الفور. ومع ذلك يمكنك وضع النظام مع المهلة التي ينبغي أن تحد من المشاكل من هذا النوع. ومن الناحية النظرية، تحقق استراتيجية هفت ربحا متوسطا قدره 4 نقاط لكل صفقة، ولكن يتم الحصول على ذلك من خلال الاختبارات الخلفية التي لا تأخذ في الاعتبار عدة عوامل. ومن المحتمل أن تكون النتائج الفعلية أسوأ، ومن المؤكد أن المزيد من المشاكل قد تنشأ. ومع ذلك هذا هو أساس متين لمزيد من تطوير استراتيجية هفت. لم يتم إعداد الروبوت جفوريكس حتى الآن، والنتائج تأتي من الاختبارات الخلفية التي أقوم بإعداد بلدي مع البيانات التي تم تحميلها باستخدام منصة جفوريكس. أنا أكتب الاستراتيجية التلقائية الآن. إذا كانت الاستراتيجية يعطي نتائج مماثلة مع باكتيستس جفوريكس التي سوف تكون علامة جيدة جدا ولكن دعونا لا ندعو هذا الكأس المقدسة فقط حتى الآن، على الرغم من أنني نفسي متحمس جدا حول هذه الاستراتيجية.

الشبكة العصبية لاستراتيجية التداول الهجين الشبكة العصبية وقف واستراتيجيات عكس فوركس. مايكل R. براينت. وقد استخدمت الشبكات العصبية في أنظمة التداول لسنوات عديدة بدرجات متفاوتة من النجاح. جاذبيتها الأساسية هي أن هيكلها غير الخطية هو أكثر قدرة على التقاط تعقيدات حركة السعر من قواعد التداول القياسية القائمة على المؤشرات. وكان أحد الانتقادات أن استراتيجيات التداول القائمة على الشبكة العصبية تميل إلى أن تكون أكثر ملاءمة وبالتالي لا تؤدي بشكل جيد على البيانات الجديدة. والحل الممكن لهذه المشكلة هو الجمع بين الشبكات العصبية والمنطق الاستراتيجي القائم على القواعد لخلق نوع هجين من الاستراتيجية. هذه المقالة سوف تظهر كيف يمكن القيام بذلك باستخدام أدابتريد بيلدر. وعلى وجه الخصوص، ستوضح هذه المادة ما يلي: الجمع بين الشبكة العصبية والمنطق القائم على القواعد لإدخالات التجارة. استهداف منصات متعددة في وقت واحد (ميتاترادر ​​4 و ترادستاتيون) وضع استراتيجية ذات منطق متوقف وغير متناظر. استخدام بيانات الفوركس خلال اليوم. وسيستخدم نهج بيانات من ثلاثة قطاعات، مع استخدام الجزء الثالث للتحقق من صحة الاستراتيجيات النهائية. سيتم عرض رمز الاستراتيجية الناتج لكل من ميتاتريدر 4 و ترادستاتيون، وسيتم إثبات أن نتائج التحقق هي إيجابية لكل منصة. الشبكات العصبية كما مرشحات دخول التجارة. رياضيا، الشبكة العصبية هي مزيج غير خطية من واحد أو أكثر من المدخلات المرجحة التي تولد واحد أو أكثر من قيم الإخراج. بالنسبة للتداول، يتم استخدام الشبكة العصبية بشكل عام بطريقتين: (1) كتنبؤ بحركة السعر المستقبلية، أو (2) كمؤشر أو عامل تصفية للتداول. هنا، سيتم النظر في استخدامه كمؤشر أو مرشح التجارة. كمؤشر، الشبكة العصبية تعمل كشرط إضافي أو مرشح يجب أن يكون راضيا قبل التجارة يمكن إدخالها. المدخلات إلى الشبكة هي عادة مؤشرات فنية أخرى، مثل الزخم، ستوشاستيك، أدكس، المتوسطات المتحركة، وهلم جرا، فضلا عن الأسعار ومجموعات من السابقة. يتم تحجيم المدخلات وتم تصميم الشبكة العصبية بحيث يكون الناتج قيمة بين -1 و +1. ويتمثل أحد النهج في السماح بدخول طويل إذا كان الناتج أكبر من أو يساوي قيمة عتبة مثل 0.5، ودخول قصير إذا كان المخرج أقل من أو يساوي السالب للعتبة؛ على سبيل المثال، -0.5. هذا الشرط سيكون بالإضافة إلى أي شروط دخول موجودة. على سبيل المثال، إذا كان هناك شرط دخول طويل، فإنه يجب أن يكون صحيحا، ويجب أن يكون خرج الشبكة العصبية مساويا على الأقل لقيمة العتبة للدخول الطويل. عند إنشاء شبكة عصبية، يكون المتداول عادة مسؤولا عن اختيار المدخلات وطبولوجيا الشبكة و & كوت؛ التدريب & كوت؛ الشبكة التي تحدد قيم الأوزان المثلى. كما سيظهر أدناه، يقوم أدابتريد بيلدر بتنفيذ هذه الخطوات تلقائيا كجزء من عملية بناء التطور التي يقوم البرنامج على أساسها. استخدام الشبكة العصبية كمرشح تجاري يسمح لها أن تكون جنبا إلى جنب بسهولة مع قواعد أخرى لخلق استراتيجية التداول الهجين، واحد الذي يجمع بين أفضل ميزات النهج التقليدية القائمة على قواعد مع مزايا الشبكات العصبية. وكمثال بسيط، قد يجمع بيلدر قاعدة كروس أوفر المتوسطة مع شبكة عصبية بحيث يتم اتخاذ موقف طويل عندما يعبر المتوسط ​​المتحرك السريع فوق المتوسط ​​المتحرك البطيء ويكون خرج الشبكة العصبية عند أو فوق عتبة. استراتيجيات وقف وإيقاف التداول. إن إستراتيجية التداول المتوقفة والعكسية هي دائما في السوق سواء كانت طويلة أو قصيرة. بالمعنى الدقيق للكلمة، & كوت؛ الإيقاف والعكس & كوت؛ يعني أنك عكس التجارة عندما يتم ضرب طلبك وقف. ومع ذلك، يمكنني استخدامه بمثابة اختصار لأي استراتيجية التداول الذي ينعكس من طويلة إلى قصيرة إلى طويلة وهلم جرا، بحيث كنت دائما في السوق. من خلال هذا التعريف، ليس من الضروري أن أوامر أوامر وقف. هل يمكن أن تدخل وعكس باستخدام أوامر السوق أو الحد كذلك. كما أنه ليس من الضروري أن يستخدم كل جانب نفس المنطق أو حتى نفس نوع الطلب. على سبيل المثال، يمكنك إدخال فترة طويلة (والخروج قصيرة) على أمر إيقاف وإدخال قصيرة (والخروج طويلة) على أمر السوق، وذلك باستخدام قواعد وشروط مختلفة لكل دخول / خروج. ومن شأن ذلك أن يكون مثالا على استراتيجية غير متناظرة للتوقف والعكس. الميزة الرئيسية لاستراتيجية وقف والعكس هو أنه من خلال يجري دائما في السوق، وأنت لا تفوت أي خطوات كبيرة. ميزة أخرى هي البساطة. عندما يكون هناك قواعد وشروط منفصلة للدخول والخروج من الصفقات، وهناك أكثر تعقيدا وأكثر من ذلك يمكن أن تسوء. الجمع بين الإدخالات والمخارج يعني اتخاذ قرارات توقيت أقل، والتي يمكن أن تعني أخطاء أقل. ومن ناحية أخرى، يمكن القول بأن أفضل الظروف للخروج من التجارة نادرا ما تكون مماثلة لتلك التي تدخل في الاتجاه المعاكس؛ أن الدخول إلى الصفقات والخروج منها هي قرارات منفصلة بطبيعتها ينبغي أن توظف بالتالي قواعد ومنطقا منفصلين. هناك عيب محتمل آخر يتمثل دائما في السوق في أن الاستراتيجية سوف تتداول من خلال كل فجوة فتح. فجوة فتح كبيرة ضد الموقف يمكن أن تعني خسارة كبيرة قبل استراتيجية قادرة على عكس. الاستراتيجيات التي تدخل وتخرج بشكل أكثر انتقائية أو الخروج من نهاية اليوم يمكن أن تقلل من تأثير فتح الثغرات. وبما أن الهدف هو بناء استراتيجية الفوركس، فإن ميتاترادر ​​4 (MT4) هو خيار واضح لمنصة التداول نظرا لأن ميتاترادر ​​4 مصمم بشكل أساسي لفوركس ويستخدم على نطاق واسع لتداول تلك الأسواق (انظر على سبيل المثال ميتاترادر ​​مقابل ترادستاتيون : مقارنة اللغة). ومع ذلك، في السنوات الأخيرة، وقد استهدف ترادستاتيون أسواق الفوركس أكثر من ذلك بكثير بقوة. اعتمادا على حجم التداول الخاص بك و / أو مستوى الحساب، فمن الممكن للتجارة في أسواق الفوركس من خلال ترادستاتيون دون تكبد أي رسوم منصة أو دفع أي عمولات. وتفيد التقارير بأن فروق أسعار الفائدة محدودة مع وجود سيولة جيدة على أزواج العملات الأجنبية الرئيسية. ولهذه الأسباب، تم استهداف كلا المنبرين لهذا المشروع. تنشأ العديد من القضايا عند استهداف منصات متعددة في وقت واحد. أولا، قد تكون البيانات مختلفة على منصات مختلفة، مع الاختلافات في المناطق الزمنية، ونقلت الأسعار لبعض الحانات، وحجم، ونطاقات التاريخ المتاحة. وللتغلب على هذه الاختلافات، تم الحصول على البيانات من كلا المنصتين، وتم بناء الاستراتيجيات على كل من سلسلة البيانات في وقت واحد. ولذلك كانت أفضل الاستراتيجيات هي تلك التي عملت بشكل جيد على كل من سلسلة البيانات على الرغم من أي اختلافات في البيانات. وفيما يلي إعدادات البيانات المستخدمة في بيلدر في الشكل 1. وكما يمكن الاستدلال من جدول بيانات السوق في الشكل، تم استهداف سوق العملات الأجنبية باليورو مقابل الدولار (وروس) مع حجم شريط يبلغ 4 ساعات (240 دقيقة). أحجام شريط أخرى أو الأسواق قد خدمت كذلك. كنت فقط قادرا على الحصول على أكبر قدر من البيانات من خلال منصة MT4 كما هو موضح في نطاق التاريخ هو مبين في الشكل 1 (سلسلة البيانات # 2)، لذلك تم استخدام نفس النطاق الزمني في الحصول على سلسلة البيانات المكافئة من ترادستاتيون (سلسلة البيانات # 1). تم استخدام 80٪ من البيانات للبناء (مجتمعة في العينة و & كوت؛ خارج العينة & كوت؛)، مع 20٪ (6/20/14 إلى 2/10/15) جانبا للتحقق. تم تعيين 80٪ من الأصل 80٪ إلى & كوت؛ في العينة & كوت؛ مع تعيين 20٪ على & كوت؛ خارج العينة، & كوت؛ كما هو مبين في الشكل 1. وقد تم تحديد انتشار العطاء / الطلب إلى 5 نقاط، وتم افتراض تكاليف تداول قدرها 6 نقاط أو 60 دولارا لكل وحدة كاملة الحجم (100.000 سهم) في الجولة الواحدة. تم تضمين كل من سلسلة البيانات في البناء، كما هو موضح في علامات الاختيار في العمود الأيمن من جدول بيانات السوق. الشكل 1. إعدادات بيانات السوق لبناء استراتيجية الفوركس ل ميتاترادر ​​4 و ترادستاتيون. هناك مشكلة محتملة أخرى عند استهداف الأنظمة الأساسية المتعددة هي أن بيلدر تم تصميمه لتكرار الطريقة التي يحسب بها كل نظام أساسي معتمد مؤشراته، مما قد يعني أن قيم المؤشرات ستكون مختلفة بناء على النظام الأساسي المحدد. ولتجنب هذا المصدر المحتمل للتناقض، ينبغي إزالة أي مؤشرات تقيم بشكل مختلف في ميتاتريدر 4 من ترادستاتيون من البناء، مما يعني أنه ينبغي تجنب المؤشرات التالية: بطيء D العشوائية. سريع D عشوائي. وتحسب جميع المؤشرات الأخرى المتاحة لكل من المنصات بنفس الطريقة في كلا المنابر. يتضمن ترادستاتيون جميع المؤشرات المتوفرة في بيلدر، في حين أن ميتاترادر ​​4 لا. لذلك، لتضمين المؤشرات المتوفرة في كلا النظامين فقط، يجب اختيار منصة ميتاترادر ​​4 كنوع الرمز في بيلدر. سيؤدي ذلك تلقائيا إلى إزالة أي مؤشرات من مجموعة الإنشاء غير المتوفرة ل MT4، مما سيترك المؤشرات المتوفرة في كلا النظامين الأساسيين. بالإضافة إلى ذلك، منذ لاحظت الاختلافات في حجم البيانات التي تم الحصول عليها من كل منصة، وأنا إزالة كافة المؤشرات تعتمد على وحدة التخزين من مجموعة البناء. وأخيرا، تمت إزالة مؤشر الوقت من اليوم بسبب الاختلافات في المناطق الزمنية بين ملفات البيانات. في الشكل 2 أدناه، يتم عرض قائمة المؤشرات المستخدمة في مجموعة البناء مرتبة حسب ما إذا كان المؤشر قد تم النظر فيه من خلال عملية الإنشاء (& كوت؛ النظر في & كوت؛ العمود). وترد المؤشرات التي أزيلت من الدراسة للأسباب التي نوقشت أعلاه في أعلى القائمة. وكانت المؤشرات المتبقية، بدءا من & كوت؛ سيمبل موف أفي & كوت؛، كلها جزء من مجموعة الإنشاء. الشكل 2. تحديدات مؤشر في البناء، والتي تبين المؤشرات إزالتها من مجموعة البناء. وترد خيارات التقييم المستخدمة في عملية البناء في الشكل 3. كما تم مناقشته، تم اختيار ميتاترادر ​​4 كخيار إخراج الشفرة. بعد أن يتم بناء الاستراتيجيات في بيلدر، يمكن تغيير أي من الخيارات في علامة التبويب خيارات التقييم، بما في ذلك نوع التعليمات البرمجية، وإعادة تقييم الاستراتيجيات، والتي سوف أيضا إعادة كتابة التعليمات البرمجية في أي لغة يتم تحديدها. تم استخدام هذه الميزة للحصول على رمز ترادستاتيون للاستراتيجية النهائية بعد أن تم بناء الاستراتيجيات ل ميتاترادر ​​4. الشكل 3. خيارات التقييم في بيلدر لاستراتيجية الفوركس يوروس. لإنشاء إستراتيجيات الإيقاف والعكس، تمت إزالة جميع أنواع الخروج من مجموعة الإنشاء، كما هو موضح أدناه في الشكل 4. تم ترك جميع الأنواع الثلاثة من أوامر الدخول - السوق، والتوقف، والحد - كما & كوت؛ تنظر & كوت؛ ، مما يعني أن عملية البناء يمكن أن تنظر في أي منها أثناء عملية البناء. الشكل 4. أنواع الأوامر المحددة في بيلدر لإنشاء إستراتيجية الإيقاف والعكس. يقوم برنامج بيلدر تلقائيا بإنشاء شروط منطقية تستند إلى قواعد للدخول و / أو الخروج. لإضافة شبكة عصبية إلى الاستراتيجية، فمن الضروري فقط لتحديد الخيار & كوت؛ تضمين الشبكة العصبية في شروط الدخول & كوت؛ في علامة التبويب خيارات الاستراتيجية، كما هو مبين أدناه في الشكل 5. تركت إعدادات الشبكة العصبية في افتراضاتها. كجزء من منطق التوقف والعكس، تم تعيين الخيار "خيارات السوق" على لونغ / شورت، والخيار ل & كوت؛ انتظر للخروج قبل الدخول إلى علامة تجارية جديدة & كوت؛ لم يسبق له مثيل. هذا الأخير ضروري لتمكين أمر الدخول للخروج من الوضع الحالي على عكس. تم ترك جميع الإعدادات الأخرى في الإعدادات الافتراضية. الشكل 5. الخيارات الاستراتيجية المختارة في منشئ لإنشاء استراتيجية هجينة باستخدام كل من القواعد المستندة إلى القواعد وشبكة الشبكة العصبية. وتسترشد الطبيعة التطورية لعملية البناء في بيلدر باللياقة البدنية، والتي يتم حسابها من الأهداف والشروط المحددة في علامة التبويب المقاييس، كما هو مبين أدناه في الشكل 6. وأبقت أهداف البناء بسيطة: تعظيم صافي الربح مع التقليل إلى أدنى حد التعقيد، الذي أعطى وزن صغير بالنسبة إلى صافي الربح. وقد تم التركيز بشكل أكبر على ظروف البناء، والتي تضمنت معامل الارتباط وأهميته بالنسبة لجودة الإستراتيجية العامة، وكذلك متوسط ​​القضبان في الصفقات وعدد الصفقات. في البداية، لم يتم تضمين سوى متوسط ​​القضبان في الصفقات كشرط للبناء. ومع ذلك، في بعض المباني المبكرة، كان صافي الربح يفضل على طول التجارة، وبالتالي تم إضافة عدد من المتري. ويعادل المدى المحدد لعدد الصفقات (بين 209 و 418) متوسط ​​أطوال التجارة بين 15 و 30 بارا استنادا إلى عدد الحانات في فترة الإنشاء. ونتيجة لذلك، أضافت إضافة هذا المقياس مزيدا من التركيز على هدف طول التجارة، مما أدى إلى زيادة عدد السكان من السكان مع المدى المطلوب من أطوال التجارة. الشكل 6. تحديد الأهداف والشروط المحددة في علامة التبويب المقاييس تحدد كيفية حساب اللياقة البدنية. إن & كوت؛ شروط تحديد أهم الاستراتيجيات & كوت؛ تكرار ظروف الإنشاء إلا أن يتم تقييم شروط الاستراتجيات العليا على كامل نطاق البيانات (وليس بما في ذلك مقطع التحقق من الصحة، الذي يكون منفصلا)، بدلا من مجرد فترة الإنشاء، كما هو الحال بالنسبة لظروف الإنشاء. ويستخدم البرنامج أهم استراتيجيات الاستراتيجيات لتخصيص أي استراتيجيات تستوفي جميع الشروط في مجتمع منفصل. يتم إجراء الإعدادات النهائية على علامة التبويب خيارات البناء، كما هو موضح أدناه في الشكل 7. أهم الخيارات هنا هي حجم عدد السكان، وعدد الأجيال، وخيار إعادة تعيين استنادا إلى & كوت؛ خارج العينة & كوت؛ أداء. تم اختيار حجم السكان ليكون كبيرا بما فيه الكفاية للحصول على تنوع جيد في السكان في حين لا تزال صغيرة بما فيه الكفاية لبناء في فترة معقولة من الزمن. واستند عدد الأجيال إلى المدة التي استغرقها عدد قليل من البنيات الأولية لكي تبدأ النتائج في التقارب. الشكل 7. تشمل خيارات الإنشاء حجم السكان وعدد الأجيال وخيارات إعادة تعيين السكان استنادا إلى & كوت؛ خارج العينة & كوت؛ أداء. خيار & كوت؛ إعادة تعيين الأداء خارج النطاق (أوس) & كوت؛ يبدأ عملية البناء على بعد عدد محدد من الأجيال إذا تم استيفاء الشرط المحدد؛ في هذه الحالة، سيتم إعادة تعيين السكان إذا كانت & كوت؛ خارج العينة & كوت؛ صافي الربح هو أقل من 20،000 $. تم اختيار هذه القيمة على أساس الاختبارات الأولية لتكون قيمة عالية بما فيه الكفاية أنه ربما لن يتم التوصل إليها. ونتيجة لذلك، تم تكرار عملية البناء كل 30 أجيال حتى توقف يدويا. هذا هو وسيلة للسماح للبرنامج بتحديد الاستراتيجيات على أساس أفضل الاستراتيجيات الظروف على مدى فترة طويلة من الزمن. بشكل دوري، يمكن التحقق من السكان أعلى الاستراتيجيات وإلغاء عملية البناء عند العثور على استراتيجيات مناسبة. لاحظ أن أضع & كوت؛ خارج العينة & كوت؛ في اقتباسات. عند & كوت؛ خارج العينة & كوت؛ يتم استخدام الفترة لإعادة تعيين السكان بهذه الطريقة، و & كوت؛ خارج العينة & كوت؛ الفترة لم تعد حقا خارج العينة. وبما أن هذه الفترة تستخدم الآن لتوجيه عملية البناء، فإنها تشكل جزءا فعالا من فترة العينة. لهذا السبب من المستحسن أن نضع جانبا شريحة ثالثة للتحقق من صحة، كما نوقش أعلاه. بعد عدة ساعات من المعالجة وعدد من إعادة البناء التلقائي، تم العثور على استراتيجية مناسبة في السكان الاستراتيجيات العليا. ويظهر منحنى الأسهم التجارية المغلق أدناه في الشكل 8. ويبين منحنى الأسهم أداء ثابت في كل من قطاعات البيانات مع عدد كاف من الصفقات والنتائج نفسها أساسا على كل من سلسلة البيانات. الشكل 8: منحنى الأسهم التجارية المغلقة لاستراتيجية وقف اليورو مقابل الدولار الأمريكي والعكس. ولتحقق من الاستراتیجیة خلال فترة التحقق، تم تغییر ضوابط التاریخ علی علامة تبویب الأسواق (انظر الشکل 1) إلی تاریخ نھایة البیانات (2/11/2015)، وتم إعادة تقییم الاستراتیجیة عن طریق تحدید تقییم الأمر من قائمة ستراتيغي في بيلدر. وتظهر النتائج أدناه في الشكل 9. وتبين نتائج التحقق من صحة في المربع الأحمر أن الاستراتيجية التي عقدت على البيانات التي لم تستخدم أثناء عملية البناء. الشكل 9: منحنى رأس المال المقفل من أجل إستراتيجية الإيقاف والعكس مقابل اليورو مقابل الدولار الأميركي، بما في ذلك فترة التحقق. الفحص النهائي هو معرفة كيفية تنفيذ الاستراتيجية على كل سلسلة بيانات بشكل منفصل باستخدام خيار إخراج الشفرة لهذا النظام الأساسي. وهذا ضروري لأنه، كما هو موضح أعلاه، قد تكون هناك اختلافات في النتائج اعتمادا على (1) نوع التعليمات البرمجية، و (2) سلسلة البيانات. نحن بحاجة للتحقق من أن الإعدادات المختارة تقلل من هذه الاختلافات، كما هو مقصود. لاختبار استراتيجية ميتاترادر ​​4، تم إلغاء تحديد سلسلة البيانات من ترادستاتيون على علامة التبويب الأسواق، وتم إعادة تقييم الاستراتيجية. وترد النتائج أدناه في الشكل 10، الذي يكرر المنحنى السفلي في الشكل 9. الشكل 10: منحنى الأسهم التجارية المغلقة لاستراتيجية الإيقاف والعكس مقابل اليورو مقابل الدولار الأميركي، بما في ذلك فترة التحقق، بالنسبة إلى ميتاترادر ​​4. وأخيرا، لاختبار استراتيجية ترادستاتيون، تم اختيار سلسلة البيانات من ترادستاتيون وتم إلغاء تحديد سلسلة ميتاتريدر 4 في علامة التبويب "الأسواق"، تم تغيير إخراج التعليمات البرمجية إلى & كوت؛ ترادستاتيون & كوت؛ وتم إعادة تقييم الاستراتيجية. وتظهر النتائج أدناه في الشكل 11 وتبدو مشابهة جدا للمنحنى المتوسط ​​في الشكل 9، كما هو متوقع. الشكل 11. منحنى الأسهم التجارية المغلقة لاستراتيجية وقف و عكس اليورو مقابل الدولار الأميركي، بما في ذلك فترة التحقق، ل ترادستاتيون. يتم توفير التعليمات البرمجية لكلا النظامين أدناه في الشكل 12. انقر فوق الصورة لفتح ملف التعليمات البرمجية لمنصة المقابلة. فحص التعليمات البرمجية يكشف أن الجزء القائم على القاعدة من الاستراتيجية يستخدم مختلف الظروف المتعلقة بالتقلب للجانبين الطويل والقصير. تتكون مدخلات الشبكة العصبية من مجموعة متنوعة من المؤشرات، بما في ذلك يوم من أيام الأسبوع، الاتجاه (زلترند)، ارتفاع خلال اليوم، مؤشرات التذبذب (إنفشيريسيكل، إنفشيرسي)، البولنجر باند، والانحراف المعياري. يمكن رؤية الطبيعة الهجينة للاستراتيجية مباشرة في بيان الكود (من رمز ترادستاتيون): إذا إنتكوندل و ننوتبوت & غ؛ = 0.5 ثم تبدأ. شراء (& كوت؛ إنمارك-L & كوت؛) سهم نشارس شريط المقبل في السوق. المتغير & كوت؛ إنتكوندل & كوت؛ تمثل شروط الدخول المستندة إلى القواعد، و & كوت؛ ننوبوت & كوت؛ هو إخراج الشبكة العصبية. يجب أن يكون كلا الشرطين صحيحا لوضع أمر الدخول الطويل. يعمل شرط الدخول القصير بنفس الطريقة. الشكل 12. رمز إستراتيجية التداول لاستراتيجية الإيقاف والعكس مقابل اليورو مقابل الدولار الأميركي (يسار، ميتاتريدر 4، رايت، ترادستاتيون). انقر فوق الشكل لفتح ملف التعليمات البرمجية المطابق. بحثت هذه المقالة في عملية بناء استراتيجية هجينة قائمة على القاعدة / الشبكة العصبية لليورو مقابل الدولار الأميركي باستخدام نهج وقف والعكس (دائما في السوق) مع أدابتريد بيلدر. وقد تبين كيف يمكن إنشاء رمز الاستراتيجية لمنصات متعددة عن طريق اختيار مجموعة فرعية مشتركة من المؤشرات التي تعمل بنفس الطريقة في كل منصة. تم وصف الإعدادات اللازمة لتوليد استراتيجيات عكس من طويلة إلى قصيرة وظهر، وقد ثبت أن الاستراتيجية الناتجة يؤدي إيجابيا على جزء منفصل، التحقق من صحة البيانات. كما تم التحقق من أن الاستراتيجية ولدت نتائج مماثلة مع البيانات وخيار التعليمات البرمجية لكل منصة. كما نوقش أعلاه، نهج وقف والعكس لديها العديد من السلبيات وربما لا نداء الى الجميع. ومع ذلك، قد يكون النهج دائما في السوق أكثر جاذبية مع بيانات الفوركس لأن أسواق الفوركس التجارة على مدار الساعة. ونتيجة لذلك، لا توجد فجوات افتتاح الجلسة، وأوامر التداول هي دائما نشطة ومتاحة لعكس التجارة عندما يتغير السوق. وأتاح استخدام البيانات اللحظية (القضبان التي تستغرق 4 ساعات) مزيدا من الحانات من البيانات لاستخدامها في عملية البناء ولكنه كان تعسفيا إلى حد ما لأن الطابع الدائم للاستراتيجية يعني أن الصفقات تتم بين عشية وضحاها. وقد سمح لعملية البناء بتطوير ظروف مختلفة للدخول طويلة وقصيرة، مما أدى إلى استراتيجية غير متناظرة وقف والعكس. على الرغم من الاسم، فإن الاستراتيجية الناتجة تدخل كل من الصفقات الطويلة والقصيرة على أوامر السوق، على الرغم من أن السوق، ووقف، وأوامر الحد كلها النظر فيها من قبل عملية البناء بشكل مستقل لكل جانب. ومن الناحية العملية، فإن الانعكاس من فترة طويلة إلى قصيرة يعني بيع ضعف عدد الأسهم في السوق بما أن الاستراتيجية كانت طويلة في الوقت الراهن؛ على سبيل المثال، إذا كان الوضع الحالي الحالي هو 100.000 سهم، فسوف تبيع 200،000 سهم قصير في السوق. وبالمثل، إذا كان الوضع القصير الحالي 100،000 سهم، يمكنك شراء 200،000 سهم في السوق لعكس من قصيرة إلى طويلة. تم استخدام تاريخ أقصر للسعر من شأنه أن يكون مثاليا. ومع ذلك، كانت النتائج إيجابية على قطاع التحقق من الصحة، مما يشير إلى أن الاستراتيجية لم تكن مناسبة. وهذا يدعم فكرة أن الشبكة العصبية يمكن استخدامها في استراتيجية التداول دون بالضرورة الإفراط في تركيب الاستراتيجية للسوق. الاستراتيجية المعروضة هنا ليست مخصصة للتجارة الفعلية ولم يتم اختبارها في الوقت الحقيقي تتبع أو التداول. ومع ذلك، يمكن استخدام هذه المقالة كقالب لوضع استراتيجيات مماثلة ل يوروس أو الأسواق الأخرى. كما هو الحال دائما، يجب اختبار أي استراتيجية التداول التي تقوم بتطويرها بدقة في تتبع الوقت الحقيقي أو على بيانات منفصلة للتحقق من صحة النتائج والتعرف على خصائص التداول للاستراتيجية قبل التداول المباشر. ظهرت هذه المقالة في عدد فبراير 2015 من النشرة الإخبارية أدابتريد سوفتوار. نتائج الأداء البدني أو المحاكاة لها بعض القيود المتراكمة. لا سجل الأداء الفعلي، النتائج المحاكاة لا تمثل التداول الفعلي. أيضا، وبما أن التجارة لم تكن قد تم تنفيذها بشكل فعلي، فقد تكون النتائج قد تم تعويضها أو تعويضها بشكل أكبر عن التأثيرات، إن وجدت، لبعض عوامل السوق، مثل عدم وجود السيولة. برامج التداول المحاكاة بشكل عام هي أيضا تخضع لحقيقة أنها تم تصميمها مع الاستفادة من الأذهان. لا يتم تمثيل أي حساب أو سيكون من المرجح تحقيق الأرباح أو الخسائر مماثلة لتلك التي تظهر. إذا كنت ترغب في أن تكون على علم بالتطورات الجديدة، والأخبار، والعروض الخاصة من أدابتريد البرمجيات، يرجى الانضمام إلى قائمتنا. شكرا لكم. حقوق الطبع والنشر © 2004-2015 أدابتريد البرمجيات. كل الحقوق محفوظة.
لنا قائمة وسيط الفوركس
سيتي فوريكس إيتالياني