Bollinger Bands Neuronales Netzwerk

MetaTrader 5 - Experten Bollinger Band Breite Berechnung mit Neuronalen Netzwerk mit - Experte für MetaTrader 5 Ich habe auf der Suche nach einem BB Width Expert Advisor, aber ich konnte es nicht überall finden. Dann habe ich beschlossen, meine eigenen zu schaffen, und als Teil meines Studiums habe ich das gemacht. Dieser Expert Advisor folgt der Neural Network Methode. Anfangszahlung 10000. Bruttogewinn von 36000. Zeitspanne 3,5 Monate. Was ist Bollinger Band Breite Bollinger Band Breite ist Bandbildung in Bollinger Bands. In seinem Buch (Bollinger auf Bollinger Bands) bezieht sich John Bollinger auf Bollinger Band Width als einer von zwei Indikatoren, die von Bollinger Bands abgeleitet werden können. Der andere Indikator ist B. BandWidth misst den prozentualen Unterschied zwischen dem oberen Band und dem unteren Band. Bandbreite verringert sich als Bollinger Bands schmal und steigt, als Bollinger Bands erweitern. Weil Bollinger Bands auf der Standardabweichung basieren, spiegelt BandWidth die abnehmende Volatilität wider und die steigende BandWidth spiegelt die zunehmende Volatilität wider. Narrowness: Narrow BandWidth ist relativ. BandWidth-Werte sollten relativ zu vorherigen BandWidth-Werten über einen Zeitraum gemessen werden. Es ist wichtig, einen guten Look-Back-Zeitraum zu erhalten, um BandWidth-Bereich für ein bestimmtes Symbol zu definieren. Die Squeeze: Bollinger BandWidth ist bekannt für die Identifizierung der Squeeze. Dies geschieht, wenn die Volatilität auf ein sehr niedriges Niveau fällt, wie die verengten Banden belegen. Die obere und die untere Bänder basieren auf der Standardabweichung, die ein Maß für die Volatilität ist. Die Bänder schmalen, wenn der Preis sich in einem relativ engen Bereich bewegt oder bewegt. Die Theorie ist, dass Perioden mit geringer Volatilität Perioden hoher Volatilität folgen. Relativ schmaler BandWidth (a. k.a. der Squeeze) kann einen bedeutenden Fortschritt oder Niedergang vorhersehen. Nach einem Squeeze, ein Preis stürzen und nachfolgende Band brechen signalisieren den Beginn eines neuen Zuges. Ein neuer Fortschritt beginnt mit einem Squeeze und nachfolgenden Pause über dem Oberband. Ein neuer Niedergang beginnt mit einem Squeeze und nachfolgenden Pause unter dem unteren Band. Eine Idee kann Ihr Leben verändern -) Ich habe die Inspiration für die Arbeit an Neuronalen Netzwerken nach dem Lesen dieses Artikels. Der Autor Fyords half mir sehr viel im Finishing-Teil der Codierung. Dieser Expert Advisor nimmt den Wert der letzten 14 Perioden und minimiert ihn mit der Neural Network Methode Formel (lesen Sie bitte den Artikel für die beste Umsetzung von Neural Network). Breite Berechnung Ich habe die klassische Methode verwendet: (BBupperBand - BBLlowerBand) BBMidleBand. (Xmaxxxmax) - (xminxminn)) d1 Es sieht kompliziert aus, aber in Wirklichkeit ist es genau wie A, B, C, D. Es ist genauso wie A, B, C, D. Der oben genannte Artikel kann dir viel helfen. Expert Advisor Testergebnis ist gut, ich habe den Zeitraum von 2013.01.01 bis 2013.04.13 genommen. Balance: Ich habe das komplette Testergebnis in der Zip-Datei angehängt. Ich empfehle nicht, diesen Expert Advisor in echten Account zu verwenden. Im selben Code können Sie eine Lautstärke-Indikator-Kombination (CCI, MFI etc.) verwenden. Hybrid Neuronale Netzwerk-Stop-and-Reverse-Strategien für Forex von Michael R. Bryant Neuronale Netze wurden in Handelssystemen seit vielen Jahren mit unterschiedlichem Grad verwendet Erfolg. Ihre primäre Anziehungskraft ist, dass ihre nichtlineare Struktur besser in der Lage ist, die Komplexität der Preisbewegung zu erfassen als die üblichen, indikatorbasierten Handelsregeln. Einer der Kritik war, dass neuronale netzwerkbasierte Handelsstrategien dazu neigen, über-fit zu sein und daher nicht gut auf neue Daten zu arbeiten. Eine mögliche Lösung für dieses Problem besteht darin, neuronale Netze mit einer regelbasierten Strategielogik zu kombinieren, um eine hybride Strategie zu schaffen. Dieser Artikel wird zeigen, wie dies mit Adaptrade Builder durchgeführt werden kann. Insbesondere wird dieser Artikel folgendes veranschaulichen: Kombinieren von neuronalen Netzwerken und regelbasierten Logiken für Handelseinträge Ein Drei-Segment-Datenansatz wird verwendet, wobei das dritte Segment zur Validierung der endgültigen Strategien verwendet wird. Der daraus resultierende Strategiecode für MetaTrader 4 und TradeStation wird gezeigt, und es wird gezeigt, dass die Validierungsergebnisse für jede Plattform positiv sind. Neuronale Netze als Trade Entry Filters Mathematisch ist ein neuronales Netzwerk eine nichtlineare Kombination aus einem oder mehreren gewichteten Inputs, die einen oder mehrere Ausgangswerte erzeugt. Für den Handel wird ein neuronales Netzwerk in einer von zwei Möglichkeiten verwendet: (1) als Vorhersage der zukünftigen Preisbewegung oder (2) als Indikator oder Filter für den Handel. Hier wird die Verwendung als Indikator oder Handelsfilter berücksichtigt. Als Indikator fungiert ein neuronales Netzwerk als zusätzliche Bedingung oder Filter, die erfüllt sein muss, bevor ein Handel eingegeben werden kann. Die Eingaben in das Netzwerk sind typischerweise andere technische Indikatoren wie Impuls, Stochastik, ADX, gleitende Durchschnitte und so weiter sowie Preise und Kombinationen der Vorgänger. Die Eingänge sind skaliert und das neuronale Netzwerk ist so ausgelegt, dass die Ausgabe ein Wert zwischen -1 und 1 ist. Ein Ansatz besteht darin, einen langen Eintrag zuzulassen, wenn der Ausgang größer oder gleich einem Schwellenwert wie 0,5 und a ist Kurzer Eintrag, wenn der Ausgang kleiner oder gleich dem Negativ der Schwelle ist -0,5. Diese Bedingung wäre zusätzlich zu den vorhandenen Eintrittsbedingungen. Zum Beispiel, wenn es einen langen Eintrag Zustand wäre, müsste es wahr sein und die neuronale Netzwerkausgabe müsste mindestens gleich dem Schwellenwert für einen langen Eintrag sein. Bei der Einrichtung eines neuronalen Netzes wäre ein Trader typischerweise für die Auswahl der Eingänge und der Netzwerktopologie verantwortlich und für das Zutritt des Netzes, das die optimalen Gewichtswerte bestimmt. Wie unten gezeigt wird, führt Adaptrade Builder diese Schritte automatisch als Teil des evolutionären Buildprozesses durch, auf dem die Software basiert. Mit dem neuronalen Netzwerk als Handelsfilter lässt sich leicht mit anderen Regeln kombinieren, um eine hybride Handelsstrategie zu schaffen, die die besten Eigenschaften traditioneller, regelbasierter Ansätze mit den Vorteilen neuronaler Netze verbindet. Als einfaches Beispiel könnte Builder eine gleitende durchschnittliche Crossover-Regel mit einem neuronalen Netzwerk kombinieren, so dass eine lange Position genommen wird, wenn der schnell gleitende Durchschnitt über den langsamen gleitenden Durchschnitt übergeht und die neuronale Netzwerkausgabe an oder über seinem Schwellenwert liegt. Stop-and-Reverse Trading-Strategien Eine Stop-and-Reverse-Trading-Strategie ist eine, die immer auf dem Markt ist, entweder lang oder kurz. Streng genommen bedeutet quotstop-and-reversequot, dass Sie den Handel umkehren, wenn Ihr Stop-Order getroffen wird. Allerdings benutze ich es als eine kurze Hand für jede Handelsstrategie, die von lang nach kurz zu lang und so weiter umkehrt, so dass Sie immer auf dem Markt sind. Durch diese Definition ist es nicht notwendig, dass die Aufträge Stop-Aufträge sind. Du könntest mit dem Markt eintreten und umgekehrt werden. Es ist auch nicht notwendig, dass jede Seite die gleiche Logik oder sogar die gleiche Reihenfolge verwenden. Zum Beispiel können Sie lange (und beenden kurz) auf eine Stopp-Reihenfolge und geben Sie kurz (und beenden lange) auf einer Marktordnung, mit verschiedenen Regeln und Bedingungen für jeden Eintrag exit. Dies wäre ein Beispiel für eine asymmetrische Stop-and-Reverse-Strategie. Der Hauptvorteil einer Stop-and-Reverse-Strategie ist, dass man immer auf dem Markt ist, man vermisst keine großen Züge. Ein weiterer Vorteil ist die Einfachheit. Wenn es getrennte Regeln und Bedingungen für das Betreten und Verlassen von Trades gibt, gibt es mehr Komplexität und mehr, die schief gehen können. Die Kombination von Einträgen und Ausgängen bedeutet, dass weniger zeitliche Entscheidungen getroffen werden müssen, was weniger Fehler bedeuten kann. Auf der anderen Seite kann man argumentieren, dass die besten Voraussetzungen für den Ausstieg aus einem Handel nur selten die gleichen sind wie für die Einreise in die entgegengesetzte Richtung, dass das Betreten und Verlassen von Geschäften inhärent getrennte Entscheidungen sind, die daher separate Regeln und Logiken angewandt werden sollten. Ein weiterer potenzieller Nachteil, immer auf dem Markt zu sein, ist, dass die Strategie durch jede offene Lücke handeln wird. Ein großer Öffnungsspalt gegen die Position kann einen großen Verlust bedeuten, bevor die Strategie umgekehrt werden kann. Strategien, die selektiv ein - und aussteigen, oder der Ausstieg am Ende des Tages kann die Auswirkungen der Eröffnungslücken minimieren. Da das Ziel ist es, eine Forex-Strategie zu bauen, ist MetaTrader 4 (MT4) eine offensichtliche Wahl für die Handelsplattform, da MetaTrader 4 in erster Linie für Forex entworfen ist und weithin für den Handel dieser Märkte verwendet wird (siehe z. B. MetaTrader vs. TradeStation : Ein Sprachvergleich). Doch in den vergangenen Jahren hat TradeStation die Forex-Märkte viel aggressiver angesprochen. Abhängig von Ihrem Handelsvolumen und einem Account-Niveau ist es möglich, die Devisenmärkte durch TradeStation zu handeln, ohne irgendwelche Plattformgebühren zu verursachen oder Provisionen zu bezahlen. Spreads sind angeblich eng mit guter Liquidität auf den großen Forex-Paaren. Aus diesen Gründen wurden beide Plattformen für dieses Projekt gezielt. Mehrere Probleme entstehen bei der gleichzeitigen Ausrichtung auf mehrere Plattformen. Zuerst können die Daten auf verschiedenen Plattformen unterschiedlich sein, mit Unterschieden in Zeitzonen, Preisangaben für einige Takte, Volumen und verfügbare Datumsbereiche. Um diese Unterschiede zu glätten, wurden Daten von beiden Plattformen erhalten, und die Strategien wurden über beide Datenreihen gleichzeitig gebaut. Die besten Strategien waren also die, die bei allen Datenreihen trotz aller Unterschiede in den Daten gut funktionierten. Die im Builder verwendeten Dateneinstellungen sind unten in Abb. 1. Wie aus der Marktdaten-Tabelle in der Abbildung abgeleitet werden kann, wurde der Eurodollar-Devisenmarkt mit einer Bargröße von 4 Stunden (240 Minuten) gezielt (EURUSD). Andere Stabgrößen oder - märkte hätten genauso gut gedient Ich konnte nur so viele Daten über meine MT4-Plattform erhalten, wie durch den in Abb. 1 (Datenreihe 2), so dass der gleiche Datumsbereich verwendet wurde, um die äquivalenten Datenreihen der TradeStation zu erhalten (Datenreihe 1). 80 der Daten wurden für den Bau (kombinierte Stichprobe und Quotierung von Stichproben) verwendet, wobei 20 (62014 bis 21015) zur Validierung beiseite gesetzt wurden. 80 des Originals 80 wurde dann auf einen Ziffernprobenquotts ​​gesetzt, wobei 20 auf eine Quotierung der Probe eingestellt wurde, wie in Fig. 1. Die Bidask-Spread wurde auf 5 Pips gesetzt, und die Handelskosten von 6 Pips oder 60 pro Full-Size-Los (100.000 Aktien) wurden pro Umdrehung angenommen. Beide Datenreihen wurden in den Build aufgenommen, wie durch die Häkchen in der linken Spalte der Market Data Tabelle angezeigt. Abbildung 1. Marktdateneinstellungen für den Aufbau einer Forex-Strategie für MetaTrader 4 und TradeStation. Ein weiteres mögliches Problem bei der Ausrichtung auf mehrere Plattformen ist, dass Builder entworfen ist, um die Art und Weise, wie jede unterstützte Plattform ihre Indikatoren berechnet, zu duplizieren, was bedeutet, dass die Indikatorwerte je nachdem, welche Plattform ausgewählt wird, unterschiedlich sein wird. Um diese mögliche Diskrepanz zu vermeiden, sollten alle Indikatoren, die in MetaTrader 4 anders als in der TradeStation ausgewertet werden, aus dem Build eliminiert werden, was bedeutet, dass folgende Indikatoren vermieden werden sollten: Alle anderen Indikatoren, die für beide Plattformen verfügbar sind, werden auf die gleiche Weise berechnet Beide Plattformen. TradeStation umfasst alle Indikatoren, die im Builder verfügbar sind, während MetaTrader 4 nicht. Um also nur Indikatoren einzuschließen, die in beiden Plattformen verfügbar sind, sollte die MetaTrader 4-Plattform als Codetyp im Builder ausgewählt werden. Das entfernt automatisch alle Indikatoren aus dem Build-Set, die für MT4 nicht verfügbar sind, wodurch die Indikatoren, die in beiden Plattformen verfügbar sind, verlassen werden. Darüber hinaus, da ich bemerkte Unterschiede in der Lautstärke Daten aus jeder Plattform erhalten, habe ich alle Volumen-abhängige Indikatoren aus dem Build-Set entfernt. Schließlich wurde der Tageszeitindikator wegen der Unterschiede in den Zeitzonen zwischen den Datendateien entfernt. In Fig. 2, unten, wird die Liste der Indikatoren, die in dem Build-Set verwendet werden, sortiert, ob der Indikator vom Buildprozess berücksichtigt wurde (quotConsiderquot Spalte). Die Indikatoren, die aus den oben erwähnten Gründen aus der Betrachtung entfernt wurden, werden oben in der Liste angezeigt. Die restlichen Indikatoren, beginnend mit quotSimple Mov Avequot, waren alle Teil des Buildsatzes. Abbildung 2. Indikator-Auswahl im Builder, wobei die Indikatoren aus dem Build-Set entfernt werden. Die im Bauprozess verwendeten Auswertungsmöglichkeiten sind in Abb. 1 dargestellt. 3. Wie bereits erwähnt, wurde MetaTrader 4 als Codeauswahl ausgewählt. Nachdem Strategien im Builder erstellt wurden, können beliebige Optionen auf der Registerkarte Auswertungsoptionen einschließlich des Codetyps geändert und die Strategien neu ausgewertet werden, wodurch auch der Code in welcher Sprache ausgewählt wird. Diese Funktion wurde verwendet, um den TradeStation-Code für die endgültige Strategie zu erhalten, nachdem die Strategien für MetaTrader 4 gebaut wurden. Abbildung 3. Evaluierungsoptionen im Builder für die EURUSD-Forex-Strategie. Um Stopp-und-Reverse-Strategien zu erstellen, wurden alle Exit-Typen aus dem Build-Set entfernt, wie unten in Abb. 4. Alle drei Arten von Eintragsaufträgen - Markt, Stop und Limit - wurden als quotconsiderquot belassen, was bedeutet, dass der Buildprozess während des Buildprozesses einen von ihnen berücksichtigen könnte. Abbildung 4. Im Builder ausgewählte Auftragstypen, um eine Stop-and-Reverse-Strategie zu erstellen. Die Builder-Software generiert automatisch regelbasierte logische Bedingungen für die Eingabe und den Ausstieg. Um der Strategie ein neuronales Netzwerk hinzuzufügen, ist es nur notwendig, die Option quotInclude ein neuronales Netzwerk in Eintragsbedingungen auf der Registerkarte Strategy Options zu wählen, wie unten in Abb. 5. Die neuronalen Netzwerkeinstellungen wurden bei ihren Vorgaben belassen. Als Teil der Stop-and-Reverse-Logik wurde die Option Market Sides auf LongShort gesetzt, und die Option to quotWait für den Exit vor dem Eingeben eines neuen Tradequot wurde deaktiviert. Letzteres ist notwendig, um den Eintrag zu erlauben, die aktuelle Position bei einer Umkehr zu beenden. Alle anderen Einstellungen wurden bei den Vorgaben belassen. Abbildung 5. Strategieoptionen, die im Builder ausgewählt wurden, um eine Hybridstrategie zu erstellen, die sowohl die regelbasierten als auch die neuronalen Netzwerkbedingungen verwendet. Die evolutionäre Natur des Bauprozesses im Baumeister wird von der Fitness geleitet. Die aus den Zielen und Bedingungen berechnet wird, die auf der Registerkarte Metriken definiert sind, wie unten in Abb. 6. Die Build-Ziele wurden einfach gehalten: Maximierung des Nettogewinns bei gleichzeitiger Minimierung der Komplexität, die im Verhältnis zum Nettogewinn ein geringes Gewicht verlieh. Mehr Aufmerksamkeit wurde auf die Baubedingungen gelegt, die den Korrelationskoeffizienten und die Bedeutung für die allgemeine Strategiequalität sowie die durchschnittlichen Handelsstäbe und die Anzahl der Trades beinhalteten. Zunächst wurden nur die durchschnittlichen Stäbe im Handel als Bauzustand aufgenommen. Allerdings wurde in einigen der frühen bauen der Nettogewinn über die Handelslänge begünstigt, so dass die Anzahl der Trades metric hinzugefügt wurde. Der angegebene Bereich für die Anzahl der Trades (zwischen 209 und 418) entspricht den durchschnittlichen Handelslängen zwischen 15 und 30 bar, basierend auf der Anzahl der Takte in der Buildperiode. Infolgedessen legte das Hinzufügen dieser Metrik mehr Wert auf das Handelslängenziel, das zu mehr Mitgliedern der Bevölkerung mit dem gewünschten Umfang der Handelslängen führte. Abbildung 6. Erstellen von Zielen und Bedingungen, die auf der Registerkarte Metriken festgelegt sind, bestimmen, wie die Fitness berechnet wird. Die quotConditions für die Auswahl von Top-Strategien quot duplizieren die Build-Bedingungen, außer dass die Top-Strategien Bedingungen über den gesamten Datenbereich ausgewertet werden (ohne das Validierungssegment, das separat ist), anstatt nur über die Buildperiode, wie es der Fall für die Bauen Bedingungen. Die Top-Strategien Bedingungen werden von dem Programm verwendet, um alle Strategien, die alle Bedingungen in einer separaten Bevölkerung zu beiseite legen. Die endgültigen Einstellungen werden auf der Registerkarte "Build Options" vorgenommen, wie unten in Abb. 7. Die wichtigsten Optionen hierbei sind die Populationsgröße, die Anzahl der Generationen und die Option zum Zurücksetzen auf der Grundlage der Leistungsbezeichnung. Die Bevölkerungsgröße wurde so gewählt, dass sie groß genug war, um eine gute Vielfalt in der Bevölkerung zu erhalten, während sie noch klein genug war, um in einer angemessenen Zeitspanne zu bauen. Die Anzahl der Generationen basierte darauf, wie lange es dauert, bis ein paar vorläufige Builds für die Ergebnisse zu konvergieren. Abbildung 7. Die Build-Optionen umfassen die Populationsgröße, die Anzahl der Generationen und die Optionen für das Zurücksetzen der Population auf der Grundlage der Leistungserbringung. Die Option to quotReset on Out-of-Sample (OOS) Performancequot startet den Build-Prozess über die angegebene Anzahl von Generationen, wenn die angegebene Bedingung in diesem Fall erfüllt ist, wird die Population zurückgesetzt, wenn der Quoten-Gewinn-Netto-Gewinn ist Weniger als 20.000. Dieser Wert wurde auf der Grundlage von Vorversuchen gewählt, um ein hoch genug Wert zu sein, dass es wahrscheinlich nicht erreicht werden würde. Infolgedessen wurde der Buildprozess alle 30 Generationen wiederholt, bis manuell gestoppt wurde. Dies ist ein Weg, um das Programm identifizieren Strategien auf der Grundlage der Top-Strategien Bedingungen über einen längeren Zeitraum zu identifizieren. In regelmäßigen Abständen kann die Top-Strategien-Population überprüft und der Build-Prozess abgebrochen werden, wenn geeignete Strategien gefunden werden. Beachten Sie, dass ich Zitat-of-samplequot in Anführungszeichen. Wenn die Periodenqualitätsperiode verwendet wird, um die Population auf diese Weise zurückzusetzen, ist die Periodenabfrageperiode nicht mehr wirklich außerhalb des Samples. Seit dieser Periode wird nun verwendet, um den Build-Prozess zu führen, ist es effektiv Teil der In-Sample-Periode. Darum ist es ratsam, ein drittes Segment zur Validierung aufzuheben, wie oben diskutiert wurde. Nach mehreren Stunden der Verarbeitung und einer Reihe von automatischen Umbauten wurde eine geeignete Strategie in der Top-Strategie-Population gefunden. Die geschlossene Handelskurve ist in Abb. 8. Die Eigenkapitalkurve zeigt eine konsistente Performance in beiden Datensegmenten mit einer ausreichenden Anzahl von Trades und im Wesentlichen die gleichen Ergebnisse über beide Datenreihen. Abbildung 8. Handelskurse für die EURUSD-Stop-and-Reverse-Strategie. Um die Strategie über den Validierungszeitraum zu überprüfen, wurden die Datumskontrollen auf der Registerkarte Markets (siehe Abb. 1) auf das Enddatum der Daten (2112015) geändert und die Strategie wurde neu ausgewertet, indem Sie den Befehl Auswertung aus der Strategie auswählen Menü im Builder. Die Ergebnisse sind unten in Fig. 1 gezeigt. 9. Die Validierung führt dazu, dass die rote Box zeigt, dass die Strategie auf Daten, die während des Buildprozesses nicht verwendet wurden, gehalten wurde. Abbildung 9. Handelskurse für die EURUSD-Stop-and-Reverse-Strategie einschließlich des Validierungszeitraums. Die endgültige Überprüfung ist zu sehen, wie die Strategie auf jeder Datenreihe separat mit der Code-Ausgabe-Option für diese Plattform durchgeführt. Dies ist notwendig, da, wie oben erläutert, Unterschiede in den Ergebnissen je nach (1) dem Codetyp und (2) der Datenreihe bestehen können. Wir müssen überprüfen, ob die gewählten Einstellungen diese Unterschiede, wie beabsichtigt, minimiert haben. Um die Strategie für MetaTrader 4 zu testen, wurde die Datenreihe von TradeStation auf der Registerkarte Markets abgewählt und die Strategie neu bewertet. Die Ergebnisse sind unten in Fig. 1 gezeigt. 10, die die untere Kurve in Fig. 1 dupliziert. 9. Abbildung 10. Abgeschlossene Handelskurve für die EURUSD-Stop-and-Reverse-Strategie einschließlich des Validierungszeitraums für MetaTrader 4. Um die Strategie für TradeStation zu testen, wurde die Datenreihe von TradeStation ausgewählt und die Serie für MetaTrader 4 wurde auf der Registerkarte Markets abgewählt, die Codeausgabe wurde in quotTradeStation geändert, und die Strategie wurde neu ausgewertet. Die Ergebnisse sind unten in Fig. 1 gezeigt. 11 und scheinen sehr ähnlich der mittleren Kurve in Abb. 9, wie erwartet Abbildung 11. Handelskurse für die EURUSD-Stop-and-Reverse-Strategie einschließlich des Validierungszeitraums für die TradeStation. Der Code für beide Plattformen ist unten in Fig. 12. Klicken Sie auf das Bild, um die Code-Datei für die entsprechende Plattform zu öffnen. Die Prüfung des Codes zeigt, dass der regelbasierte Teil der Strategie für die langen und kurzen Seiten unterschiedliche volatilitätsbedingte Bedingungen verwendet. Die neuronalen Netzeingänge bestehen aus einer Vielzahl von Indikatoren, darunter Tag-von-Woche, Trend (ZLTrend), Intraday High, Oszillatoren (InvFisherCycle, InvFisherRSI), Bollinger Bands und Standardabweichung. Die Hybrid-Natur der Strategie ist direkt in der Code-Anweisung (aus dem TradeStation-Code) zu sehen: Wenn EntCondL und NNOutput gt 0,5 dann beginnen Buy (quotEnMark-Lquot) NShares Aktien nächsten Bar auf Markt Die Variable quotEntCondLquot stellt den regelbasierten Eintrag dar Bedingungen und quotNNOuputquot ist die Ausgabe des neuronalen Netzes. Beide Bedingungen müssen wahr sein, um den langen Eintrag zu platzieren. Der kurze Einstiegsvorgang funktioniert genauso. Abbildung 12. Trading-Strategie-Code für die EURUSD-Stop-and-Reverse-Strategie (links, MetaTrader 4 rechts, TradeStation). Klicken Sie auf die Abbildung, um die entsprechende Code-Datei zu öffnen. Laden Sie eine Builder-Projektdatei (.gpstrat) herunter, die die in diesem Artikel beschriebenen Einstellungen enthält. Dieser Artikel betrachtete den Prozess des Aufbaus einer hybriden Regel-basierten Netzwerk-Strategie für die EURUSD mit einem Stop-and-Reverse (immer im Markt) Ansatz mit Adaptrade Builder. Es wurde gezeigt, wie der Strategiecode für mehrere Plattformen generiert werden kann, indem er eine gemeinsame Teilmenge der Indikatoren auswählt, die in jeder Plattform dieselbe Weise funktionieren. Die notwendigen Einstellungen, um Strategien zu generieren, die von lang nach kurz und zurück umkehren, wurden beschrieben, und es wurde gezeigt, dass die resultierende Strategie positiv auf einem separaten Validierungssegment von Daten durchgeführt wurde. Es wurde auch überprüft, dass die Strategie ähnliche Ergebnisse mit der Daten - und Code-Option für jede Plattform erzeugt hat. Wie oben diskutiert, hat der Stop-and-Reverse-Ansatz mehrere Nachteile und kann nicht an alle appellieren. Allerdings kann ein immer-in-der-Markt-Ansatz attraktiver mit Forex-Daten, weil die Forex-Märkte rund um die Uhr handeln. Infolgedessen gibt es keine Session-Opening-Lücken, und die Trading-Aufträge sind immer aktiv und verfügbar, um den Handel umzukehren, wenn sich der Markt ändert. Die Verwendung von Intraday-Daten (4-Stunden-Bars) lieferte mehr Datenstäbe für den Einsatz im Build-Prozess, war aber ansonsten ziemlich willkürlich, da die alltägliche Art der Strategie bedeutet, dass Trades über Nacht getragen werden. Der Build-Prozess wurde erlaubt, verschiedene Bedingungen für die Eingabe von langen und kurzen, was zu einer asymmetrischen Stop-and-Reverse-Strategie zu entwickeln. Trotz des Namens tritt die daraus resultierende Strategie sowohl lange als auch kurze Trades auf Marktaufträgen ein, obwohl Markt-, Stop - und Limit-Aufträge vom Bauvorgang unabhängig für jede Seite berücksichtigt wurden. In der Praxis würde das Umkehren von Long zu Short bedeuten, dass die doppelte Anzahl der Aktien auf dem Markt kurzfristig verkauft werden sollte, da die Strategie derzeit z. B. Wenn die aktuelle Long-Position 100.000 Aktien war, würden Sie verkaufen kurze 200.000 Aktien am Markt. Ebenso, wenn die aktuelle Short-Position 100.000 Aktien war, würden Sie 200.000 Aktien auf dem Markt kaufen, um von kurz nach lang umzukehren. Es wurde eine kürzere Preisgeschichte verwendet, als wäre es ideal. Dennoch waren die Ergebnisse auf dem Validierungssegment positiv, was darauf hindeutet, dass die Strategie nicht übertroffen wurde. Dies unterstützt die Idee, dass ein neuronales Netzwerk in einer Handelsstrategie eingesetzt werden kann, ohne die Strategie auf den Markt zu übertreffen. Die hier vorgestellte Strategie ist nicht für den eigentlichen Handel gedacht und wurde nicht in Echtzeit verfolgt oder gehandelt. Allerdings kann dieser Artikel als Vorlage für die Entwicklung ähnlicher Strategien für die EURUSD oder andere Märkte verwendet werden. Wie immer sollte jede Handelsstrategie, die Sie entwickeln, gründlich in Echtzeit-Tracking oder auf separaten Daten getestet werden, um die Ergebnisse zu validieren und sich mit den Handelsmerkmalen der Strategie vor dem Live-Handel vertraut zu machen. Dieser Artikel erschien in der Februar 2015 Ausgabe des Adaptrade Software-Newsletters. HYPOTHETISCHE ODER SIMULATIERTE LEISTUNGSERGEBNISSE HABEN BESTIMMTE INHERENTE BESCHRÄNKUNGEN. UNTERNEHMEN EINE TATSÄCHLICHE LEISTUNGSAUFNAHME, ERFOLGREICHE ERGEBNISSE NICHT VERTRETEN AKTUELLES HANDEL. AUCH AUCH DIE HÄNDLER HABEN NICHT AKTUELL AUSGEFÜHRT WERDEN, DIE ERGEBNISSE KÖNNEN FÜR DIE AUSWIRKUNGEN, WENN JEDOCH, BESTIMMTE MARKTFAKTOREN, WIE FREI DER FLÜSSIGKEIT VORGESEHEN WERDEN KÖNNEN. SIMULIERTE HANDELSPROGRAMME IN ALLGEMEINEN SIND AUCH AUF DIE TATSACHE, DIE SIE MIT DEM BENEFIT VON HINDSIGHT ENTWICKELT WERDEN. KEINE REPRÄSENTATION IST GEMACHT, DASS JEDES KONTO WIRD ODER IST, WIE GEWINNT ODER VERLUSTE ÄNDERN ZU DIESEM ANGEBOT ZU ERHÖHEN. Wenn Sie sich über Neuentwicklungen, Neuigkeiten und Sonderangebote von Adaptrade Software informieren möchten, melden Sie sich bitte bei unserer E-Mail-Liste an. Vielen Dank. Bollinger Bands sind ein weit verbreiteter technischer Indikator für die Messung und Anzeige der Volatilität von Wertpapieren. Die Bands erreichen dies, indem sie zeigen, ob die Preise mit der Verwendung eines Oberbandes hoch sind und ob sie mit der Verwendung eines unteren Bandes niedrig sind. Die Bands basieren auf der Volatilität (Standardabweichung) der vergangenen Preisdaten. Dieser Indikator kann bei der rigorosen Mustererkennung helfen und ist nützlich, um die aktuelle Preisaktion mit möglichen Kauf - und Verkaufssignalen zu vergleichen und so zu einer eigenständigen systematischen Handelsentscheidung zu gelangen. Allerdings kann der Indikator aufgrund seiner inhärenten Merkmale während des Handels in einigen Trending-Märkten falsche Signale liefern. Die Forschung in dieser Arbeit entwickelt zwei modifizierte Modelle, eine, die neuronale Netze mit dem technischen Indikator der Bollinger Bands kombiniert, und eine weitere, die ein GARCH-in-mean-Modell mit dem Bollinger Bands-technischen Indikator enthält, um den Sicherheitstrend vorherzusagen und zu handeln. Die Annahme des kombinierten Systems ist, dass das neuronale Netzwerk oder das GARCH-Modell dazu beitragen wird, die rückläufigen Aspekte des Bollinger Bands-Indikators zu überwinden, indem es eine nächste Prognose vorsieht, so dass der Händler die richtigen Handelsentscheidungen treffen kann. Die Rentabilität des Modells wird mit 10 amerikanischen Aktien und Indizes getestet - Abstract, Blatt iii. Abteilung (n) Ingenieurmanagement und Systemtechnik Name M. S. In Ingenieurwissenschaften Universität von Missouri - Rolla Publikationsdatum Paginierung Hinweis zur Bibliographie Inklusive bibliographischer Bezüge (Seite 39). 2005 Yanqiong Dong, Alle Rechte vorbehalten. Dokumenttyp Kongressbibliothek Themenbereiche Investitionsanalyse Aktien - Preise - Mathematische Modelle Aktienkursvorhersage Neuronale Netze (Informatik) Thesis Nummer Drucken OCLC Link zum Katalog Datensatz Volltext nicht verfügbar: Diese Publikation direkt aus der Missouri ST Bibliothek oder Kontakt anfordern Ihre lokale Bibliothek. Empfohlene Citation Dong, Yanqiong, Die Verwendung von neuronalen Netzwerken, GARCH-Modelle und die Bollinger Bands technische Indikator für Aktienhandel Entscheidungsfindung (2005). Masters Thesen 5847. scholarsmine. mst. edumasterstheses5847