Monday, 19 March 2018

बोलिंगर बैंड - तंत्रिका नेटवर्क


मेटाट्रेडर 5 - विशेषज्ञों बोलिन्जर बैंड मेट्रा ट्रेडर 5 के लिए विशेषज्ञ - का उपयोग कर तंत्रिका नेटवर्क के साथ चौड़ाई की गणना मैं एक बी.बी. चौड़ाई विशेषज्ञ सलाहकार खोज रहा हूं, लेकिन मैं इसे कहीं भी नहीं ढूंढ सका। फिर मैंने अपना खुद का बनाने का फैसला किया, और मेरे अध्ययन के एक हिस्से के रूप में मैंने यह किया। यह विशेषज्ञ सलाहकार तंत्रिका नेटवर्क पद्धति का अनुसरण करता है। प्रारंभिक जमा 10000. 36000 का सकल लाभ। समय अवधि 3.5 महीने। बोलिंगर बैंड की चौड़ाई बॉलिंजर बैंड की चौड़ाई क्या है बैंडिंगर बैंड में बैंड का गठन अपनी पुस्तक (बोलिंजर ऑन बॉलिंजर बैंड्स) में, जॉन बॉलिंगर बोलिंगर बैंड की चौड़ाई को दो संकेतकों के रूप में दर्शाता है जो बोलिन्जर बैंड से प्राप्त किया जा सकता है। दूसरा सूचक बी बैंडविड्थ ऊपरी बैंड और निचले बैंड के बीच के अंतर को मापता है। बोलिन्जर बैंड के रूप में बैंडविड्थ घट जाती है और बोलिंजर बैंड के रूप में बढ़ जाती है। क्योंकि बोलिन्जर बैंड मानक विचलन पर आधारित हैं, बैंडविड्थ गिरते हुए घटता अस्थिरता को दर्शाता है और बढ़ती बैंडविड्थ बढ़ती अस्थिरता को दर्शाता है Narrowness: संकीर्ण बैंडविड्थ रिश्तेदार है। बैंडविड्थ मानों को पूर्व बैंडविड्थ मानों के सापेक्ष समय की सीमा पर लगाया जाना चाहिए। किसी विशिष्ट प्रतीक के लिए बैंडविड्थ श्रेणी को परिभाषित करने के लिए एक अच्छी बैक अवधि प्राप्त करना महत्वपूर्ण है। निचोड़: बोलिन्जर बैंडविड्थ को निचोड़ की पहचान करने के लिए सबसे अच्छा जाना जाता है। यह तब होता है जब अस्थिरता बहुत कम स्तर पर आती है, जैसा कि संकुचित बैंड द्वारा इसका सबूत है। ऊपरी और निचले बैंड मानक विचलन पर आधारित होते हैं, जो कि अस्थिरता का एक उपाय है। अपेक्षाकृत संकीर्ण सीमा के भीतर कीमतों को सिकुड़ते या चाल के रूप में बैंड को संकीर्ण किया जाता है। सिद्धांत यह है कि कम अस्थिरता की अवधि उच्च अस्थिरता की अवधि के बाद होती है। अपेक्षाकृत संकीर्ण बैंडविड्थ (ए. के.ए. निचोज़) एक महत्वपूर्ण अग्रिम या गिरावट को दर्शाता है एक निचोड़ के बाद, एक मूल्य वृद्धि और बाद के बैंड ब्रेक संकेत एक नए कदम की शुरुआत। एक नया अग्रिम एक निचोड़ और ऊपरी बैंड के ऊपर के बाद के ब्रेक से शुरू होता है। निचली बैंड के नीचे एक नई गिरावट शुरू होती है और उसके बाद के ब्रेक से शुरू होता है एक विचार आपका जीवन बदल सकता है -) मुझे इस लेख को पढ़ने के बाद तंत्रिका नेटवर्क पर काम करने के लिए प्रेरित किया गया है लेखक फ्योर्ड ने कोडिंग के अंतिम भाग में बहुत मदद की। यह विशेषज्ञ सलाहकार पिछले 14 दिनों के मूल्य लेता है और इसे तंत्रिका नेटवर्क पद्धति फार्मूले से कम करता है (कृपया तंत्रिका नेटवर्क के सर्वश्रेष्ठ कार्यान्वयन के लिए लेख पढ़ें) चौड़ाई की गणना मैं शास्त्रीय विधि का इस्तेमाल किया है: (बीबीपपरबैंड - बीबीएलब्लरबैंड) BBMidleBand फॉर्मूला: इनपुट एसएसआई 2 (((iBandsUpperbufi - iBandsLowerbufi) iBandsBasebufi) - (xminxminn) (d2-d1)) ((xmaxxxmax) - (xminxminn)) डी 1 यह उलझन में लग रहा है लेकिन वास्तव में यह ए, बी, सी, डी की तरह है। उपरोक्त आलेख आपको बहुत मदद कर सकता है। विशेषज्ञ सलाहकार परीक्षा का नतीजा अच्छा है, मैंने 2013.01.01 से 2013.04.13 की अवधि ले ली है। बैलेंस: मैंने ज़िप फ़ाइल में पूरा परीक्षण परिणाम संलग्न किया है। मैं इस विशेषज्ञ सलाहकार को वास्तविक खाते में इस्तेमाल करने की सलाह नहीं देता। उसी कोड में आप कुछ वॉल्यूम इंडिकेटर संयोजन (सीसीआई, एमएफआई इत्यादि) का उपयोग कर सकते हैं। स्टॉक वैलेंटिन स्टीनहाउर द्वारा नेचुरल नेटवर्क्स का उपयोग करने वाले शेयर बाजार पूर्वानुमान: सटीकता के लिए कोई दायित्व ग्रहण नहीं किया गया है। इस ट्यूटोरियल में तरीकों और अन्य जानकारी की पूर्णता। यहां दो पूरक दिशा-निर्देश दिये गये हैं एक बार श्रृंखला भविष्यवाणी दूसरा - बोलिन्जर बैंड विधि वे क्यों चुने गए हैं शांत समय में हार्मोनिकस कानून प्रबल होते हैं और इस समय एक अच्छा समय श्रृंखला भविष्यवाणी है। इस पद्धति (विभिन्न स्रोतों से) स्टॉक मार्केट मूल्यों में लगभग 52 -53 संभावना के साथ भविष्यवाणी को ऊपर और नीचे की अनुमति देता है, 50 - 50 है, न भूलें यादृच्छिक। दूसरा दिशा (बोलिंगर बैंड) पूरी तरह से अलग क्षेत्र से है। शेयर बाजार घबराहट जब कीमतें गिरती हैं या पहले के मुकाबले बहुत ज्यादा बढ़ती हैं तो अक्सर एक मोड़ है इस मामले में सकारात्मक भविष्यवाणियों के आंकड़े बेहतर हैं लेकिन ऐसे मामलों में अक्सर ऐसा नहीं होता है और यह प्रतीक्षा की आवश्यकता होगी शेयर बाजार में समय श्रृंखला की भविष्यवाणी समय की श्रृंखला भविष्यवाणी अर्थशास्त्र में एक बड़ी भूमिका निभाता है। स्टॉक मार्केट पाठ्यक्रम, साथ ही साथ ऊर्जा की खपत का अनुमान लगाया जा सकता है ताकि वह निर्णय ले सकें। यह ट्यूटोरियल एक संभावित दृष्टिकोण को दिखाता है कि इस तरह की भविष्यवाणी के लिए तंत्रिका नेटवर्क कैसे उपयोग किया जा सकता है यह न्यूरॉफ ट्यूटोरियल को विस्तारित करता है जिसे टाइम टाइम पेडिक्शन कहलाता है, जो भविष्यवाणी के लिए एक अच्छा सैद्धांतिक आधार देता है। हमारे उद्देश्यों के लिए प्रयुक्त, समय अनुक्रम चर देख रहा है। असीमित समय अंतराल पर चर को देखा गया। समय श्रृंखला के विश्लेषण में प्रक्रिया या घटना का विवरण शामिल होता है, जो एक अनुक्रम उत्पन्न करता है। समय श्रृंखला का अनुमान लगाने के लिए यह एक गणितीय मॉडल के रूप में प्रक्रिया के व्यवहार को प्रस्तुत करना आवश्यक है जिसे भविष्य में बढ़ाया जा सकता है यह करने के लिए। मॉडल वर्तमान के करीब समय के किसी भी स्थानीय क्षेत्र में टिप्पणियों का एक अच्छा प्रतिनिधित्व है। आम तौर पर ऐसा मॉडल नहीं होना जरूरी है जो बहुत पुरानी टिप्पणियों का प्रतिनिधित्व करेगा। के रूप में वे शायद पल की विशेषता नहीं होगा इसके अलावा दूर के भविष्य में टिप्पणियां जमा करने की कोई आवश्यकता नहीं है, जो एक समय अंतराल के बाद है जो क्षितिज से बड़ा है। अस्थायी अनुक्रम को संभालने के लिए सही मॉडल बनाया जाने के बाद, हम पूर्वानुमान के उपयुक्त साधनों को विकसित कर सकते हैं। यह कैसे काम करता है यह दिखाने के लिए, हमने एक महीने (03.2009: 02 से 30 तक) के लिए डीएक्स (जर्मन शेयर सूचकांक) डेटा के साथ नेटवर्क को प्रशिक्षित किया - यह मानना ​​है कि 31.03.2009 को मूल्य का अनुमान लगाया गया है। एक रणनीति के रूप में हम प्रत्येक 5 वें दिन की भविष्यवाणी करने के लिए 4 दिनों से दृश्य लेते हैं। प्रशिक्षण के 5 वें दिन में पर्यवेक्षित मूल्य है। डेटा डीएएडी निम्न यूआरएल (एक संभावनाओं में से) से डाउनलोड किया जा सकता है: डाउनलोड. फिनेंस. याहूडक्वासेस। सीएसएसएसजीडीएक्सआईएमएफ़एक्सएल 1 डी 1 टी 1 सी 1 ओजीवीएमपी सीएस नेटवर्क्स प्रोजेक्ट के एक भाग के रूप में प्रशिक्षण एसएटीजीटर डाउनलोड के लिए उपलब्ध है, हालांकि यह सामान्यकरण के साथ ही मुश्किल कोडित उदाहरण डेटा है। इसके अलावा पहले चरण क्षेत्र में प्रशिक्षण डेटा का सामान्यीकरण (0-1) है। निम्न सूत्र निम्नानुसार इसे प्रस्तुत करता है: Norm. value 0.8 (मूल्य v1) (v2 v1) 0.1, यहां 0.8 और 0.1 सीमाएं 0 और 1 से निर्धारित डेटा को सही करने के लिए मान हैं, v2 अधिकतम मूल्य एक्सप्लोरर और v1 न्यूनतम मान एक्सपेन्डर है। नेटवर्क प्रशिक्षण के लिए डेटा तैयार करने में सामान्यीकरण महत्वपूर्ण भूमिका निभाता है। यह विस्तारक गुणांक संपीड़न या सामान्यकरण पर खींचने के लिए दर्ज किया गया है। भविष्यवाणी के प्रत्येक मामले में यह गुणांक को नियंत्रण अंक से चुनने के लिए वांछनीय है। इसके बाद, नेटवर्क टोपोलॉजी को परिभाषित किया जाता है किस प्रकार का नेटवर्क, कितने परतें और कितने न्यूरॉन्स प्रति परत का उपयोग किया जाता है असल में, इसके लिए कोई नियम नहीं है, और आमतौर पर यह प्रयोगात्मक रूप से निर्धारित होता है हालांकि भविष्यवाणी के लिए इस्तेमाल किया जाने वाला सामान्य प्रकार का नेटवर्क मल्टी लेयर पेपरट्रोन है एक अनुशंसा है कि छिपे हुए परत के लिए 2n1 नोड्स हों, जहां एन इनपुट नोड्स की संख्या है। आउटपुट परत में इस मामले में केवल एक नोड है। निम्नलिखित टोपोलॉजी और पैरामीटर सेट के साथ अच्छे परिणाम प्राप्त किए गए: अधिकतम इंप्रेशन 10000, मैक्सारर0.0001 और ट्रेनिंग सेट को इस प्रकार से संगठित किया गया है: सार्वजनिक डाटासेट मिलट्रेनिसिंगसेट (इंट एन, इंट एम) ट्रेनिंगसैट नई डाटासेट (एन, एम) प्रशिक्षणसैट. एडआरओ (इन , आउट) और संबंधित नेटवर्क है: इंट मैक्सइटरेशन 10000 न्यूरल नेटवर्क न्यूयरनेटनेट न्यू मल्टीलेयर प्रीसेप्टॉन (4, 9, 1) ((एलएमएस) नेयरलनेट. get लर्निंग राउल ())। सेटमएक्सएर्रर (0.0001) ((एलएमएस) नेयरलनेट. गेट लर्निंगरियम ())। सेट मैक्स इटेरेशन ( maxIterations) इस समय, हम नेटवर्क को प्रशिक्षित और परीक्षण करने के लिए तैयार हैं। परीक्षण के लिए हम तैयार डेटा सेट का उपयोग करेंगे जिसमें डीएएक्स डेटा 27.08.09.09.09 से दिया गया है और 31.03.09 डबल नेटवर्क पर मूल्य की भविष्यवाणी करने के लिए ओयूटीपुट नेयरलनेट. जेटऑप्ट्यूप (डबल) पूर्वानुमानितअनुक्रमित नेटवर्कऑप्टपुट0 चूंकि नेटवर्क यादृच्छिक वजन मान, परीक्षण के परिणाम एक गणना से गणना करने के लिए अलग होंगे। पांच परीक्षणों के बाद यह निम्नलिखित भविष्यवाणी के साथ आया - 03.31.2009: 4084.61 4081.28 4073.08 4075.22 4087.42 के लिए परिणाम। अवधि के समय 3 सेकंड (2 CPU, 3.3Ghz, 2GB राम, WinXP) था इसे एक समिति भी कहा जाता है - विभिन्न न्यूरल नेटवर्क का एक संग्रह, जो कि एक साथ, एक्सप्लेटर 1.30 डी के साथ उदाहरण पेश करता है यह अन्य तंत्रिका नेटवर्क प्रक्रियाओं की तुलना में बेहतर परिणाम देता है उस दिन आधिकारिक घोषणा की गई मूल्य 4084.76 है। इसलिए बेहतर मात्रात्मक परिणाम प्राप्त करने की दिशा में गणनाओं के अनुक्रम को बदल रहा है, जिसे हमने पिछले उदाहरण में किया था। हम समिति बनाने के लिए समवर्ती गणनाओं का उपयोग कर सकते हैं। समिति न केवल स्थिरता पर निर्भर करती है, बल्कि प्रशिक्षण स्थितियों के प्रभावी रिश्तेदार नियंत्रण की अनुमति भी देती है। समिति के परिणामों के सापेक्ष बिखरने इस मामले में योग्यता का आंकड़ा है। संगामिति बनाने के लिए हमने जेटलांग पैकेज का इस्तेमाल किया। इस समिति में निम्नलिखित मॉड्यूल शामिल हैं: अभिनेता, चैनल, संदेश और यह मुख्य मॉड्यूल से नियंत्रित किया जाएगा आवधिक संकेत इस मॉडल में प्रबल हैं कौन सा समय-समय पर संकेत प्रमुख है कहां उपयुक्त है या perceptron के ऊपर फिटिंग क्या यह इस मॉडल में स्वचालित रूप से भविष्यवाणी करना संभव है हम हम स्वत: सुधार के साथ एक एल्गोरिथ्म दिखाते हैं जो कुछ बुनियादी विकास विचारों को दर्शाता है (कोटा सबसे बड़ा हार्मोनिकस तरंगक्वॉट): 1. हमारे पास अधिक है गणना के एक अनुक्रम से (quotcommitteequot देखें) 2. मुख्य वृत्त समय की भविष्यवाणी की खिड़की में अंक (एन) की संख्या के भिन्नता देता है। एक प्रमुख अवधि एन द्वारा प्रत्येक भिन्नता में कोटा सबसे बड़े हार्मोनिकस तरंगक्वॉट से निर्धारित की जाती है। छिपी परतों की संख्या 2 एन 1 स्वचालित है योग्यता के आंकड़े आर 8721 एफ ऑब्ज़ - एफ कैल्क 8721 एफ ऑव पूर्ण समय श्रृंखला डेटा के माध्यम से तथाकथित आर-कारक। 3. प्रत्येक एन के लिए प्रशिक्षण सेटों की विविधता होगी: तत्वों को आर-कारक की न्यूनतम प्राप्त करने के लिए और फिटिंग और फिटिंग के बीच के बीच का इष्टतम संबंध प्राप्त करने के लिए तत्वों को लगातार हटा दिया जाएगा। 4. समिति के माध्यम से मध्यम मूल्य इस सरल स्वचालित प्रवाह का नतीजा है। आपके कार्य के लिए यह मॉडल कोटा सबसे बड़ा हार्मोनिकस तरंगक्वॉट कितना अच्छा है, आपको अपने आप को तय करना चाहिए सरल DAX परीक्षण अच्छे गणितीय परिणाम दिखाया मॉडल का यह फिल्टर मानवीय नींद के समान है: ट्रेनिंग एम ऑडल्स को अधिकतम रूप से कम कर दिया गया है। लेकिन जब मान्यता में सुधार हुआ है। समय श्रृंखला के पूर्वानुमान के अनुसार स्टॉक के विकास और गिरावट का विश्लेषण करते समय सर्वोत्तम परिणाम प्राप्त हुए थे 82038203। मूल्यों के पूर्वानुमान के लिए नहीं, 8203 स्वयं। न्यूरॉफ बॉलिंजर बैंड के साथ स्टॉक मार्केट में बोलिन्जर बैंड का आविष्कार जॉन बॉलिगर द्वारा किया गया है बोलिंगर बैंड समय के साथ एक वित्तीय साधन की कीमत का एक भिन्नता दर्शाते हैं। बैंड की सीमाओं के लिए बाहर निकलने से बैंड पर लौटने की उच्च संभावना होती है। और मुख्य कठिनाई यह है कि: वापसी कब होती है इस वापसी की भविष्यवाणी करने के लिए हम न्यूरॉफ का उपयोग करते हैं। बोलिन्जर बैंड घबराहट की डिग्री को दर्शाता है और स्थिर शेयर बाजार के लिए अच्छी तरह से उपयुक्त नहीं है। आप अन्य दस्तावेज़ों विकी में बोलिन्जर बैंड के बारे में अधिक पढ़ सकते हैं। उदाहरण के लिए। हम न्यूरॉफ के साथ प्रयोग तकनीक पर ध्यान केंद्रित करेंगे। बोलिंगर बैंड के लिए मुख्य पैरामीटर एक औसत चलती औसत एक ऊपरी बैंड है जो एक औसत बैंड के ऊपर चलने वाले औसत के ऊपर एक औसत बैंड है, क्योंकि परीक्षण डेटा का इस्तेमाल डीएएक्स के लिए किया जाएगा। एक उदाहरण के रूप में इस पद्धति के प्रशिक्षण कार्य पर विचार करें। एक तैयार फाइल में जिसमें एक दिन के लिए डायक्स के 82038203 मूल्य शामिल हैं, जो 5 मिनट के अंतराल के साथ औसत के मूल्य से परे की स्थिति के लिए खोज की जाएगी। औसतन इसे 21 अंतिम मानों की प्रयोगात्मक रूप से पता चला है। आउटपुट 1 है, अगर डेक्स का वर्तमान मान औसत से 2 सिग्मा औसत या 2 सिग्मा के नीचे है और 15 मिनट में व्यवहार सही है, अन्य मामलों में यह 0 है। सही मतलब बैंड के मूल्य रिटर्न सिग्मा एक मानक विचलन है और इसकी गणना पद्धति मानक अभिकुंग में गतिशील रूप से की जाएगी। एल्गोरिथ्म कार्यक्रम में कार्यान्वित किया जाता है बोलिंजर एनालाइज देखें परिशिष्ट (परियोजना पैकेज)। सामान्यकरण ऊपर दिखाए गए के समान है। BollingerAnalyze. java में विधि को सामान्य मानें प्रशिक्षण कार्यक्रम में अनुमान लगाया जाएगा (विधि को नियंत्रित करने के लिए) विधि के सही संचालन की आवृत्ति: सभी मामलों से कितने मामले सही हैं आप अपने कोयले के लिए अन्य मापदंडों की कोशिश कर सकते हैं। प्रशिक्षित नेटवर्क का उपयोग विधि getRecommendation में दिखाया गया है। विधि 1 या -1 देता है यदि आपके पास बोलिंजर बैंड की स्थिति (ऊपर या नीचे) है और 15 मिनट में बैंड में डीएएक्स वापस आ जाएगा। बुरे मामले में यह 0 है या मूल्य का अनुमान नहीं लगाया जा सकता है। बेशक, वास्तविक समय में 82038203 मूल्यों को प्राप्त करना एक बड़ी समस्या है। हालांकि, यह एक संगठनात्मक समस्या है और यह संभवतया वास्तविक समय में छवियों से गतिशील न्योरोफ मान मान्यता से संभवतः संभवतः बनाया जा सकता है, प्रशिक्षण और परीक्षण के बाद संदेश का अनुसरण करें: चरम संख्या 4707 बोलिंगर चरम संख्या है। 1006 अंकों की कुल संख्या 21136 दोष 1. मामले में दोषों का मतलब है कि कितने बोलिंगर स्थिति सही भविष्यवाणी नहीं की गई थी। निष्कर्ष अंत में, समस्याओं की भविष्यवाणी करने में दो महत्वपूर्ण कारक - भविष्यवाणियों को बनाने और उपयोग करने वाले लोगों की संभावनाएं और हितों। आदर्श रूप में। ऐतिहासिक जानकारी का विश्लेषण स्वचालित रूप से किया जाता है, और पूर्वानुमान एक संभव संशोधन के लिए प्रबंधक है। पूर्वानुमान की प्रक्रिया में एक विशेषज्ञ का परिचय महत्वपूर्ण है, लेकिन इसके लिए अनुभवी प्रबंधकों के सहयोग की आवश्यकता होती है। अगले पूर्वानुमान, प्रबंधकों को भेजे गए, जो निर्णय लेने के लिए इसका उपयोग करते हैं और यहां तक ​​कि अगर वे कहते हैं कि मौसम केवल बात कर रहा है, तो वे इसके प्रयोग से वास्तविक लाभ प्राप्त कर सकते हैं। स्रोत के साथ नेटबैंस परियोजनाओं को डाउनलोड करें यदि आपके पास विशेष आदेश हैं या आप मुझे बस (पेपैल) का समर्थन करना चाहते हैं, कृपया उपयोग करें: tec. de (at) t-online. de बॉलिंजर बैंड एक व्यापक रूप से इस्तेमाल किए जाने वाले तकनीकी संकेतक हैं जो कि अस्थिरता को मापने और प्रदर्शित करने के लिए हैं प्रतिभूतियों। यह बैंड यह दर्शाता है कि ऊपरी बैंड के उपयोग के साथ कीमतें उच्च हैं या नहीं, और वे कम बैंड के उपयोग के साथ कम हैं या नहीं। बैंड पिछले कीमत के डेटा के अस्थिरता (मानक विचलन) पर आधारित हैं। यह संकेतक कठोर पैटर्न की पहचान में सहायता कर सकता है और वर्तमान मूल्य कार्रवाई की तुलना में संभावित खरीद और सिग्नल बेचने में उपयोगी साबित हो सकता है, जो स्व-निहित व्यवस्थित व्यापारिक फैसले पर पहुंचने में मदद करता है। हालांकि, इसकी अंतर्निहित विशेषताओं के कारण, सूचक कुछ ट्रेंडिंग बाजारों में व्यापार के दौरान झूठी संकेत प्रदान कर सकता है। इस थीसिस में शोध दो संशोधित मॉडल विकसित करता है, जो बोलिंगर बैंड के तकनीकी संकेतक के साथ एक तंत्रिका नेटवर्क का संयोजन करता है, और दूसरा, बोलिंगर बैंड के तकनीकी सूचक के साथ एक ट्रैवल-इन-मिड मॉडल को शामिल करने के लिए भविष्यवाणी करता है और सुरक्षा प्रवृत्ति पर व्यापार करता है। संयुक्त प्रणाली की धारणा यह है कि न्यूरल नेटवर्क या गार्च मॉडल अगले दिन पूर्वानुमान प्रदान करके बोलिंगर बैंड इंडिकेटर के ठंड के पहलुओं को दूर करने में मदद करेगा, जिससे व्यापारी को सही कारोबारी निर्णय लेने की अनुमति मिल जाएगी। मॉडल की लाभप्रदता 10 अमेरिकी शेयरों और अनुक्रमितों का उपयोग करके जांच की जाती है - सार, पत्ती iii। विभाग (इंजीनियरिंग) इंजीनियरिंग प्रबंधन और सिस्टम इंजीनियरिंग डिग्री नाम एम. एस. इंजीनियरिंग प्रबंधन में मिसौरी विश्वविद्यालय - रोला प्रकाशन दिनांक पेजिंग अंक ग्रंथ सूची के बारे में नोट ग्रंथ सूची के संदर्भ शामिल हैं (पेज 39)। 2005 Yanqiong दांग, सभी अधिकार सुरक्षित दस्तावेज़ प्रकार लाइब्रेरी ऑफ कांग्रेस विषय शीर्षकों निवेश विश्लेषण स्टॉक - कीमतें - गणितीय मॉडल स्टॉक की भविष्यवाणी तंत्रिका नेटवर्क (कंप्यूटर विज्ञान) थीसिस नंबर प्रिंट ओसीएलसी कैटलॉग के लिए लिंक रिकॉर्ड पूर्ण पाठ उपलब्ध नहीं है: सीधे मिसौरी एसटी पुस्तकालय या संपर्क से इस प्रकाशन का अनुरोध करें आपके स्थानीय पुस्तकालय अनुशंसित प्रशस्ति पत्र दांग, यॅनकियोनग, न्यूरल नेटवर्क का प्रयोग, गार्टे मॉडल और स्टॉक ट्रेडिंग निर्णय लेने (2005) के लिए बोलिंजर बैंड तकनीकी सूचक। मास्टर्स थेसियस 5847. स्कॉलर्समीन. एमएस्ट। एडेमस्टरस्टेसेस 5847 हेइब्रिड न्यूरल नेटवर्क माइकल आर। ब्रेंट न्यूरल नेटवर्क द्वारा विदेशी मुद्रा के लिए स्टॉप-एंड-रिवर्स स्ट्रेटजीज़ कई वर्षों तक सफलतापूर्वक कई डिग्री के साथ ट्रेडिंग सिस्टम में इस्तेमाल किया गया है। उनका प्राथमिक आकर्षण यह है कि उनके गैर-रेखा संरचना मानक, सूचक-आधारित व्यापार नियमों की तुलना में मूल्य आंदोलन की जटिलताओं को हासिल करने में बेहतर है। आलोचनाओं में से एक यह है कि न्यूरल नेटवर्क आधारित व्यापार रणनीतियों को अधिक से अधिक फिट किया जाता है और इसलिए नए डेटा पर अच्छा प्रदर्शन नहीं करते हैं। इस समस्या का एक संभावित समाधान एक हाइब्रिड प्रकार की रणनीति बनाने के लिए तंत्र-आधारित नेटवर्क को नियम-आधारित रणनीति तर्क के साथ संयोजित करना है। यह आलेख दिखाएगा कि एडैप्रैड बिल्डर का उपयोग कैसे किया जा सकता है। विशेष रूप से, यह लेख निम्नलिखित को वर्णन करेगा: व्यापार प्रविष्टियों के लिए तंत्रिका नेटवर्क और नियम-आधारित तर्क का संयोजन: एक तीन-सेगमेंट डेटा दृष्टिकोण का उपयोग किया जाएगा, तीसरे खंड के साथ अंतिम रणनीतियों को मान्य करने के लिए उपयोग किया जाएगा। मेटाट्रेडर 4 और ट्रेडस्टेशन दोनों के लिए परिणामस्वरूप रणनीति कोड दिखाया जाएगा, और यह दिखाया जाएगा कि प्रत्येक प्लेटफ़ॉर्म के लिए सत्यापन परिणाम सकारात्मक हैं। गणितीय रूप से व्यापार प्रविष्टि फ़िल्टर के रूप में तंत्रिका नेटवर्क, एक तंत्रिका नेटवर्क एक या अधिक भारित इनपुट का एक गैर-रेखीय संयोजन होता है जो एक या अधिक आउटपुट मान उत्पन्न करता है। व्यापार के लिए, एक तंत्रिका नेटवर्क का उपयोग आम तौर पर दो तरीकों में किया जाता है: (1) भावी मूल्य आंदोलन की भविष्यवाणी के रूप में, या (2) एक सूचक के रूप में या व्यापार के लिए फ़िल्टर। यहां, एक सूचक या व्यापार फ़िल्टर के रूप में उसका उपयोग माना जाएगा। एक संकेतक के रूप में, एक तंत्रिका नेटवर्क एक अतिरिक्त शर्त या फिल्टर के रूप में कार्य करता है जो व्यापार से पहले ही संतुष्ट होना चाहिए। नेटवर्क के लिए इनपुट आमतौर पर अन्य तकनीकी संकेतक हैं, जैसे कि गति, स्टेचैस्टिक्स, एडीएक्स, औसत चलती है, और साथ ही साथ कीमतों और पूर्ववर्ती के संयोजन। इनपुट को बढ़ाया जाता है और तंत्रिका नेटवर्क तैयार किया जाता है ताकि आउटपुट 1 और 1 के बीच का मान हो। एक दृष्टिकोण लंबी प्रविष्टि की अनुमति देता है यदि आउटपुट थ्रेशोल्ड मान के बराबर या बराबर है, जैसे कि 0.5, और लघु प्रविष्टि यदि आउटपुट सीमा से नकारात्मक या ऋणात्मक के बराबर है -0.5। यह शर्त किसी मौजूदा प्रविष्टि शर्तों के अतिरिक्त होगी। उदाहरण के लिए, यदि लंबे समय से प्रवेश की स्थिति होती है, तो यह सच हो सकता था और तंत्रिका नेटवर्क का आउटपुट लंबी प्रविष्टि के लिए कम से कम थ्रेशोल्ड मान के बराबर होता। एक तंत्रिका नेटवर्क की स्थापना करते समय, एक व्यापारी आम तौर पर इनपुट और नेटवर्क टोपोलॉजी चुनने के लिए जिम्मेदार होगा और नेटवर्क को क्वाट्रेनिंग करने के लिए, जो इष्टतम भार मूल्यों को निर्धारित करता है जैसा कि नीचे दिखाया जाएगा, एडेप्ट्रैड बिल्डर इन चरणों को स्वचालित रूप से विकासवादी निर्माण प्रक्रिया के भाग के रूप में निष्पादित करता है जो सॉफ्टवेयर पर आधारित है। एक व्यापार फिल्टर के रूप में तंत्रिका नेटवर्क का प्रयोग करने से इसे आसानी से अन्य नियमों के साथ जोड़ा जा सकता है ताकि एक हाइब्रिड ट्रेडिंग स्ट्रैटेजी तैयार हो सके, जो कि तंत्रिका नेटवर्क के फायदों के साथ पारंपरिक, नियम-आधारित तरीकों की सर्वोत्तम सुविधाओं को जोड़ती है। एक सरल उदाहरण के रूप में, बिल्डर एक तंत्रिका नेटवर्क के साथ चलती औसत क्रॉसओवर नियम को जोड़ सकता है ताकि तेजी से चलती औसत धीमी गति से चलने वाले औसत से ऊपर पार हो जाए और तंत्रिका नेटवर्क उत्पादन इसकी सीमा के ऊपर या उससे ऊपर हो। स्टॉप एंड रिवर्स ट्रेडिंग रणनीतियों एक स्टॉप एंड रिवर्स ट्रेडिंग स्ट्रैटेजी एक है जो हमेशा बाजार में होती है, या तो लंबी या छोटी। सख्ती से बोलते हुए, ऊपरी-रुक-और-फिर से आने का मतलब है कि जब आप अपना स्टॉप ऑर्डर मारते हैं तो आप व्यापार को उलटा देते हैं। हालांकि, मैं इसे किसी भी व्यापार रणनीति के लिए लघु-हाथ के रूप में उपयोग करता हूं जो लंबे समय से लम्बी और इतने पर उलट जाता है, ताकि आप हमेशा बाजार में रहें। इस परिभाषा के अनुसार, ऑर्डर रोकने के आदेश के लिए आवश्यक नहीं है आप दर्ज कर सकते हैं और बाजार या सीमा आदेशों का उपयोग करके भी रिवर्स कर सकते हैं। यह भी जरूरी नहीं है कि प्रत्येक पक्ष एक ही तर्क या समान आदेश प्रकार का उपयोग करें। उदाहरण के लिए, आप स्टॉप ऑर्डर पर लंबे समय (और बाहर निकलने) को दर्ज कर सकते हैं और प्रत्येक एंट्रीएक्सट के लिए अलग-अलग नियमों और शर्तों का उपयोग करके, बाजार के आदेश पर कम (और बाहर निकलने) को दर्ज कर सकते हैं। यह एक विषम रोक-और-रिवर्स रणनीति का एक उदाहरण होगा। एक स्टॉप एंड रिवर्स रणनीति का मुख्य लाभ यह है कि हमेशा बाजार में होने से, आप कभी भी बड़ी चालें याद नहीं करते हैं एक अन्य लाभ सादगी है जब ट्रेडों में प्रवेश करने और बाहर निकलने के लिए अलग नियम और शर्तें हैं, तो अधिक जटिलता और इससे भी ज्यादा गलत हो सकता है प्रविष्टियों और निकास के संयोजन का अर्थ है कि कम समय के फैसले किए जाने चाहिए, जो कि कम गलतियां का मतलब हो सकता है दूसरी ओर, यह तर्क दिया जा सकता है कि व्यापार से बाहर निकलने के लिए सबसे अच्छी स्थिति शायद ही उतनी ही होती है जितनी विपरीत दिशा में प्रवेश करने के लिए जो ट्रेडिंग में प्रवेश और बाहर निकलते हैं स्वाभाविक रूप से अलग निर्णय होते हैं, इसलिए इसलिए अलग नियम और तर्क का इस्तेमाल करना चाहिए। हमेशा बाजार में रहने की एक और संभावित कमी यह है कि रणनीति हर खुले अंतर के माध्यम से व्यापार करेगी। इस रणनीति के विपरीत एक बड़े खोलने की खाई का मतलब एक बड़ा नुकसान हो सकता है इससे पहले कि रणनीति को रिवर्स करने में सक्षम हो। रणनीतियां जो अधिक चुनिंदा में प्रवेश करती हैं और बाहर निकलती हैं या जो दिन के अंत तक निकलती हैं, वे अंतराल खोलने के प्रभाव को कम कर सकते हैं। चूंकि लक्ष्य विदेशी मुद्रा की रणनीति बनाना है, मेटाट्रेडर 4 (एमटी 4) ट्रेडिंग प्लेटफॉर्म के लिए एक स्पष्ट पसंद है क्योंकि मेटाट्रेडर 4 मुख्य रूप से विदेशी मुद्रा के लिए तैयार है और उन बाजारों के व्यापार के लिए व्यापक रूप से उपयोग किया जाता है (उदाहरण के लिए, मेटाट्रेडर बनाम ट्रेडस्टेशन : एक भाषा तुलना) हालांकि, हाल के वर्षों में, ट्रेडस्टेशन ने विदेशी मुद्रा बाजारों को अधिक आक्रामक तरीके से लक्षित किया है। आपके व्यापारिक मात्रा और खाता स्तर पर निर्भर करता है, किसी भी प्लेटफ़ॉर्म फीस के बिना या किसी कमीशन का भुगतान किए बिना ट्रेडस्टेशन के जरिए विदेशी मुद्रा बाज़ारों को व्यापार करना संभव है। फैक्स प्रमुख विदेशी मुद्रा जोड़े पर अच्छी तरलता के साथ कथित तौर पर तंग हैं। इन कारणों के लिए, दोनों प्लेटफार्मों को इस परियोजना के लिए लक्षित किया गया था। एक साथ कई प्लेटफार्मों को लक्षित करते समय कई समस्याएं उत्पन्न होती हैं सबसे पहले, डेटा अलग-अलग प्लेटफार्मों पर अलग-अलग हो सकता है, समय क्षेत्र में अंतर, कुछ बार, मात्रा, और उपलब्ध तिथि सीमाओं के लिए मूल्य उद्धरण। इन मतभेदों को सुचारू बनाने के लिए, दोनों प्लेटफार्मों से डेटा प्राप्त किया गया था, और रणनीतियों को एक साथ दोनों डेटा श्रृंखला पर बनाया गया था इसलिए सबसे अच्छी रणनीति इसलिए थी कि डेटा में किसी भी मतभेद के बावजूद दोनों डेटा श्रृंखला पर अच्छी तरह से काम किया। बिल्डर में इस्तेमाल की जाने वाली डेटा सेटिंग्स को नीचे चित्र में दिखाया गया है। 1. आंकड़ों में मार्केट डेटा तालिका से अनुमान लगाया जा सकता है, यूरोडोलर विदेशी मुद्रा बाजार को 4 घंटे (240 मिनट) के एक बार आकार के साथ लक्षित किया गया था (EURUSD)। अन्य बार के आकार या बाजारों में भी उतनी ही अच्छी सेवा होगी। मैं केवल अपने एमटी 4 प्लेटफॉर्म के माध्यम से अधिक डेटा प्राप्त करने में सक्षम था, जैसा कि चित्र 1 (डेटा श्रृंखला 2) में दिखाया गया दिनांक सीमा के अनुसार दर्शाया गया है, इसलिए व्यापार तिथि (डेटा श्रृंखला 1) से समान डेटा श्रृंखला प्राप्त करने में उसी दिनांक सीमा का उपयोग किया गया था। । सत्यापन के लिए निर्धारित 20 (62014 से 21015) के साथ, 80 डेटा का निर्माण भवन (संयुक्त नमूना और क्वाउट-ऑफ-नमूनाक्वाट) के लिए किया गया था। मूल 80 में से 80 को quotin-samplequot पर सेट किया गया था, जो कि उद्धरण के नमूने के लिए 20 सेट के साथ-साथ चित्र 1 में दिखाया गया है। बिडस्क का प्रसार 5 पिप्स में सेट किया गया था, और 6 pips या 60 पूर्ण पूर्ण - आकार के बहुत सारे (100,000 शेयर) प्रति गोल मोड़ ग्रहण किया गया। मार्केट डेटा तालिका के बाएं हाथ वाले कॉलम में चेकमार्क द्वारा इंगित किए गए अनुसार, दोनों डेटा श्रृंखला को निर्माण में शामिल किया गया था। चित्रा 1. मेटाट्रेडर 4 और ट्रेडस्टेशन के लिए विदेशी मुद्रा की रणनीति बनाने के लिए मार्केट डेटा सेटिंग्स। कई प्लेटफार्मों को लक्षित करते समय एक अन्य संभावित समस्या यह है कि बिल्डर को जिस तरह से प्रत्येक समर्थित प्लेटफ़ॉर्म इसके संकेतक की गणना के लिए डुप्लिकेट करने के लिए डिज़ाइन किया गया है, इसका मतलब यह हो सकता है कि कौन से प्लेटफ़ॉर्म का चयन किया गया है, इसके आधार पर सूचक मूल्य अलग होगा। विसंगति के इस संभावित स्रोत से बचने के लिए, ट्रेडस्टेशन की तुलना में मेटाट्रेडर 4 में अलग-अलग मूल्यांकन करने वाले किसी भी संकेतक को बिल्ड से समाप्त कर दिया जाना चाहिए, जिसका अर्थ है कि निम्न संकेतक से बचा जाना चाहिए: दोनों प्लेटफार्मों के लिए उपलब्ध अन्य सभी संकेतकों की गणना उसी तरह की जाती है दोनों प्लेटफार्म ट्रेडस्टेशन में सभी संकेतक शामिल हैं जो बिल्डर में उपलब्ध हैं, जबकि मेटाट्रेडर 4 नहीं करता है। इसलिए, दोनों प्लेटफार्मों में उपलब्ध केवल संकेतक को शामिल करने के लिए, मेटाट्रेडर 4 प्लेटफ़ॉर्म को बिल्डर में कोड प्रकार के रूप में चुना जाना चाहिए। वह स्वचालित रूप से बिल्ड सेट से कोई भी संकेतक निकाल देगा जो कि एमटी 4 के लिए उपलब्ध नहीं है, जो दोनों प्लेटफार्मों में उपलब्ध संकेतक को छोड़ देगा। इसके अतिरिक्त, जब से मैंने प्रत्येक प्लेटफ़ॉर्म से प्राप्त वॉल्यूम डेटा में अंतर देखा, मैंने बिल्ड सेट से सभी वॉल्यूम-आधारित संकेतक हटा दिए। अन्त में, डाटा फाइलों के बीच के समय क्षेत्रों में अंतर के कारण समय-प्रति-सूचक सूचक हटा दिया गया था। चित्र 2 में, नीचे, बिल्ड सेट में प्रयुक्त संकेतकों की सूची दिखाया गया है कि सूचक को बिल्ड प्रक्रिया (quotConsiderquot column) द्वारा विचार किया गया था या नहीं। ऊपर बताए गए कारणों के लिए विचाराधीन से हटाए गए संकेतकों को सूची के शीर्ष पर दिखाया गया है। शेष सूचकांक, जो कि "सरल मूव एव्वोट" के साथ शुरू हो रहा है, बिल्ड सेट के सभी भाग थे। चित्रा 2. बिल्डर में संकेतक चयन, बिल्ड सेट से हटाए गए संकेतक दिखाते हुए। निर्माण प्रक्रिया में इस्तेमाल किए गए मूल्यांकन विकल्पों को चित्र 3 में दिखाया गया है। जैसा कि चर्चा की गई है, मेटाट्रेडर 4 को कोड आउटपुट पसंद के रूप में चुना गया था। रणनीतियों के निर्माण के बाद बिल्डर में, मूल्यांकन विकल्प टैब पर दिए गए विकल्पों में से कोई भी, कोड प्रकार सहित, को बदला जा सकता है और रणनीतियों का फिर से मूल्यांकन किया जा सकता है, जो कि जो भी भाषा का चयन किया गया है, कोड को दोबारा लिख ​​देगा। मेटाट्रेडर 4 के लिए रणनीतियों का निर्माण किए जाने के बाद इस सुविधा का उपयोग अंतिम रणनीति के लिए ट्रेडस्टेशन कोड प्राप्त करने के लिए किया गया था। चित्रा 3. EURUSD विदेशी मुद्रा रणनीति के लिए बिल्डर में मूल्यांकन विकल्प। स्टॉप-एंड-रिवर्स स्ट्रैटेजी बनाने के लिए, सभी निकास प्रकार बिल्ड सेट से हटा दिए गए, जैसा कि नीचे दिखाया गया है। 4. सभी तीन प्रकार के प्रवेश के आदेश - बाजार, स्टॉप, और सीमा - को उद्धरण के रूप में छोड़ दिया गया, जिसका मतलब है निर्माण की प्रक्रिया के दौरान निर्माण प्रक्रिया उनमें से किसी पर विचार कर सकती है चित्रा 4. स्टॉप-एंड-रिवर्स रणनीति बनाने के लिए बिल्डर में चयनित ऑर्डर प्रकार। बिल्डर सॉफ़्टवेयर स्वचालित रूप से प्रविष्टि और बाहर निकलने के लिए नियम-आधारित तार्किक स्थितियां जनरेट करता है। रणनीति में एक तंत्रिका नेटवर्क को जोड़ने के लिए, इसके विकल्प को चुनने के लिए केवल एक ही आवश्यक है, जिसमें प्रवेश की स्थिति में एक तंत्रिका नेटवर्क शामिल है, जिसमें स्ट्रैटेजी ऑप्शन टैब पर नीचे दिखाया गया है, जैसा कि नीचे चित्र में दिखाया गया है 5. तंत्रिका नेटवर्क सेटिंग्स उनके डिफ़ॉल्ट पर छोड़ दी गई थीं। स्टॉप-एंड-रिवर्स लॉजिक के हिस्से के रूप में, मार्केट साइड विकल्प को लॉन्गशॉर्ट पर सेट किया गया था, और नए ट्रेडक्वॉट में प्रवेश करने से पहले निकास के लिए प्रतीक्षा करने का विकल्प अनियंत्रित था। उत्तरार्द्ध उत्परिवर्तन पर वर्तमान स्थिति से बाहर निकलने के लिए प्रविष्टि आदेश को सक्षम करने के लिए आवश्यक है। अन्य सभी सेटिंग्स डिफ़ॉल्ट पर छोड़ दी गईं चित्रा 5. नियम-आधारित और तंत्रिका नेटवर्क परिस्थितियों दोनों का उपयोग करके एक हाइब्रिड रणनीति बनाने के लिए बिल्डर में चयनित रणनीति विकल्प। बिल्डर में निर्माण प्रक्रिया की विकासवादी प्रकृति फिटनेस द्वारा निर्देशित होती है। जो मेट्रिक्स टैब पर निर्धारित उद्देश्यों और शर्तों से गणना की जाती है, जैसा कि चित्र में नीचे दिखाया गया है। 6. निर्माण के उद्देश्यों को सरल रखा गया था: शुद्ध लाभ को अधिकतम करते हुए जटिलता को कम करते हुए, जो शुद्ध लाभ के सापेक्ष छोटे वजन दिया गया था। निर्माण की स्थिति पर अधिक बल दिया गया था, जिसमें सामान्य रणनीति की गुणवत्ता के लिए सहसंबंध गुणांक और महत्त्व शामिल था, साथ ही ट्रेडों में औसत बार और ट्रेडों की संख्या। शुरू में, ट्रेडों में केवल औसत सलाखों को एक बिल्ड हालत के रूप में शामिल किया गया था। हालांकि, शुरुआती निर्माण में से कुछ में, शुद्ध लाभ को व्यापार की लंबाई के मुकाबले समर्थन किया जा रहा था, इसलिए संख्या-के-ट्रेडों मीट्रिक जोड़ा गया था। ट्रेडों की संख्या (20 9 और 418 के बीच) के लिए निर्दिष्ट सीमा 15 और 30 बार के बीच औसत व्यापार लंबाई के बराबर होती है, जो निर्माण अवधि में बार की संख्या के आधार पर होती है। परिणामस्वरूप, इस मीट्रिक को जोड़ने से व्यापार की लम्बाई के लक्ष्य पर अधिक जोर दिया गया, जिसके परिणामस्वरूप व्यापारिक लंबाई की वांछित सीमा के साथ आबादी के अधिक सदस्य हुए। चित्रा 6. मेट्रिक्स टैब पर निर्धारित उद्देश्यों और स्थितियों को निर्धारित करें कि फिटनेस की गणना कैसे की जाती है। शीर्ष रणनीतियों का चयन करने के लिए कंटिबैंस निर्माण की स्थिति की नकल करते हैं, इसके अतिरिक्त सिवाय इसके कि शीर्ष रणनीतियों की स्थिति पूरी तरह से आंकड़ों के आधार पर मूल्यांकन की जाती है (बिना पृथक्करण सेगमेंट को भी शामिल है, जो कि अलग है), निर्माण अवधि के बजाय, निर्माण की स्थिति एक अलग आबादी में सभी परिस्थितियों को पूरा करने वाली किसी भी रणनीतियों को अलग रखने के लिए कार्यक्रम द्वारा शीर्ष रणनीतियों की स्थिति का उपयोग किया जाता है। अंतिम सेटिंग्स बिल्ड विकल्प टैब पर बनाई गई हैं, जैसा कि नीचे चित्र में दिखाया गया है। 7 सबसे महत्वपूर्ण विकल्प यहां आबादी का आकार, पीढ़ियों की संख्या और क्वाउट-ऑफ़-नमूनाक्वाट प्रदर्शन के आधार पर रीसेट करने का विकल्प है। आबादी का आकार जनसंख्या में काफी विविधता प्राप्त करने के लिए काफी बड़ा होना चुना गया था, जबकि अभी भी उचित समय में निर्माण करने के लिए बहुत छोटा है। पीढ़ियों की संख्या इस बात पर आधारित थी कि कुछ शुरुआती निर्माण के दौरान परिणामों को शुरू करने के लिए कितना समय लगेगा। चित्रा 7. निर्माण विकल्पों में आबादी का आकार, पीढ़ियों की संख्या, और क्वाउट-ऑफ़-नमूनाक्वाट प्रदर्शन के आधार पर आबादी को रीसेट करने के लिए विकल्प शामिल हैं। आउट-ऑफ-नमूना (ओओएस) परसफल पर रिसेट करने के विकल्प, निष्पादित प्रक्रिया की शुरुआत पीढ़ियों के बाद शुरू होती है, अगर इस स्थिति में निर्दिष्ट शर्त की पूर्ति होती है, तो जनसंख्या को रीसेट कर दिया जाएगा यदि क्वाउट-ऑफ़-नमूनाक्वाट का शुद्ध लाभ है 20,000 से कम यह मान प्रारंभिक परीक्षणों के आधार पर चुना गया था ताकि वह पर्याप्त रूप से पर्याप्त मूल्य हो सके, जो संभवत: तक नहीं पहुंचे। नतीजतन, हर 30 पीढ़ियों तक मैन्युअल रूप से बंद होने तक निर्माण प्रक्रिया को दोहराया गया था। यह एक विस्तारित अवधि के दौरान शीर्ष रणनीतियाँ स्थितियों के आधार पर प्रोग्राम को रणनीतियों की पहचान करने का एक तरीका है। समय-समय पर, शीर्ष रणनीतियां जनसंख्या की जांच की जा सकती है और उपयुक्त रणनीतियां मिल जाने पर निर्माण प्रक्रिया रद्द हो सकती है। ध्यान दें कि मैंने कोटेशन-के- samplequot को उद्धरण में रखा है I जब इस प्रकार की आबादी को रीसेट करने के लिए क्वाउट-ऑफ़-नमूनाक्वाट अवधि का उपयोग किया जाता है, तो क्वाउट-ऑफ-नमूनाक्वाट अवधि अब वास्तव में आउट-ऑफ़-नमूना नहीं है चूंकि उस अवधि का अब निर्माण प्रक्रिया को निर्देशित करने के लिए उपयोग किया जा रहा है, इसकी प्रभावी रूप से इन-नमूना अवधि का हिस्सा। यही वजह है कि वैधता के लिए एक तिहाई खंड को अलग करने की सलाह दी गई है, जैसा कि ऊपर चर्चा हुई थी प्रसंस्करण के कई घंटे और कई स्वत: पुनर्निर्माण के बाद, शीर्ष रणनीतियाँ आबादी में एक उपयुक्त रणनीति पाया गया। इसका बंद व्यापार इक्विटी वक्र नीचे चित्र 8 में दिखाया गया है। इक्विटी वक्र दोनों डेटा सेगमेंट में एक पर्याप्त संख्या में ट्रेडों के साथ लगातार डेटा को दर्शाता है और डेटा सीरीज़ दोनों पर एक ही परिणाम चित्रा 8. EURUSD रोक और रिवर्स रणनीति के लिए बंद व्यापार इक्विटी वक्र। सत्यापन अवधि के दौरान रणनीति को जांचने के लिए, बाजार टैब पर तिथि नियंत्रण (देखें चित्र 1) को डेटा की समाप्ति तिथि (2112015) में बदल दिया गया था, और रणनीति का मूल्यांकन मूल्यांकन रणनीति का चयन करके किया गया था बिल्डर में मेनू परिणाम नीचे चित्र 9 में दिखाए गए हैं। लाल बॉक्स में सत्यापन परिणाम दर्शाते हैं कि निर्माण प्रक्रिया के दौरान उपयोग नहीं किए गए डेटा पर रणनीति को बनाए रखा गया है। चित्रा 9। वैधता अवधि सहित, EURUSD स्टॉप-एंड-रिवर्स रणनीति के लिए बंद व्यापार इक्विटी वक्र। अंतिम जांच यह है कि यह देखने के लिए कि प्रत्येक डेटा श्रृंखला पर अलग-अलग रणनीति उस प्लेटफ़ॉर्म के लिए कोड आउटपुट ऑप्शन का उपयोग करते हुए कैसे की गई। यह आवश्यक है क्योंकि, जैसा कि ऊपर बताया गया है, (1) कोड प्रकार के आधार पर परिणाम में अंतर हो सकता है, और (2) डेटा श्रृंखला हमें यह सत्यापित करने की आवश्यकता है कि चुने गए सेटिंग्स इन मतभेदों को कम करते हैं, जैसा कि मेटाट्रेडर 4 के लिए रणनीति का परीक्षण करने के लिए, ट्रेडस्टेशन की डेटा श्रृंखला को मार्केट टैब पर अचयनित किया गया, और रणनीति का पुनः मूल्यांकन किया गया। परिणाम नीचे चित्र 10 में दिखाए गए हैं, जो कि चित्र में नीचे की वक्र डुप्लिकेट है। 9. चित्रा 10. मेटाट्रेडर 4 के लिए, यूआरयूएसडी स्टॉप-एंड-रिवर्स रणनीति के लिए क्लोज़-ट्रेड इक्विटी वक्र, जिसमें वैटिफिकेशन अवधि शामिल है। अंत में, ट्रेडस्टेशन के लिए रणनीति का परीक्षण करें, ट्रेडस्टेशन से डेटा सीरीज़ का चयन किया गया और मेटाट्रेडर 4 की श्रृंखला को मार्केट टैब पर अचयनित किया गया, कोड आउटपुट को ट्रेडट्रेशन, कोट में बदल दिया गया और रणनीति का पुनः मूल्यांकन किया गया। परिणाम नीचे चित्र 11 में दिखाए गए हैं और यह चित्र 9 में मध्य वक्र के समान दिखता है, जैसा कि उम्मीद है। चित्रा 11. TradeStation के लिए सत्यापन अवधि सहित, EURUSD स्टॉप-एंड-रिवर्स रणनीति के लिए बंद व्यापार इक्विटी वक्र। दोनों प्लेटफॉर्म के लिए कोड नीचे दिए गए चित्र 12 में दिए गए हैं। इसी प्लेटफॉर्म के लिए कोड फ़ाइल खोलने के लिए छवि पर क्लिक करें। कोड की जांच से पता चलता है कि रणनीति का नियम-आधारित भाग लंबे और छोटे पक्षों के लिए विभिन्न अस्थिरता से संबंधित स्थितियों का उपयोग करता है। तंत्रिका नेटवर्क के इनपुट में विभिन्न प्रकार के संकेतक शामिल होते हैं, जिसमें सप्ताह के दिन, प्रवृत्ति (जेडएलट्रेंड), इंट्राएड हाई, ऑसिलिलेटर (इन्वफाशरकल, इन्वफीसरआरएसआई), बोलिंजर बैंड और मानक विचलन शामिल हैं। रणनीति के हाइब्रिड प्रकृति को सीधे कोड स्टेटमेंट में देखा जा सकता है (ट्रेडस्टेशन कोड से): यदि एंटकॉन्डएल और एनओयूयूटीपुट जीटी 0.5 तब खरीदें (कोट एंटमार्क-लक्ओट) एनशारे शेयरों को बाजार में अगली बार साझा करते हैं वेरिएबल quotEntCondLquot नियम-आधारित एंट्री का प्रतिनिधित्व करता है शर्तों, और quotNNOuputquot तंत्रिका नेटवर्क का उत्पादन है दोनों स्थितियों को लंबे समय तक प्रवेश आदेश रखने के लिए सही होना चाहिए। लघु प्रवेश स्थिति उसी तरह काम करती है चित्रा 12. EURUSD स्टॉप-एंड-रिवर्स रणनीति के लिए ट्रेडिंग स्ट्रैटेजी कोड (बाएं, मेटाट्रेडर 4 राइट, ट्रेडस्टेशन)। संबंधित कोड फ़ाइल को खोलने के लिए आंकड़े पर क्लिक करें। इस बिल्डर परियोजना (.gpstrat) फ़ाइल को इस आलेख में वर्णित सेटिंग्स को डाउनलोड करें। इस आलेख ने एड्यूप्रैड बिल्डर के साथ एक स्टॉप एंड रिवर्स (हमेशा बाज़ार में) दृष्टिकोण का उपयोग करके EURUSD के लिए एक हाइब्रिड नियम आधारित नेटवर्क नेटवर्क रणनीति तैयार करने की प्रक्रिया को देखा। यह दिखाया गया था कि प्रत्येक प्लेटफ़ॉर्म में एक ही तरीके से कार्य करने वाले संकेतक के एक सामान्य सबसेट का चयन करके कई प्लेटफ़ॉर्म के लिए रणनीति कोड कैसे तैयार किया जा सकता है। उन रणनीतियों को उत्पन्न करने के लिए आवश्यक सेटिंग्स जो कि लंबे समय से छोटी और पीछे की ओर उलझाए गए थे, और यह दिखाया गया कि परिणामी रणनीति ने अलग-अलग आंकड़ों के एक सत्यापन खंड पर सकारात्मक प्रदर्शन किया। यह भी सत्यापित किया गया कि रणनीति प्रत्येक डेटा के लिए डेटा और कोड विकल्प के साथ समान परिणाम उत्पन्न करती है। जैसा कि ऊपर चर्चा की गई है, स्टॉप-एंड-रिवर्स दृष्टिकोण में कई कमियां हैं और ये हर किसी के लिए अपील नहीं कर सकते हैं However, an always-in-the-market approach may be more attractive with forex data because the forex markets trade around the clock. As a result, there are no session-opening gaps, and the trading orders are always active and available to reverse the trade when the market changes. The use of intraday data (4-hour bars) provided more bars of data for use in the build process but was otherwise fairly arbitrary in that the always-in-the-market nature of the strategy means that trades are carried overnight. The build process was allowed to evolve different conditions for entering long and short, resulting in an asymmetric stop-and-reverse strategy. Despite the name, the resulting strategy enters both long and short trades on market orders, although market, stop, and limit orders were all considered by the build process independently for each side. In practice, reversing from long to short would mean selling short twice the number of shares at the market as the strategy was currently long e. g. if the current long position was 100,000 shares, you would sell short 200,000 shares at market. Likewise, if the current short position was 100,000 shares, you would buy 200,000 shares at market to reverse from short to long. A shorter price history was used than would be ideal. Nonetheless, the results were positive on the validation segment, suggesting the strategy was not over-fit. This supports the idea that a neural network can be used in a trading strategy without necessarily over-fitting the strategy to the market. The strategy presented here is not intended for actual trading and was not tested in real-time tracking or trading. However, this article can be used as a template for developing similar strategies for the EURUSD or other markets. As always, any trading strategy you develop should be tested thoroughly in real-time tracking or on separate data to validate the results and to familiarize yourself with the trading characteristics of the strategy prior to live trading. This article appeared in the February 2015 issue of the Adaptrade Software newsletter. HYPOTHETICAL OR SIMULATED PERFORMANCE RESULTS HAVE CERTAIN INHERENT LIMITATIONS. वास्तविक कार्यक्षमता रिकॉर्ड न करें, सिम्युलेटेड परिणाम वास्तविक व्यापार का प्रतिनिधित्व नहीं करते हैं। ALSO, SINCE THE TRADES HAVE NOT ACTUALLY BEEN EXECUTED, THE RESULTS MAY HAVE UNDER - OR OVER-COMPENSATED FOR THE IMPACT, IF ANY, OF CERTAIN MARKET FACTORS, SUCH AS LACK OF LIQUIDITY. आम तौर पर सिम्युलेटेड ट्रेडिंग प्रोग्राम भी इस तथ्य के प्रति विषय हैं कि उन्हें हिंदशाह के लाभ के साथ तैयार किया गया है। कोई प्रतिनिधित्व नहीं किया जा रहा है कि किसी भी खाते को या उस तरह के लाभों या हानि को दिखाने के लिए समान रूप से प्राप्त होगा। If youd like to be informed of new developments, news, and special offers from Adaptrade Software, please join our email list. धन्यवाद।

No comments:

Post a Comment