Стратегия на основе поиска закономерностей.

[Рэндом]

Прежде всего что меня натолкнуло на такой подход. Это описано в этой теме spekulyant-psihologiya-i-lichniy-opit/izmeni-svoe-mishlenie-i-vospolzuysya-rezultatom-t2836.html
Изучая практическое применение этого вопроса я наткнулся на data mining. Это целая наука по поиску закономерностей. А лучший способ поиска закономерностей это нейронные сети. Нейронные сети появились давно как попытка смоделировать мозг. Но они имели ограниченное применение и часто не давали результата. Это так называемые сети с обучением обратным распространением ошибки. Не так давно появился новый вид нейронных сетей с глубоким обучением. Вот на их основе и будет строиться стратегия. Все будет описано по шагам в этой теме.
Для работы с нейронными сетями нам потребуется программа rapidminer https://my.rapidminer.com/nexus/account ... #downloads Программа бесплатна, но имеет некоторые ограничения. А именно на количество загружаемых данных. 10 000 строк. Нам этого хватит.

[Haos]

Ох, не знаю, не знаю. Программа сложная, озвучка американская обучения. Всё это очень опасно ставить на ПК, т.к. известно что АНБ делает. Кроме того, нужно долго разбираться с тем как прога работает. Может быть рассмотреть для МТ4 или даже МТ5 написанные коды по нейро-сетям? Думаю, такие найдутся если поискать.

[Рэндом]

Да, программа сложная, но разобраться можно. Под МТ готового нет, а писать это слишком сложно. К тому же я не искал алгоритм или формулы для нейронных сетей с глубоким обучением. К тому же у программы есть масса приемуществ. Можно быстро оценить результат. Я покажу по шагам что нужно делать в проге. Нам все ее сложности не нужны.

[Рэндом]

Прежде всего нам надо подготовить входные данные для нейроной сети. Данные представляют собой таблицу где строка таблицы это входы и выходы нейронной сети. Со входами все понятно, это набор данных подающийся на вход нейронной сети. А выходы используются для обучения сети. Да сеть обучается определять выходы по входам. Здесь нам важно решить что подавать на выходы. Что интересует трейдера? Конечно же точки разворота. Вот их мы и будем подавать на выходы. Определять мы их будем по индикатору ZigZag. 1 - есть разворот, 0 - нет разворота. А что подавать на входы? Здесь возможны самые разные варианты вплоть до простых цен. Например максимальная и минимальная цена бара. Подавать на входы будем выбранное количество бар до разворота. Для начала будем подавать длину бара в пунктах и изменение средней цены бара в пунктах. Данные будем подавать в формате csv. Для этого я написал скрипт.
Параметры скрипта:
первые 3 параметра это зигзаг
N - сколько входов будет, т.е. число баров до разворота
MaxВars - максимальное число строк (баров истории) которое будет передаваться
Name - начало заголовка файла
Файл результата помещается в папку Files терминала.

[Nord]

Не понимаю - что мы будем получать в файле результатов?

[Рэндом]

Набор данных для обучения сети. Так же этот скрипт можно использовать для определения результата для последнего бара. Я далее покажу как это делается. Это всего лишь набор данных для импорта в программу анализа.

[Kalkin]

Брать ZigZag в качестве исходных данных я бы опасался. По мере прорисовки линии ZigZaga перегиб возможен во множестве точек (на графике отмечены синими и красными маркерами):

Чтобы из ZigZaga вытянуть какую-то пользу, можно (и даже нужно) на вход системы подавать не значения цены, а внутридневное время, в которое произошел перегиб. Тогда, исследуя длительные промежутки, можно выявить закономерности разворотов в зависимости от сезона и времени работы бирж. Для валют вряд ли получится что-то ценное, а вот для той же нефти можно получить интересные результаты. Только для этого нейронные сети не нужны, достаточно простого статистического анализа.

[Рэндом]

Пока на примере того скрипта что есть покажу как работать с программой. А потом надо будет думать что подавать на вход и выход. Вариантов масса. Забегая вперед скажу что выбранный подход к формированию данных не дает хорошего результата.

[Kalkin]

Кстати, по поводу времени перегиба ZigZag. Чтобы не быть голословным, покажу результат работы моего скрипта, который набирает статистику внутридневных разворотов и выводит это все на экран в виде вертикальных разноцветных полос. Например, по нефти становиться на продажу или фиксировать покупки имеет смысл, когда цена будет вблизи очередной красной полосы, так как по статистике большинство разворотов проходит именно в это время:

[Kalkin]

В продолжение предыдущего поста: перегиб ZigZaga произошел в назначенное время, но показал доливку покупок, а не то, что мыслилось изначально

В общем, такими исследованиями я занимался в 2015-м году, вроде бы и есть закономерности, а как формализовать - непонятно. Надеюсь, ветка Рэндома с применением нейронных сетей поможет развить тему.