Genetisch, "gerichtet genetisch", CRISPR, unscharf?

Ich bin relativ neu im Konzept des algorithmischen Handels, so dass die Wahrscheinlichkeit groß ist, dass ich einige entscheidende Punkte übersehe.  

Die in den Handbüchern besprochenen und aus verschiedenen Threads im Forum destillierten Arbeitsabläufe sind mehr oder weniger wie folgt:

 

das Kursdiagramm betrachten > versuchen, einige Regelmäßigkeiten zu erkennen > versuchen, die Beobachtung zu formalisieren > das System entwickeln > testen, usw.  

OR 

Indikator(en) hinzufügen > versuchen, Regelmäßigkeiten zu erkennen, und so weiter wie oben.  

 

Ein anderer Ansatz ist der brutale Zwang - es kann einige, möglicherweise sehr lange Zeit dauern, bis man auf etwas Lohnenswertes stößt. 

Eine andere Möglichkeit ist die Anwendung eines genetischen Algorithmus. Je nach den gewählten Bedingungen und dem zugrunde liegenden Motor wird das Ergebnis besser oder schlechter ausfallen. 

 

Alle oben genannten Ansätze zielen darauf ab, einige Grundsätze zu vereinen, vor allem, dass die sich daraus ergebende Formalisierung (d. h. die Regel) eine verallgemeinerte Beschreibung der von den Preisen gebildeten Kurve sein muss, um eine Überfüllung zu vermeiden, sowie die überlagerten Grundsätze des Geld- und Risikomanagements.

 

Diese Aufgaben sind schwierig. Außerdem scheint es mir noch schwieriger zu sein, Regeln zu finden, die Trends über mehrere Tage hinweg beschreiben, während es etwas einfacher ist, eine Lösung für kürzere Schwankungen zu finden. 

 

 

Ist es möglich, diesen Arbeitsablauf umzukehren (oder zu ändern)? Im Grunde würde es wie folgt aussehen.

 

Betrachten Sie das Diagramm > identifizieren (markieren) Sie die Regionen von Interesse, die Regionen der potenziellen Ein- und Ausstiege. Mit dem Satz von Parametern (absolute und relative Preise, Spannen, Indikatoren, usw.) und nach der Bearbeitung von Geld- und anderen Haupteinschränkungen den Computer beauftragen, einen Satz von Regeln zu finden, der die Preisbewegung zwischen den markierten Regionen beschreibt? Um eine Überanpassung zu vermeiden und stattdessen die gewünschte verallgemeinerte Beschreibung der Kurve (Preisbewegung) zu erhalten, führen Sie variable Unschärfen in die Parameter ein (entweder ihre absoluten oder relativen Werte).  

 

Ist das, was ich beschrieben habe, nur eine besondere Form des genetischen Algorithmus, vielleicht eine "gerichtete Evolution"? Anstelle von "Hit or Miss" würde ich das Programm gerne in die gewünschte Richtung stupsen..... 

 

CRISPR ist ein echtes Akronym aus der Molekularbiologie und dient hier als Ablenkungsmanöver.  

 

Betrachten Sie das Diagramm > identifizieren (markieren) Sie die Regionen von Interesse, die Regionen der potenziellen Ein- und Ausstiege. Mit dem Satz von Parametern (absolute und relative Preise, Spannen, Indikatoren, usw.) und nach der Bearbeitung von Geld- und anderen Haupteinschränkungen den Computer beauftragen, einen Satz von Regeln zu finden, der die Preisbewegung zwischen den markierten Regionen beschreibt? Um eine Überanpassung zu vermeiden und stattdessen die gewünschte verallgemeinerte Beschreibung der Kurve (Preisbewegung) zu erhalten, führen Sie variable Unschärfen in die Parameter ein (entweder ihre absoluten oder relativen Werte).

 

Ich habe dieses Thema außerhalb von SQ mit Hilfe von Machine Learning (SVM, Entscheidungsbäume, Bayes) untersucht. Ich versuche, wichtige Wendepunkte mithilfe externer Datenquellen vorherzusagen.

 

Es ist sehr zeitaufwändig, die Daten zu sammeln, zu normalisieren und an die Zeitreihe anzupassen, die Sie vorhersagen wollen.

 

Wenn Sie jedoch die allgemeine Marktrichtung vorhersagen können und diese in die SQ einspeisen (ich habe dies mit externen Indikatordaten simuliert), sind die Ergebnisse bei gleichem Drawdown etwa 10-mal profitabler als die SQ allein.

(Im Nachhinein entfernt, weil es eine peinliche Anfängerfrage war und keinen Mehrwert gebracht hat, haha)

Willkommen mikeyc einen Leitfaden oder etwas Ähnliches schreiben. 

Ich habe keine Zeit, ausführlich darüber zu schreiben, und habe meine Arbeit daran noch nicht abgeschlossen, aber hier ist eine kurze Zusammenfassung dessen, was ich mir angesehen habe:

 

Ich habe den Zickzack-Indikator verwendet, um Wendepunkte (Preis befindet sich in einem Aufwärts- oder Abwärtstrend) auf dem stündlichen und täglichen Zeitrahmen anhand historischer Daten auszugeben. Damit wollte ich die perfekteste Trendfolge identifizieren. Da es sich um historische Daten handelte, gab es kein Problem mit der Neufärbung, sondern es wurde lediglich der perfekte Zeitpunkt für einen Long- oder Short-Handel angezeigt.

 

Ich habe diese Signale an 5-Minuten-Daten ausgerichtet. Ich habe einen C#-Rahmen für diese Art von Dingen.

 

Ich importierte ihn als Indikator in SQ3. Nach vielen Stunden begann SQ3, Strategien mit diesem perfekten Indikator aufzunehmen, und die Gewinne und Drawdowns waren, wie zu erwarten, hervorragend. 

 

Dann habe ich diese perfekten Wendepunktdaten in Azure Machine Learning Studio verwendet. https://studio.azureml.net/

 

Als Prädiktoren habe ich viele externe Daten hochgeladen, darunter die Stimmung der Einzelhändler, die ich habe, andere Indikatoren usw.

 

Anschließend wurde versucht, die Zickzack-Wendepunkte anhand dieser Werte bestmöglich vorherzusagen.

 

Ich habe diese Arbeit noch nicht abgeschlossen, sie ist noch nicht abgeschlossen. Ich plane, die Modelle um wirtschaftliche Ereignisse aus dem Kalender, Daten zur Währungsstärke und Korrelationsdaten zu ergänzen.

Mikeyc

interessanter Ansatz! Sehr zeitaufwendig und ................ risikoreich ist der Sinn des Ergebnisses. Aber Sie haben meine Frage zu dem, was ich "direkte" Evolution nannte, beantwortet. Wissen Sie, ob Azure versucht, ein "knackiges" Modell zu erstellen, d. h. ein überangepasstes Modell? Wenn ja, glauben Sie, dass es mit irgendeinem Tool, sei es Azure oder SQ oder ähnlichem, möglich ist, einen "unscharfen" Koeffizienten in das Modell einzufügen?