..Загрузка..

Искусственный интеллект в Easytrading

news image
Elinesoft 02.07.2019 13:26:00 0
В сегодняшней заметке хочу рассказать о тестируемой функции расчета будущего уровня цены.
Добрый времени уважаемые читатели нашего блога.
В сегодняшней заметке хочу рассказать о тестируемой функции расчета будущего уровня цены.
Основан он на простой нейронной сети, которая обучается на истории конкретной пары на выбранном таймфрейме.
Далее я расскажу как происходит вычисление и обучение сети, но сначала хочу рассказать для чего это делается.
Ведь знать уровень цены для работы стратегии важно, но важнее уровни в пределах которых цена будет двигаться и время на достижение этих уровней.
Понимая диапазон движения цены в интервалах времени, можно автоматически предполагать с долей вероятности где и когда окажется цена.
Это важный фильтр для отсеивания шумов на вход и в сочетании с нашей торговой стратегией поможет увеличить количество прибыльных сделок, увеличить профит на дистанции, исключив убыточные сделки.
Ведь если не потерял - значит заработал.
Теперь о механике обучения нейронной сети по предсказанию уровней цены и времени достижения этих уровней.
Мы строим гипотезу о том, что в каждый момент времени, в каждом значении цены имеются значения множества технических индикаторов, которые характеризуют положение данной точки и ее предыдущий подчерк.
Зная историю движения цены, мы рассчитываем для каждой точки индикаторы, которые требуют стандартные входные данные, а именно значения цен открытия, закрытия, максимумов, минимумов.
Используя эти данные, мы рассчитываем значения индикаторов из библиотеки TaLib. Во время тестирования и разработки используется более 30 индикаторов, в перспективе, после прохождения тестов и для улучшения результатов прогнозирования, будут использоваться все доступные, а это более 150 индикаторов.
Нормализуя данные о значении цены, значения индикаторов, скармливается все это в нашу нейронную сеть. Далее предлагаем сделать прогноз сети на основе случайных весов, которые присвоены нейронам сети при ее генерации (в этот момент сеть ничего не умеет и не понимает).
Оценивая ответ сети, мы сравниваем его с реальным значением цены по истории и просим ее еще раз попробовать дать ответ до получения приемлемого ответа с ошибкой не более заданной.
В этот момент веса в нейронной сети распределяются, и сетка обучается для конкретной пары и таймфрейма учитывая подчерк движения цены.
И так мы движемся для получения обученной нейронной сети по всей доступной истории и на выходе имеем адаптированную нейронную сеть для выбранной пары, которая умеет делать прогноз с максимальной заданной ошибкой.
Данное решение не панацея и не решение всех задач в алгоритмической торговле, а лишь один из фильтров, который будет встроен в стратегию.
По ходу тестирования я буду писать о последних наработках чтобы держать вас в курсе.

С уважением команда Elinesoft.
Проект Easytrading.pw
  • Поделитесь публикацией с друзьями

2017 - 2020 © Все права защищены Easytrading.pw

Лицензионное соглашение