Wydobywanie danych walutowych

Wprowadzenie do eksploracji danych walutowych Pozwala na proste i szybkie wprowadzenie do jednego z najbardziej interesujących dziedzin dzisiaj - wyszukiwania danych. Istnieje szeroki zakres zastosowań Data Mining. Powinniśmy zintegrować Eksplorację Danych w naszym handlu walutowym. FX, FOREX lub Foreign Exchange FX jest największym rynkiem pod względem wolumenu dziennego obrotu. Ma trzy główne poziomy uczestników: duże chłopców, poziom średniozaawansowany i prostych przedsiębiorców, tak jak ty i ja. Ma spekulatywny charakter, co oznacza, że ​​większość czasu nie wymieniamy towarów. Dbamy tylko o różnicę i chcemy kupić niskie i sprzedawać wysokie lub sprzedać wysokie i kupić nisko. Przez krótkie lub długie operacje możemy zdobyć pipsy. W zależności od wielkości obrotu wartość pip może wynosić od jednego centra do 10 i więcej. Jest to główny sposób na zarabianie pieniędzy na rynku walutowym (obok Carry Trade, Brokering, Arbitrage i inne). Zauważ, że rynek walutowy jest ogromny, ale nadaje się do wszystkich poziomów graczy. Pomyśl o rynku walutowym jako nieskończonym supermarkecie o nieskończonej liczbie produktów i klientów, ale ma również nieskończoną liczbę kasjerów. Oznacza to, że istnieje taka sama szansa dla wszystkich. Wydobywanie danych i maszyna nauka Wydobywanie danych jest dojrzałym poddziałem informatyki. Jego o wiele danych i nie trywialne wydobycie użytecznej wiedzy z ogromnych ilości danych. Jego realizacja polega na inteligentnym przetwarzaniu danych przy użyciu algorytmów Machine Learning. Wydobywanie danych to nie tylko CRUD (tworzenie, czytanie, aktualizacja i usuwanie). Mamy kilka metod wyszukiwania danych. W ten sposób metody i niektóre zastosowania. Klasyfikacja - klasyfikowanie wiadomości e-mail jako spamu, klasyfikowanie transakcji jako oszustwa. Stowarzyszenie - YouTube proponuje nam nowe filmy oparte na naszej historii. Amazon sugeruje nam więcej rzeczy podczas wymeldowania. Klastrowanie - analiza danych niestrukturalnych, takich jak wiadomości ekonomiczne i opinie, aby znaleźć wspólne grupy. Górnictwo procesów - analiza dzienników operatorów połączeń w celu znalezienia nieefektywnych operacji. Eksploracja tekstowa - najnowsze wiadomości lub analiza techniczna do rozpoznawania wzorców. Trading algorytmiczny jest zautomatyzowanym wykonaniem algorytmu handlu. W naszym przypadku algorytm handlu pochodzi z górnictwa. Zautomatyzowany handel dokonywany jest przez pewnego króla języka programowania. Szybkość i solidność to kluczowe punkty: człowiek handlowy nie może pokonać programu komputerowego w odniesieniu do tych atrybutów. Może to być HFT (High Frequency Trading) i programowanie na niższym poziomie (jako C) lub długoterminowe transakcje handlowe i programowanie na wysokim poziomie (jako Java). Wymiana algorytmicznych transakcji z wymianą danych Wymiana danych w algorytmicznym handlu jest bardzo ważna. Najważniejszą rzeczą są dane. Prosta zasada mówi, że jeśli dane nie są wystarczająco dobre, modele nie będą wystarczająco dobre (GIGO). Chodzi o tworzenie modelu, jego wdrożenie i testowanie (jak zawsze). Obecnie ten przepływ jest głównie manualny. Oprogramowanie do wyszukiwania danych Istnieje wiele opcji oprogramowania open source w dziedzinie wyszukiwania danych. WEKA to ramy wydobywania danych pochodzące z Uniwersytetu Waikato, Hamilton, Nowa Zelandia. WEKA jest napisana w Javie i posiada świetne API. Istnieją również implementacje dla większości znanych algorytmów Machine Learning. Mieszanka dobrych narzędzi jest niezbędna. Istnieje zbyt wiele modeli handlowych. Rzucanie monety jest głupim systemem handlowym, ale jego systemem handlowym. Potrzebujemy funkcji wyszukiwania danych, aby znaleźć złoto. Dobre narzędzia są łatwe do zdobycia, więc szczęście z górnictwem. Jeśli potrzebujesz więcej informacji o naukowych transakcjach FX, następnym krokiem jest zbadanie narzędzi wyszukiwania danych i danych historycznych. Odwiedź stronę algonell, aby uzyskać więcej informacji. Znajdziesz nas na twitterze. Facebook. Google. LinkedIn i WordPress. Data Górnictwo dla Inwestorów Każdy wychowawca finansowy poinformuje Cię o znaczeniu inwestora. Inwestorzy muszą zrozumieć różne cechy swoich akcji i obligacji, jak również firmy, które je wydają. Jedną z rzeczy, która wydaje się być zaniedbywana, jest jednak, gdzie można uzyskać dane do zrobienia badań. Wszakże co to jest dobre, aby zrozumieć, jak oceniać zarobki firmy, jeśli nie będziemy w stanie dowiedzieć się, jakie zarobki firmy są faktycznie to Corporate Filings Prawdopodobnie najbardziej użytecznymi źródłami informacji, raporty korporacyjne dostarczają inwestorom informacji zawierających szczegóły dotyczące kondycji finansowej przedsiębiorstw, przyszłych perspektyw i dotychczasowe dokonania. Jest to rodzaj informacji potrzebnych do oceny, czy pewne zapasy, obligacje czy fundusze inwestycyjne są inteligentnymi inwestycjami. Dla funduszy wzajemnych. raporty te informują o poziomie funduszy zwrotu z ubiegłego kwartału, opłatach z tytułu funduszy i portfelu portfela. Dla firm, które musisz zbadać przy zakupie akcji i obligacji, te zgłoszenia przechodzą do bilansu firmy. z wyszczególnieniem kondycji finansowej i przyszłych perspektyw. Dokładna analiza pomoże Ci sprawdzić, jak i gdzie firma wyda większość swoich pieniędzy, jak skuteczne zarządzanie jest w tworzeniu zysków i jak pozytywne są przyszłe perspektywy firmy. Chociaż wiele z tych raportów jest najbardziej interesujące do przeczytania, a czasami trudne do zrozumienia, oferują mnóstwo informacji, z których mogą korzystać wszyscy inni inwestorzy. (Informacje na temat analizowania spółek można znaleźć w przewodnikach dotyczących analizy fundamentalnej i analizy współczynnika proporcji). Zauważ, że zgodnie z przepisami SEC, firma, która posiada ponad 10 milionów dolarów aktywów i 500 udziałowców lub jest notowana na amerykańskiej giełdzie, takiej jak Nasdaq i NYSE musi złożyć oficjalne dokumenty do publicznego oglądania. Przepisy te nie mają jednak zastosowania do wszystkich firm, a tym mniejsze przedsiębiorstwo, tym trudniejsze będzie śledzenie dobrych informacji na ten temat. Niektóre małe firmy zdecydowały się wypełnić zgłoszenia wymagane przez większe firmy, ale inne nie. EDGAR Skrót dla elektronicznego gromadzenia danych, analizy i pobierania systemu, ta usługa automatycznie gromadzi i przekazuje zgłoszenia przepisów złożone przez różne firmy. Najważniejszym regulaminem SEC dotyczącym spółek notowanych na giełdzie jest coroczna forma 10-K, która przedstawia wynik działalności firmy w ubiegłym roku. 10-k musi być zgodne z normami SEC, a zazwyczaj jest to bardziej wyczerpujące, a następnie roczne sprawozdanie firmy. W przypadku funduszy inwestycyjnych EDGAR udostępnia również wszystkie prospekty online, dzięki czemu można znaleźć konkretne zasoby portfela funduszy, maksymalny współczynnik kosztów, jaki może ponieść fundusz, a nawet rodzaj rekompensaty otrzymywanej przez fundusz. (Więcej informacji w dokumentach SEC: Formularze, które musisz wiedzieć). SEC udostępnia bezpłatny dostęp do EDGAR w sek. govedgar. shtml. ale niestety EDGAR nie jest przyjazny dla użytkownika. Trudno znaleźć informacje, a kiedy robisz to w formacie zwykłego tekstu. Informacje są wszystkie, ale naprawdę trzeba kopać, aby uzyskać coś wartości. Na szczęście istnieją inne witryny, które zapewniają lepszy dostęp do danych EDGAR, ale wadą jest to, że zazwyczaj pobierają abonament. Bezpośrednio od firmy Każda firma, która obecnie nie ma witryny internetowej, prawdopodobnie nie jest warta twojego czasu. Nawet większość najbardziej stodgiestych firm działających w branży starej gospodarki ma witryny, jeśli nie z innego powodu niż dostarczenie informacji o sobie. Kiedy w witrynie firmy znajdują się powiązania z inwestorami. Często można znaleźć dostępne roczne sprawozdanie, zestawienia finansowe, informacje o akcjach, informacje o firmach itp. Co roku firmy muszą wysyłać roczne sprawozdania do każdego akcjonariusza. niezależnie od tego, czy posiada jedną akcję lub 10.000 akcji. Jeśli nie jesteś akcjonariuszem i raczej przeczytaj raporty w formie wydruku, możesz zamówić je bezpłatnie bezpośrednio od firmy. Większe firmy chcą używać tych raportów jako narzędzi marketingowych. Część firm zewnętrznych zajmuje się również bezpłatnym dorocznym sprawozdawczością spółek publicznych. (Aby dowiedzieć się więcej o analizowaniu numerów firmowych, zapoznaj się z Podstawową analizą dla handlowców). Raporty z badań Jeśli nie masz czasu, aby wykonać wszystkie badania samodzielnie, lub nie masz ochoty na zgniatanie numerów, możesz zawrzeć raporty z różnych firm . W zależności od tego, kogo piszą te raporty, analitycy są niezależni, kupujący czy sprzedający. oferują inwestorom profesjonalne badania aktualnego stanu firmy i perspektyw na przyszłość. Niektóre z tych raportów są dostarczane bezpłatnie, ale większość z nich zazwyczaj mieści się w przedziale od 5 do 50. Możesz kupić te raporty z dowolnego biura maklerskiego, z wielu banków i za pośrednictwem internetowych serwisów finansowych, takich jak Yahoo Finance. Strony internetowe Wiele różnych witryn internetowych oferuje bezpłatną informację dla inwestorów, na zasadzie pay-per-use lub na zasadzie subskrypcji. Korzyść z odwiedzania stron internetowych zamiast przeglądania dokumentów do SEC jest taka, że ​​informacje są oferowane w zwięzły sposób. Nie musisz przesiać legalnych i rynkowych kopii, które firmy wprowadzają do swoich rocznych sprawozdań. (Czytaj więcej na temat analityków w "Co warto wiedzieć o analitykach finansowych"). Wnioski Niezależnie od tego, o co decydujesz się zainwestować, decydujesz, że wykonasz odpowiednią ilość badań, aby dokładnie wiedzieć, gdzie jesteś, wkładając pieniądze. Z tak bogatym dostępem do informacji, niezależnie od tego, czy jest to wolne, czy nie, nie ma powodu, aby inwestor podejmował niedoinformowaną decyzję. Wstępna oferta aktywów upadłego przedsiębiorstwa od zainteresowanego nabywcy wybranego przez bankructwo. Z puli oferentów. Artykuł 50 stanowi klauzulę negocjacyjno-rozliczeniową zawartą w traktacie UE, w którym przedstawiono kroki, które należy podjąć dla każdego kraju, który. Beta jest miarą zmienności lub systematycznego ryzyka bezpieczeństwa lub portfela w porównaniu z rynkiem jako całości. Rodzaj podatku od zysków kapitałowych poniesionych przez osoby prywatne i korporacje. Zyski kapitałowe to zyski inwestora. Zamówienie zakupu zabezpieczenia z lub poniżej określonej ceny. Zlecenie z limitem kupna umożliwia określenie podmiotów gospodarczych i inwestorów. Reguła Internal Revenue Service (IRS), która umożliwia wycofanie bez kary z konta IRA. Reguła wymaga tego. Data Górnictwo Strategia Forex Majors Ze względu na unikalne cechy różnych par walutowych, wiele strategicznych strategii ilościowych jest projektowanych z określoną parą walut. Chociaż może to przynieść wiele korzystnych strategii handlowych, istnieją również zalety opracowywania strategii, które mogą być sprzedawane w wielu parach walutowych. Wprowadza to element dywersyfikacji, który może zapewnić dodatkowy poziom ochrony przed stratami. Daniel Fernandez niedawno opublikował system, który zaprojektował, aby handlować na każdym z czterech głównych firm Forex. Jego celem było znalezienie systemu, który wytworzyłby 20-letni rejestr zysków na kursach EURUSD, GBPUSD, USDJPY i USDCHF. Daniel wykorzystuje podejście do górnictwa danych, aby opracować strategię obrony czterech głównych firm Forex. Aby zbudować swój system, Daniel wykorzystał swoje oprogramowanie do wyszukiwania danych w celu określenia sygnałów wejściowych i wyjściowych, które w ciągu ostatnich 20 lat przyniosły opłacalną strategię handlową dla każdej z czterech par walutowych. Co on wymyśla to połączenie trzech reguł opartych na cenach, które stanowią podstawę strategii Forex Majorors. Daniel8217s Strategia Forex Senior Strategy Daniel8217s Strategia Forex Majors jest bardzo prosta, ponieważ zawsze ma pozycję długą lub krótką, w każdej z czterech par waluty, którą prowadzi handel. Opiera wszystkie swoje transakcje na dziennych wykresach. Strategia trwa długo, gdy spełnione są trzy następujące warunki: Strategia idzie krótko, gdy spełnione są następujące trzy warunki: Jak widać, strategia jest zasadniczo zoptymalizowana pod względem strategii. Ma to sens, ponieważ Daniel stwierdza na początku jego artykułu, że długoterminowy trend po strategii jest na ogół najlepszą strategią handlu wieloma rynkami. Jedną dodatkową zasadą, którą wykorzystuje strategia Daniel8217s, jest stop loss-based ATR. Stała stop loss jest ustawiona na 180 z 20-dniowego ATR. Jeśli stop-loss jest wyzwalany, strategia pozostaje poza rynkiem, dopóki nie zostanie wygenerowany sygnał w przeciwnym kierunku. Testowanie wskazuje, że ponowne wejście na sygnał w tym samym kierunku negatywnie wpływa na wydajność. Wyniki testów zwrotnych Wyniki testów, które Daniel zamieścił w swoim tekście dowodzą, że strategia ta była opłacalna. Przyniósł wskaźnik wygranej 45, współczynnik zysku 1,38, a stosunek wynagrodzenia do ryzyka 1,68. Najbardziej zaniepokojony strategią Daniel8217 był fakt, że maksymalny okres wypłaty był bardzo długi. Według liczb Daniel8217s, średni roczny zwrot wynosi 9,67. To składało się z 16 lat zysku, 4 lat traci, a rok, które zasadniczo łamały się. Najlepszym rokiem był zwrot 37.76, a najgorszym rokem była strata 20.2. Daniel zauważa, że ​​ten system nie stanowi dobrej samodzielnej strategii ze względu na jej zwrot w stosunku do maksymalnych wypłat. Jednak sugeruje, że może być interesującym elementem większej, wieloplatformowej strategii. Kopiowanie danych Kopiowanie danych w poszukiwaniu danych W tym artykule zapoznaj się z dwoma powiązanymi praktykami, które są powszechnie używane przez podmioty gospodarcze zwane Backtesting i Mining Data. Są to techniki, które są mocne i cenne, jeśli używamy ich poprawnie, jednak często tracą na nie korzyść. Dlatego też dobrze zbadaj dwa wspólne pułapki tych technik, znane jako problem wielu hipotez i nadmierne zużycie oraz jak przezwyciężyć te pułapki. Badanie wstępne jest tylko procesem wykorzystywania danych historycznych do testowania skuteczności niektórych strategii handlowych. Badanie zwrotne rozpoczyna się zazwyczaj od strategii, którą chcemy przetestować, na przykład kupując GBPUSD, gdy przekroczy ona 20-dniową średnią ruchomej i będzie sprzedawać, gdy przekroczy tę średnią. Teraz możemy przetestować tę strategię, obserwując, co robi rynek, ale to potrwa długo. Używamy danych historycznych, które są już dostępne. Ale poczekaj, poczekaj, slyszalem, jak mówisz. Czy nie można oszukiwać, a przynajmniej być stronniczymi, ponieważ wiesz, co wydarzyło się w przeszłości? To zdecydowanie zaniepokojenie, więc ważnym testem wstecznym będzie ten, w którym nie znamy danych historycznych. Możemy to osiągnąć wybierając przypadkowe okresy czasu lub wybierając różne okresy czasu, w których przeprowadzamy test. Teraz słyszę kolejną grupę z was, mówiąc: "Ale wszystkie te dane historyczne, które właśnie tam czekają, aby zostać przeanalizowanym, są kuszące, nie jest to, być może istnieją głębokie tajemnice, że dane czekają tylko na geeksów, aby nas odkryć. Byłoby tak źle, gdybyśmy najpierw zbadali te dane historyczne, analizowali je i sprawdzili, czy można znaleźć wzorce ukryte w nim. Ten argument jest ważny, ale prowadzi nas w obszar obarczony niebezpieczeństwem. świat wydobywania danych Wydanie danych wymaga przeszukiwania danych w celu zlokalizowania wzorców i znalezienia możliwych korelacji między zmiennymi. W powyższym przykładzie z 20-dniową średnią ruchomą strategią wyskakujemy tylko z tego konkretnego wskaźnika na niebiesko, ale przypuszczam, że nie mieliśmy pojęcia, jakiego typu strategię chcielibyśmy przetestować, gdy eksploracja danych jest przydatna. Możemy przeszukiwać nasze historyczne dane na temat GBPUSD, aby sprawdzić, jak ta cena zachowywała się po przekroczeniu wielu różnych średnich kroczących. Możemy też sprawdzić ruchy cen względem wielu innych typów wskaźników i zobaczyć, które z nich odpowiadają dużym wahaniom cen. Temat eksploracji danych może być kontrowersyjny, ponieważ jak omówiłem powyżej, wydaje się, że jest to trochę oszustwo lub patrzenie w przyszłość w danych. Czy data mining jest ważną techniką naukową Z jednej strony naukowa metoda mówi, że najpierw miała powstać hipoteza, a następnie przetestować ją na podstawie naszych danych, ale z drugiej strony, wydaje się właściwe, aby najpierw przeprowadzić badania danych, aby sugerować hipotezę. Więc co jest słuszne Możemy spojrzeć na kroki w Metodzie Naukowym, aby znaleźć wskazówkę do źródła zamieszania. Proces ogólnie wygląda następująco: Obserwacja (dane) Eksperyment hipotetyczny (dane) Zwróć uwagę, że możemy poradzić sobie z danymi zarówno podczas etapów obserwacji, jak i eksperymentu. Tak więc obie poglądy są słuszne. Musimy wykorzystać dane, aby stworzyć rozsądną hipotezę, ale również testujemy tę hipotezę przy użyciu danych. Celem jest po prostu upewnienie się, że dwa zestawy danych nie są takie same Nie musimy testować naszej hipotezy, używając tego samego zestawu danych, który sugerowaliśmy naszą hipotezę. Innymi słowy, jeśli korzystasz z eksploracji danych w celu wymyślenia pomysłów na strategie, upewnij się, że używasz innego zestawu danych do testowania tych pomysłów. Teraz zwróćmy naszą uwagę na główne pułapki wykorzystywania eksploracji danych i testowania wstecznego nieprawidłowo. Ogólny problem zwany jest nadmierną optymalizacją i wolę złamać ten problem na dwa różne typy. Są to problemy i hipotetyczne problemy wielokrotne. W pewnym sensie są odwrotnymi sposobami popełniania tego samego błędu. Problem z wieloma hipotezami polega na wyborze wielu prostych hipotez, podczas gdy nadmierne dopasowanie wymaga stworzenia jednej bardzo złożonej hipotezy. Problem z wieloma hipotezami Aby zobaczyć, jak ten problem się pojawia, wróćmy do naszego przykładu, w którym sprawdziliśmy 20-dniową średnią ruchomą strategię. Pozwólmy przypuszczać, że sprawdzamy strategię wobec dziesięciu lat historycznych danych rynkowych i oto przypuszczamy, że wyniki są niezbyt zachęcające. Jednak będąc szorstkimi i biednymi kupcami takimi jak my, zdecydowaliśmy się nie poddawać się tak łatwo. Co z dziesięciodniową średnią ruchomą To może się trochę poprawić, więc sprawdź, czy się sprawdza? Przeprowadzamy kolejny test wyników i stwierdzamy, że wyniki wciąż są niespotykane gwiazdami, ale są o wiele lepsze niż wyniki 20-dniowe. Postaramy się zbadać trochę i przeprowadzić podobne testy z średnim ruchem 5-dniowym i 30-dniowym. Wreszcie zdarza się nam, że możemy w zasadzie po prostu testować każdą średnią ruchomej do pewnego momentu i zobaczyć, jak one wszystkie wykonują. Więc testujemy 2-dniowe, 3-dniowe, 4-dniowe, i tak dalej, aż do 50-dniowej średniej ruchomej. Teraz niektóre z tych średnich będą słabo działać, a inne będą działać całkiem nieźle, ale będzie to jedno z nich, które jest absolutnie najlepsze. Na przykład możemy zauważyć, że średnia 32-dniowa średnia ruchoma okazała się najlepsza w tym konkretnym dziesięcioletnim okresie. Czy to oznacza, że ​​jest coś szczególnego w odniesieniu do średniej dziennej 32 dni i że powinniśmy mieć pewność, że będą się dobrze to robić w przyszłości Niestety, wielu przedsiębiorców zakłada, że ​​tak właśnie jest, i po prostu przestają analizować w tym miejscu, myśląc, że odkryli coś głęboko. Spadły one do pułapki z wieloma problemami hipotecznymi. Problem polega na tym, że nie ma nic niezwykłego ani znaczącego, że średnia okazała się być najlepsza. Przecież testowaliśmy prawie pięćdziesiąt z nich na tych samych danych, więc wed spodziewaj się kilku dobrych wykonawców, przypadkowo. Nie oznacza to nic specjalnego w odniesieniu do konkretnej średniej ruchomej, która wygrała w tym przypadku. Problem powstaje, ponieważ testowaliśmy wiele hipotez, dopóki nie znaleźliśmy jednego, który działał, zamiast wybierać pojedynczą hipotezę i testować ją. Jest to dobra klasyczna analogia. Moglibyśmy wymyślić jedną hipotezę, taką jak Scott, która świetnie spisuje się na monecie. Z tego możemy stworzyć przewidywanie, które mówi: Jeśli hipoteza jest prawdziwa, Scott będzie mógł odwrócić 10 głów z rzędu. Wtedy możemy wykonać prosty eksperyment, aby przetestować tę hipotezę. Jeśli mogę odwrócić 10 głów z rzędu, to rzeczywiście nie udowodni hipotezy. Jeśli jednak nie mogę tego dokonać, zdecydowanie odrzuca hipotezę. W miarę powtarzania eksperymentów, które nie zdradzają hipotezy, wzrasta nasze zaufanie do jej prawdy. To właściwy sposób. Co jednak, gdybyśmy wymyślili 1000 hipotez, a nie tylko jednego o mnie, jako dobrym frajerze monet, moglibyśmy postawić tę samą hipotezę na temat 1000 różnych ludzi. ja, Ed, Cindy, Bill, Sam itd. Ok, teraz sprawdzmy nasze wielokrotne hipotezy. Prosimy wszystkich 1000 osób o zwrot monetę. Prawdopodobnie będzie około 500 osób, które odwracają głowy. Wszyscy inni mogą wrócić do domu. Teraz poproszę tych 500 osób, aby ponownie odwzajemniły się, a tym razem około 250 osób odwzajemni się. Na trzecim okrążeniu około 125 osób kręci się głową, na czwartym ok. 63 osób pozostało, a na piątej flipie jest około 32. Te 32 osoby są całkiem niesamowitym arent theyve wszystkie przerzucone pięć głów z rzędu Jeśli flip pięć więcej razy i wyeliminować połowę ludzi za każdym razem średnio, skończy się na 16, potem 8, potem 4, potem 2, a na końcu jedna osoba, która odwróciła dziesięć głów z rzędu. Bill Bill to fantabulous flipper monet Lub czy on naprawdę nie wiemy, i to jest punkt. Bill mógł wygrać nasz konkurs z czystej szansy, lub może on być najlepszym wyborem szefów tej strony galaktyki Andromedy. Z tego samego powodu nie wiemy, czy średnia ruchoma z 32-dniowego przebiegu z naszego przykładu po prostu dobrze sprawdziła się w naszym teście z czystej szansy, czy też jest naprawdę coś specjalnego. Ale jak na razie wszystko to zrobiliśmy, jest znalezienie hipotezy, a mianowicie, że 32-dniowa średnia ruchoma jest opłacalna (lub że Bill jest wielkim flipem monety). Jeszcze nie sprawdziliśmy tej hipotezy. Więc teraz, gdy rozumiemy, że nie znaleźliśmy niczego znaczącego w odniesieniu do 32-dniowej średniej ruchomej lub zdolności Bills do przeliczania monet, naturalnym pytaniem jest to, co robić dalej Jak wspomniano powyżej, wielu przedsiębiorców nigdy nie zdaje sobie sprawy, że tam jest kolejnym krokiem wymaganym w ogóle. Cóż, w przypadku Billa prawdopodobnie zapytasz, Aha, ale może odwrócić dziesięć głów z rzędu ponownie W przypadku 32-dniowej średniej ruchomej, wed chcesz je przetestować ponownie, ale na pewno nie na tej samej próbce danych, my wybraliśmy tę hipotezę. Wybraliśmy kolejny dziesięcioletni okres i zobaczmy, czy strategia działa tak samo dobrze. Możemy kontynuować ten eksperyment tyle razy, ile tylko chcieliśmy, dopóki nie zabraknie nam podaż nowych dziesięcioletnich okresów. Odwołujemy się do tego jako próbki próbnej i jej sposobu na uniknięcie tego pułapki. Istnieją różne metody takiego testowania, z których jedna jest walidacją krzyżową, ale w tej kwestii nie znajdziemy wiele szczegółów. Nadmierne dopasowanie jest w istocie odwróceniem powyższego problemu. W powyższym przykładzie hipotecznym na wielu przykładach przyjrzeliśmy się wielu prostym hipotezom i wybraliśmy ten, który najlepiej wykonał w przeszłości. W nadmiarze najpierw przyjrzymy się przeszłości, a następnie skonstruuj jedną, złożoną hipotezę, która dobrze pasuje do tego, co się stało. Na przykład jeśli spojrzymy na kurs USDJPY w ciągu ostatnich 10 dni, może się okazać, że codzienne zamknięcia robią to: w górę, w dół, w górę, w górę, w górę, w dół, w dół, w dół, w górę. Widzisz ten wzór Tak, ani właściwie. Ale jeśli chciałbym wykorzystać te dane do sugerowania hipotezy, mógłbym się wymyślić. Moja zdumiewająca hipoteza: jeśli cena zamknięcia rośnie dwa razy z rzędu, to na jeden dzień lub jeśli spadnie przez trzy dni z rzędu, powinniśmy kupić, ale jeśli cena zamknięcia wzrośnie trzy dni z rzędu, powinniśmy sprzedać , ale jeśli potrwa trzy dni z rzędu, a potem trzy dni z rzędu, powinniśmy kupić. Huh Brzmi jak dziwna hipoteza prawda Ale gdybyśmy wykorzystali tę strategię w ciągu ostatnich 10 dni, mielibyśmy rację w każdym pojedynczym handlu, jaki zrobiliśmy Overfitter wykorzystuje testy do przeszukiwania danych i wydawania danych inaczej niż wielu producentów hipotez. Overfitter doesnt wymyślić 400 różnych strategii do testów wstecznych. Żadna droga Overfitter używa narzędzi do wyszukiwania danych, aby dowiedzieć się tylko jednej strategii, bez względu na to, jak bardzo skomplikowane, które miały najlepsze wyniki w okresie testowania. Czy to będzie działać w przyszłości? Nie jest prawdopodobne, ale zawsze możemy dostosowywać model i testować strategię w różnych próbkach (po ponownym próbie próbnej), aby sprawdzić, czy nasza wydajność poprawia się. Kiedy przestajemy poprawiać wydajność i jedyną rzeczą, która rośnie jest złożoność naszego modelu, wiemy, że weve przekroczyliśmy linię w overfitting. Podsumowując, widzimy, że eksploracja danych to sposób na wykorzystanie naszych historycznych danych o cenach, które sugerują wykonalną strategię handlową, ale musimy być świadomi pułapek związanych z wieloma problemami hipotetycznymi i nadmiernymi kosztami. Sposób, aby upewnić się, że nie padnie ofiarą tych pułapek, jest sprawdzenie naszej strategii przy użyciu innego zestawu danych niż ten, który wykorzystaliśmy podczas wyszukiwania danych. Zazwyczaj mówimy o tym jako próbie próbki. Jednym z problemów związanych z eksplorowaniem danych jest to, że firmy handlowe zazwyczaj używają różnych typów filtrów do wyszukiwania wzoru. Problem z tym jest, ŻE ŻADNY sygnał składa się z różnych sygnałów sinusoidalnych, więc przy zastosowaniu różnych filtrów do sygnału na pewno będziemy na końcu z wzorem. Przeprowadzono wiele badań nad wzorcem cen, głównie opierają się na eksploracji danych, pytanie zakłada, że ​​przyszłość odzwierciedla przeszłość, odpowiedź brzmi. Mamy 5050 szans. procent można zwiększyć badając ten wzór na różnych danych. Jeśli chcemy nawet zwiększyć ten procent, musimy wiedzieć, jaka jest przyczyna tego schematu, wiedząc o przyczynie tego modelu, mielibyśmy przewagę w handlu. Na przykład będę robił to założenie, let8217 mówi, że w każdy pierwszy piątek każdego miesiąca ze względu na wiele wieści handlowców mają tendencję do wychodzenia z handlu w godzinach porannych przed wiadomościami i wejść ponownie po nowości, więc jest wzór sprzedaży i kupowanie w pewnym momencie. moglibyśmy wykorzystać te informacje do naszej korzyści, stosując jakiś rodzaj transakcji hedgingowych, więc wchodzimy zarówno do kupna, jak i sprzedajemy wiadomości. a następnie po wiadomościach, które sprzedajemy tylko dla tych, którzy chcą kupić, a nie chcesz trzymać pozycji w wiadomościach i pozwolimy kupić, aż cena wróci, może to być zastosowane do stopy procentowej lub innej konfiguracji 8230 bla bla. to tylko teoria. Używam tego, aby stwierdzić, że strach i chciwość mają czas na rynku. Więc co tworzy wzorce cen to strach i chciwość, teraz jeśli wyodrębnimy wzór i poznajemy przyczynę tego wzoru, jak w poprzednim przykładzie, strach przed wiadomościami lub rozliczenie konta pod koniec miesiąca. Rzeczy jak te. to moglibyśmy teoretycznie przewidzieć przyszłość, pierwsze dwa post skopiowane z tej strony wszystkie artykuły z Scott Percival są warte przeczytania Excellent Thread MiniMe Dołącz do nas Pobierz MetaTrader 5 Copyright 2000-2018, MQL5 Ltd.