Trading Strategy Generator

MetaTrader 5 - Sistemas de Negociação Análise de Regressão Múltipla. Gerador de estratégia e testador em uma introdução Um conhecido meu quando assistir a um curso de negociação de Forex, uma vez que recebeu uma atribuição para desenvolver um sistema de negociação. Depois de ter problemas com ele por cerca de uma semana, ele disse, que esta tarefa era provavelmente mais difícil do que escrever uma tese. Foi então que eu sugeri usar a análise de regressão múltipla. Como resultado, um sistema de negociação desenvolvido a partir do zero durante a noite foi aprovado com êxito pelo examinador. O sucesso do uso da regressão múltipla está na capacidade de encontrar rapidamente relacionamentos entre indicadores e preço. As relações detectadas permitem prever o valor do preço com base nos valores dos indicadores com um certo grau de probabilidade. O software estatístico moderno permite filtrar simultaneamente milhares de parâmetros na tentativa de encontrar esses relacionamentos. Isto pode ser comparado ao peneirar industrial do ouro do cascalho. Uma estratégia pronta para usar e um gerador de estratégia serão desenvolvidos carregando os dados do indicador na análise de regressão múltipla e aplicando a manipulação de dados, respectivamente. Este artigo irá demonstrar o processo de criação de uma estratégia de negociação usando a análise de regressão múltipla. 1. Desenvolver um Robotrader - Pedaço de bolo A espinha dorsal do sistema comercial desenvolvido durante a noite como mencionado anteriormente foi uma única equação: onde se Reg 0, nós vendemos. A equação foi um resultado da análise de regressão múltipla que utilizou a amostra de dados de indicadores padrão. Um EA foi desenvolvido com base na equação. O pedaço de código responsável pelas decisões de negociação consistia praticamente em apenas 15 linhas. A EA com um código-fonte completo está anexada (verificação R). A amostra de dados para a análise de regressão foi recolhida sobre o EUR / USD H1 durante dois meses entre 1 de Julho de 2011 e 31 de Agosto de 2011. Fig. 1 mostra os resultados de desempenho de EA durante o período de dados para o qual foi desenvolvido. É peculiar que superprofit, que é frequentemente o caso no Tester, não foi observado nos dados do treinamento. Deve ser um sinal de falta de reoptimização. FIG. 1. Desempenho da EA durante o período de treinamento Fig. 2 demonstra os resultados de desempenho de EA nos dados de teste (de 1 de setembro a 1 de novembro de 2011). Afigura-se que os dados de dois meses eram suficientes para que a AE permanecesse rentável por mais dois meses. Dito isto, o lucro obtido pela EA durante o período de teste foi o mesmo que durante o período de treinamento. FIG. 2. Desempenho da EA ao longo do período de teste Assim, com base na análise de regressão múltipla, foi desenvolvida uma EA bastante simples que produziu lucros para além dos dados de formação. A análise de regressão pode, portanto, ser aplicada com sucesso na construção de sistemas de negociação. No entanto, os recursos da análise de regressão não devem ser superestimados. As suas vantagens e desvantagens serão apresentadas mais adiante. 2. Análise de Regressão Múltipla O propósito geral da regressão múltipla é a análise da relação entre várias variáveis ​​independentes e uma variável dependente. No nosso caso, é a análise da relação entre valores de indicadores eo movimento de preços. Em sua forma mais simples, esta equação pode aparecer da seguinte maneira: Variação de preço a RSI b MACD Uma equação de regressão só pode ser gerada se houver uma correlação entre variáveis ​​independentes e uma variável dependente. Uma vez que os valores dos indicadores são, regra geral, inter-relacionados, a contribuição dos indicadores para a previsão pode variar sensivelmente se um indicador for adicionado ou removido da análise. Observe que uma equação de regressão é uma mera demonstração da dependência numérica e não uma descrição de relações causais. Os coeficientes (a, b) indicam a contribuição de cada variável independente para sua relação com uma variável dependente. Uma equação de regressão representa uma dependência ideal entre as variáveis. Isto é, no entanto, impossível em Forex ea previsão será sempre diferente da realidade. A diferença entre o valor previsto eo observado é chamada de residual. A análise dos resíduos permite identificar inter alia uma dependência não linear entre o indicador eo preço. No nosso caso, assumimos que existe apenas dependência não linear entre indicadores e preço. Felizmente, a análise de regressão não é afetada por pequenos desvios da linearidade. Ele só pode ser usado para analisar parâmetros quantitativos. Os parâmetros qualitativos que não possuem valores de transição não são adequados para a análise. O fato de que a análise de regressão pode processar qualquer número de parâmetros pode levar à tentação de incluir na análise o maior número deles possível. Mas se o número de parâmetros independentes é maior do que o número de observações de sua interação com um parâmetro dependente, há uma grande chance de obter equações produzindo boas previsões, que são no entanto baseadas em flutuações aleatórias. O número de observações será 10-20 vezes maior do que o número de parâmetros independentes. Em nosso caso, o número de indicadores contidos na amostra de dados será 10-20 vezes maior do que o número de comércios em nossa amostra. A equação gerada será então considerada confiável. A amostra com base na qual o Robotrader descrito na seção 1 foi desenvolvida, continha 33 parâmetros e 836 observações. Como resultado, o número de parâmetros foi 25 vezes maior do que o número de observações. Este requisito é uma regra geral em estatística. Também é aplicável ao otimizador MetaTrader 5 Strategy Tester. Além disso, cada valor dado do indicador no otimizador é de fato um parâmetro separado. Em outras palavras, ao testar 10 valores indicadores, estamos lidando com 10 parâmetros independentes que devem ser levados em consideração para evitar a reoptimização. Um relatório do otimizador provavelmente deve incluir outro parâmetro: número médio de negócios / número de valores de todos os parâmetros otimizados. Se o valor do indicador for inferior a dez, é provável que a reoptimização seja necessária. Outra coisa a ser considerada é outliers. Eventos raros e poderosos (no nosso caso, picos de preços) podem adicionar dependências falsas à equação. Por exemplo, após a notícia inesperada, o mercado respondeu com movimentos substanciais que duraram algumas horas. Os valores dos indicadores técnicos seriam, neste caso, de pouca importância na previsão, mas seriam considerados altamente significativos na análise de regressão, uma vez que houve uma mudança de preços acentuada. Por conseguinte, é aconselhável filtrar os dados da amostra ou verificar se existem valores abertos. 3. Criando sua própria estratégia Nós abordamos a parte chave onde veremos como gerar uma equação de regressão baseada em seus próprios dados. A implementação da análise de regressão é semelhante à da análise discriminante exposta anteriormente. A análise de regressão inclui: Preparação de dados para a análise Seleção das melhores variáveis ​​a partir dos dados preparados Obtenção de uma equação de regressão. A análise de regressão múltipla faz parte de numerosos produtos de software avançados destinados à análise de dados estatísticos. Os mais populares são o Statistica (da StatSoft Inc.) e o SPSS (da IBM Corporation). Vamos considerar ainda a aplicação da análise de regressão usando Statistica 8.0. 3.1. Preparação de Dados para a Análise Devemos gerar uma equação de regressão onde o comportamento de preço na próxima barra pode ser previsto com base nos valores de indicador na barra atual. A mesma EA que foi utilizada para a preparação de dados de análise discriminante será utilizada para a recolha de dados. Vamos expandir sua funcionalidade adicionando uma função para salvar valores de indicadores com outros períodos. Um conjunto alargado de parâmetros será utilizado para a optimização da estratégia com base na análise dos mesmos indicadores, mas com períodos diferentes. Para carregar dados no Statistica, você deve ter um arquivo CSV com a seguinte estrutura. As variáveis ​​devem ser dispostas em colunas onde cada coluna corresponde a um determinado indicador. As linhas devem conter medições consecutivas (casos), isto é, valores de indicadores para certas barras. Em outras palavras, os cabeçalhos de tabela horizontal contêm indicadores, os cabeçalhos de tabela vertical contêm barras consecutivas. Os indicadores a serem analisados ​​são: Cada linha de dados do nosso arquivo conterá: Mudanças no preço na barra entre os valores de Abertura e Fechadura dos indicadores observados na barra anterior. Assim, vamos gerar uma equação descrevendo o comportamento de preços futuros com base nos valores de indicadores conhecidos. Além do valor do indicador absoluto, precisamos salvar a diferença entre o valor absoluto eo valor precedente para ver a direção da mudança nos indicadores. Os nomes de tais variáveis ​​no exemplo fornecido terão o prefixo d. Para indicadores de linha de sinal, é necessário salvar a diferença entre a linha principal e de sinal, bem como sua dinâmica. Os nomes dos dados coletados por indicadores com outros períodos terminam com p. Para demonstrar a otimização, apenas um período foi adicionado, sendo o dobro do comprimento do período padrão do indicador. Além disso, salve o tempo da nova barra eo valor da hora relevante. Salve a diferença entre Abrir e Fechar para a barra onde os indicadores são calculados. Isso será necessário para filtrar outliers. Como resultado, serão analisados ​​33 parâmetros para gerar uma equação de regressão múltipla. A coleta de dados acima é implementada na coleção EA R anexada ao artigo. O arquivo MasterData. CSV será criado depois de iniciar o EA no diretório de dados do terminal / MQL5 / Files. Ao iniciar o EA no testador, ele estará localizado no diretório de dados do terminal / testador / Agent-127.0.0.1-3000 / MQL5 / Files. O arquivo obtido pode ser usado no Statistica. Um exemplo de tal arquivo pode ser encontrado em MasterDataR. CSV. Os dados foram coletados para o EUR / USD H1 de 3 de janeiro de 2011 a 11 de novembro de 2011 usando o Testador de Estratégia. Somente os dados de agosto e setembro foram utilizados na análise. Os dados restantes foram salvos em um arquivo para você praticar. Para abrir o arquivo. CSV no Statistica, faça o seguinte. No Statistica, vá ao menu Arquivo Abrir, selecione o tipo de arquivo Arquivos de dados e abra o arquivo. CSV. Deixe Delimitado na janela Tipo de Importação de Arquivo de Texto e clique em OK. Ativar os itens sublinhados na janela aberta. Lembre-se de colocar o ponto decimal no campo do caractere separador decimal, independentemente de ele já estar lá ou não. FIG. 3. Importando o arquivo para o Statistica Clique em OK para obter a tabela que contém nossos dados que está pronta para a análise de regressão múltipla. Um exemplo do arquivo obtido para ser usado Statistica pode ser encontrado em MasterDataR. STA. 3.2. Seleção Automática de Indicadores Execute a análise de regressão (Estatística - Regressão Múltipla). FIG. 4. Execução da análise de regressão Na janela aberta, vá para a guia Avançado e ative os itens marcados. Clique no botão Variáveis. Selecione a variável dependente no primeiro campo e as variáveis ​​independentes com base nas quais a equação será gerada - no segundo campo. No nosso caso, selecione o parâmetro Price no primeiro campo e Price 2 para dWPR - no segundo campo. FIG. 5. Preparação para a selecção dos parâmetros Clique no botão Seleccionar casos (Fig. 5). Será aberta uma janela para seleção de casos (linhas de dados) que serão usados ​​na análise. Ativar itens como mostrado na Fig. 6. A fig. 6. Seleção de casos Especifique os dados relativos a julho e agosto que serão utilizados na análise. Estes são casos de 3590 a 4664. Os números de casos são definidos através da variável V0. A fim de evitar o efeito de outliers e picos de preços, adicionar dados de filtragem por preço. Incluir na análise somente os valores dos indicadores para os quais a diferença entre Open e Close na última barra não seja superior a 250 pontos. Especificando aqui as regras para seleção de casos para a análise, definimos uma amostra de dados para geração de equação de regressão. Clique em OK aqui e na janela para preparar a seleção dos parâmetros (Fig. 5). Uma janela com opções dos métodos de seleção automática de dados será aberta. Selecione o método Forward Stepwise (Fig. 7). FIG. 7. Seleção do método Clique em OK. E uma janela irá abrir informando que a análise de regressão foi concluída com êxito. FIG. 8. Janela de resultados da análise de regressão A seleção automática de parâmetros refere-se apenas aos que contribuem materialmente para a correlação múltipla entre os parâmetros (variáveis ​​independentes) ea variável dependente. No nosso caso, um conjunto de indicadores serão selecionados, melhor preço determinante. Com efeito, a selecção automática actua como um gerador de estratégia. A equação gerada será composta somente por indicadores confiáveis ​​e que melhor descrevam o comportamento dos preços. A parte superior da janela de resultados (Fig. 8) contém características estatísticas da equação gerada enquanto os parâmetros incluídos na equação estão listados na parte inferior. Preste atenção às características sublinhadas. R múltiplo é o valor da correlação múltipla entre o preço e os indicadores incluídos na equação. P é o nível de significância estatística dessa correlação. Um nível de menos de 0,05 é considerado estatisticamente significativo. Número de casos é o número de casos utilizados na análise. Os indicadores cuja contribuição é estatisticamente significativa são exibidos em vermelho. Idealmente, todos os indicadores devem ser marcados a vermelho. As regras usadas no Statistica para incluir parâmetros na análise nem sempre são otimizadas. Por exemplo, um grande número de parâmetros insignificantes pode ser incluído em uma equação de regressão. Devemos, portanto, usar a nossa criatividade e ajudar o programa na seleção de parâmetros. Se a lista contiver parâmetros insignificantes, clique em Resumo: Resultados de regressão. Será aberta uma janela com os dados de cada indicador (Fig. 9). FIG. 9. Relatório sobre os parâmetros incluídos na equação de regressão Encontre um parâmetro insignificante com o nível p mais alto e lembre-se de seu nome. Volte ao passo onde os parâmetros foram incluídos na análise (Fig. 7) e remova este parâmetro da lista de parâmetros selecionados para a análise. Para retornar, clique em Cancelar na janela dos resultados da análise e repita a análise. Tente excluir todos os parâmetros insignificantes desta maneira. Ao fazê-lo, procure o valor de correlação múltipla obtido (Multiple R), uma vez que não deve ser consideravelmente inferior ao valor inicial. Parâmetros insignificantes podem ser removidos da análise um por um ou todos de uma vez, a primeira opção sendo mais aconselhável. Como resultado, a tabela agora contém apenas os parâmetros significativos (Fig. 10). O valor de correlação diminuiu 20, o que é provavelmente devido a coincidências aleatórias. Uma série numérica infinitamente longa é conhecida por ter um número infinito de coincidências aleatórias. Como as amostras de dados que processamos são bastante grandes, coincidências aleatórias e relações aleatórias são freqüentemente o caso. Portanto, é importante usar parâmetros estatisticamente significativos em suas estratégias. FIG. 10. A equação inclui apenas os parâmetros significativos Se após a seleção dos parâmetros, um grupo de vários indicadores significativamente correlacionando com o preço não pode ser formado, o preço é susceptível de conter pouca informação sobre os eventos passados. Trades com base em qualquer análise técnica deve em casos como este ser muito prudente ou mesmo suspenso completamente. No nosso caso, apenas cinco dos 33 parâmetros demonstraram ser eficazes no desenvolvimento de uma estratégia com base na equação de regressão. Essa qualidade da análise de regressão é de grande benefício ao selecionar indicadores para suas próprias estratégias. 3.3. Equação de Regressão e sua Análise Assim, realizamos a análise de regressão e obtivemos a lista de indicadores corretos. Vamos transformá-lo agora em uma equação de regressão. Os coeficientes de equação para cada indicador são mostrados na coluna B dos resultados da análise de regressão (Fig. 10). O parâmetro Intercept na mesma tabela é um membro independente da equação e está incluído nela como um coeficiente independente. Vamos gerar uma equação com base na tabela (Figura 10), tomando os coeficientes da coluna B. Preço 22.7 205.2 dDemarker - 41686.2 dAC - 139.3 DeMarker 22468.8 Bulls - 14619,5 Bears Esta equação foi apresentada anteriormente na seção 1 como um código MQL5 ao longo Com os resultados de desempenho obtidos a partir do Tester para a EA desenvolvido com base nesta equação. Como pode ser visto, a análise de regressão foi adequada quando usada como testador de estratégia. A análise apresentou uma certa estratégia e selecionou indicadores relevantes da lista proposta. No caso de você desejar analisar mais a estabilidade da equação, você deve verificar para: Outliers na equação Normalidade de distribuição dos resíduos efeito não linear produzido por parâmetros individuais dentro da equação. Estas verificações podem ser efectuadas utilizando a análise residual. Para proceder à análise, clique em OK na janela de resultados (Fig. 8). Depois de realizar as verificações acima com relação à equação gerada, você verá que a equação não parece ser sensível a um pequeno número de outliers, pequeno desvio da distribuição normal de dados e uma certa não linearidade dos parâmetros. Se houver uma não linearidade significativa da relação, um parâmetro pode ser linearizado. Para esta finalidade, o Statistica oferece uma análise de regressão não-linear fixa. Para iniciar a análise, vá para o menu: Estatísticas - Regressão não linear fixa. Em geral, as verificações realizadas comprovaram que a análise de regressão múltipla não é sensível a uma quantidade moderada de ruído nos dados analisados. 4. Análise de regressão como um otimizador de estratégia Uma vez que a análise de regressão é capaz de processar milhares de parâmetros, ela pode ser usada para otimizar estratégias. Assim, se 50 períodos para um indicador precisam ser processados, eles podem ser salvos como 50 parâmetros individuais e enviados para a análise de regressão, tudo de uma vez. Uma tabela no Statistica pode caber 65536 parâmetros. Ao processar 50 períodos para cada indicador, cerca de 1300 indicadores podem ser analisados. Está muito além das capacidades do MetaTrader 5 Standard Tester. Vamos otimizar os dados usados ​​em nosso exemplo da mesma maneira. Como mencionado na seção 4.1 acima, para demonstrar a otimização, os valores dos indicadores com um período que é o dobro do comprimento do padrão foram adicionados aos dados. Os nomes desses parâmetros nos arquivos de dados terminam com p. Nossa amostra agora contém 60 parâmetros, incluindo os indicadores de período padrão. Seguindo as etapas descritas na seção 3.2, obteremos uma tabela como a seguir (Figura 11). FIG. 11. Resultados da análise dos indicadores com períodos diferentes A equação de regressão foi composta por 11 parâmetros: seis dos indicadores do período padrão e cinco dos indicadores do período alargado. A correlação dos parâmetros com o preço aumentou em um quarto. Os parâmetros do indicador MACD para ambos os períodos pareciam estar incluídos na equação. Uma vez que os valores do mesmo indicador para diferentes períodos são tratados como parâmetros diferentes na análise de regressão, a equação pode compreender e combinar valores dos indicadores para períodos diferentes. Por exemplo. A análise pode descobrir que o valor de RSI (7) está associado com o aumento de preço eo valor de RSI (14) está associado com a diminuição de preço. A análise feita pelo Testador Padrão nunca é tão detalhada. A equação de regressão gerada com base na análise prolongada (Fig. 11) é a seguinte: Preço 297 173 dDemarker - 65103 dAC - 177 DeMarker 28553 Bulls p - 24808 AO - 1057032 dMACDms p 2,41 WPR p - 2,44 Stoch pf 125536 MACDms 18,65 dRSI p - 0,768 dCCI Vamos ver os resultados que esta equação produzirá na EA. FIG. 12 mostra os resultados do teste da EA utilizando os dados de 1 de Julho a 1 de Setembro de 2011 que foram aplicados na análise de regressão. O gráfico ficou mais suave e a EA rendeu mais lucro. FIG. 12. Desempenho de EA durante o período de treinamento Vamos testar a EA durante o período de teste de 1 de setembro a 1 de novembro de 2011. O gráfico de lucro tornou-se pior do que era no caso da EA com indicadores de período padrão apenas. A equação gerada pode precisar ser verificada quanto à normalidade e não linearidade dos indicadores internos. Uma vez que a não linearidade foi observada em indicadores de período padrão, ela pode se tornar crítica durante o período prolongado. Neste caso, o desempenho da equação pode ser melhorado através da linearização dos parâmetros. De qualquer forma, a EA não foi um colapso total durante o período de teste, ele simplesmente não lucrou. Isso qualifica a estratégia desenvolvida como bastante estável. FIG. 13. Desempenho de EA durante o período de teste Deve-se notar que MQL5 suporta a saída de apenas 64 parâmetros em uma linha de um arquivo. Uma análise em larga escala dos indicadores ao longo de vários períodos exigirá a fusão das tabelas de dados que podem ser feitas no Statistica ou MS Excel. Conclusão Um pequeno estudo apresentado no artigo mostrou que a análise de regressão fornece uma oportunidade para selecionar dentre uma variedade de indicadores os mais significativos em termos de previsão de preços. Demonstrou também que a análise de regressão pode ser utilizada para procurar períodos indicadores que são óptimos dentro de uma dada amostra. Deve-se notar que as equações de regressão são facilmente transformadas em linguagem MQL5 e sua aplicação não requer alta proficiência na programação. Assim, a análise de regressão múltipla pode ser empregada no desenvolvimento da estratégia de negociação. Dito isto, uma equação de regressão pode servir como uma espinha dorsal para uma estratégia de negociação. Opções Binárias Estratégia de Negociação-Sistemas Sinais Última Atualização: 10/10/2015 Os resultados acima mostram o quão bons são nossos produtos. Você pode facilmente gerenciar para ganhar mais de oitenta por cento dos comércios em negociação binária, se você usar nossas estratégias. Usamos poucos ativos diferentes, incluindo estoques. Em nossas estratégias. Cada sistema usa um recurso exclusivo. O melhor de tudo, você pode usar qualquer corretor que você preferir. Nós usamos diferentes expira para os sinais, mas apenas 60 segundos de expiração é usado para as estratégias manuais. Você pode negociar, não importa o que as condições de mercado estão Juntando as mãos Estamos fundindo esta empresa com Elance360. Elance360 está fornecendo estratégias de negociação exclusivas, que são únicas. Resultados incríveis podem ser alcançados com alguma prática. Estamos trabalhando na integração da nossa antiga estratégia QQQ com as estratégias binárias do Elance360 para criar uma EA totalmente automatizada. O resultado será espetacular, fique atento para mais atualizações. Enquanto isso, você pode verificar as estratégias manuais que estão à venda. O que você está comprando Você tem a opção de obter o sistema manual ou sinais comerciais. Para as estratégias manuais, você terá que monitorar o mercado forex, a fim de comércio. Nossos sinais são gerados usando processos sofisticados. Cada sinal é verificado manualmente por nossa equipe de especialistas depois que eles revisam a ação de preço. DECLARAÇÃO DE RISCO: A negociação de ETFs (Exchange Traded Funds) tem recompensas potenciais, e também envolve riscos potenciais. Negociação ETFs pode não ser adequado para todos os visitantes deste site. Qualquer pessoa que deseje investir em ETFs deve procurar seu próprio conselho financeiro ou profissional independente. Negociação de Opções Binárias: opções de Forex, opções de ações, opções de indexação opções de commodities - opçõesClique em OpçõesClique. Para continuar a operar com o OptionsClick Aceito Aceito todas as políticas e termos e condições do LTL s (Leadtrade)