机器学习提出了贸易商寻找市场的边缘许多独特和引人注目的优势. 仅在过去一年中,我们看到了大量的资源,从世界顶级的对冲基金, 像布里奇沃特协会, 专门探讨这些技术.
在使用机器学习或人工智能似乎令人难以置信的复杂和难以实施, 还是有办法利用自己的能力,而无需在数学或科学博士学位.
在这个岗位, 我们将通过 3 不同的方式,你可以使用的技术从机器学习,以提高自己的交易.
指标的选择
其中一个最重要的决定是决定使用贸易哪些指标. 无论你是一个技术或基本交易, 或者你只是用价格行为进行交易, 你的成功将会在很大程度上依赖于您所使用的指标,以及如何解释它们.
亏得, 有许多不同的方法来选择的指标,这是被称为“特征选择”中的机器学习世界.
用决策树来选择您的指标
决策树是有被容易解释的好处非常灵活的算法. 鉴于大数据集的指标和资产的价格走势, 决策树会发现指标, 和指标值, 最分裂价格上涨和价格下降之间的数据. 指标更靠近树的顶部被视为比那些更好的预测更靠近树的底部, 并按照特定的分支可以让你轻松地找到指标之间的相互依存和相互关系.
决策树也会给你一套,你可以使用基于这些指标交易规则, 但你必须确保正确修剪树和测试过拟合.
决策树是一个功能强大, 可视化工具,它可以帮助你决定指标的组合交易而以什么样的价值观如何交易. 你可以找到如何用决策树建立战略教程 这里 或更一般的导向, 在研发 这里 是一个很好的资源.
优化
一旦你的基础,你的策略, 下一步骤是优化, 或者选择正确的参数值最大化您成功的机会. 许多策略有多种参数, 如指示灯设置, 进入和退出条件, 止损和利润水平, 和位置上浆, 尝试每一个组合,使“蛮力”的方法非常困难和耗费时间, 如果在所有可能的连.
解决这些类型的问题是另一个领域,机器学习的过人之处.
优化利用遗传算法策略
遗传算法通过创建一组唯一的“子”的策略,其中包含的最好的“父”的策略的混合物模仿自然选择的过程, 随机突变的机会.
该过程开始于你的策略编码到一个数组. 例如,它可以理解为类似:
指示器 1 期 | 指示器 2 期 | 购买条件 | 销售条件 | 风险:回报率 |
凡 50 – 200 周期均线交叉, 有 50 画中画 100 PIP风险收益比是:
50 – 周期均线 | 100 – 周期均线 | 指示器 1 跨越上述指标 2 | 指示器 1 穿越下方指示灯 2 | 50:100
|
那么你会产生大量的人口与这些参数的随机变化策略. 这些策略都均线周期的不同组合, 进入和退出条件, 和风险对回报率.
下一个, 你会被根据您选择的性能指标运行的每个策略在测试集并选择顶级策略测试这个人群.
最后, 你随意组合上的策略的特点, 有一个小机会“变异”的一些参数的, 打造新一代的“子”策略. 然后,重复评估程序,并再次从这个新一代的队友表现最佳的策略. 这导致适者生存场景的存活,其中只有前策略“生存”,以沿它们的基因传递给下一代
大量的时间,或直到一定的性能标准达到你留下了几代表现最好的策略建立了一个非常强大的策略,重复此过程!
你必须确保你选择一个合适的性能指标 (如风险调整收益) 始终在测试数据的最终策略,不用于构建策略,以确保您不会过度拟合某一特定数据集.
这是一个非常强大的和强大的方法,该方法已成功地在各种各样的应用, 包括交易的世界. 可以找到更详细的描述 这里 和教程如何在研发实现它 这里.
实时交易
其中一个更具吸引力的机器学习方面是有一个算法,能够学习和适应不断变化的市场条件. 然而, 这将创建一个“黑箱”的策略,, 如果你不完全理解的算法是如何工作的,并完全自己进行了测试, 很难相信一个真实账户. 不知道什么时候或为什么战略正在进入一个贸易可以是一个可怕的命题.
然而, 有很多方法可以得到一个智能的好处, 算法的方法,同时仍保持透明度和理解你的策略.
关联规则学习
关联规则的学习是得到一组清晰的过程, 从机器学习算法发现的模式可以理解的规则.
算法, 像Apriori算法, 搜索指标数据集, 指标值, 将得到的价格运动,以产生一组条件; 基本上是“如果 - 那么”声明, 这导致了性能最高的结果. 然而, 它仍然很难确切地知道这些规则是从哪里来的, Apriori算法需要相当大量的参数来进行调整,这个过程本身不适合以及不断变化的市场条件.
同 自救, 我们把这个过程又进了一步,让你看到的机器学习算法合奏发现模式, 从中你可以创建自己的交易规则. 这些规则是那么容易实现和调整,以不断变化的市场条件, 所有无需任何编程或数学经验. 你可以去交易使用机器学习算法的优点,同时仍保持完全的透明度, 你的战略的理解, 而包括你的交易你自己的专业领域知识.
使用机器学习和人工智能来在市场上找到的边缘并不需要被专门由只有最大的金融机构所拥有. 随着这项技术变得更容易获得这些技术更常见, 你也可以使用机器学习来提高自己的交易.
的Slaff
CEO /创始人之一