Jo Forex

IPath Bloomberg Coffee Sub-Index Total Return ETN (JO) Compras Pré-Mercado em Tempo Real Após Horas Notícias Pré-Mercado Citação Flash Resumo Citação Gráficos Interactivos Configuração Padrão Por favor, note que, uma vez que você fizer a sua seleção, ela se aplicará a todas as futuras visitas a NASDAQ. Se, a qualquer momento, você estiver interessado em reverter as nossas configurações padrão, selecione Configuração padrão acima. Se você tiver dúvidas ou encontrar quaisquer problemas na alteração das configurações padrão, envie um email para isfeedbacknasdaq. Confirme a sua seleção: Você selecionou para alterar sua configuração padrão para a Pesquisa de orçamento. Esta será a sua página de destino padrão, a menos que você altere sua configuração novamente ou exclua seus cookies. Tem certeza de que deseja alterar suas configurações. Temos um favor a ser solicitado. Desative seu bloqueador de anúncios (ou atualize suas configurações para garantir que o javascript e os cookies estejam habilitados), para que possamos continuar fornecendo as notícias do mercado de primeira linha E dados que você espera de nós. Máquina Aprendendo com algoTraderJo Inscrito em dezembro de 2014 Status: Membro 383 Posts Olá colegas comerciantes, estou começando esse tópico esperando compartilhar com você alguns dos meus desenvolvimentos no campo da aprendizagem por máquinas. Embora eu possa não compartilhar com você sistemas exatos ou implementações de codificação (não espere obter nada para quotplug-and-playquot e ficar rico com esse tópico), compartilharei com você idéias, resultados da minha experiência e possivelmente outros aspectos do meu trabalho. Estou começando esse tópico na esperança de que possamos compartilhar idéias e ajudar uns aos outros a melhorar nossas implementações. Vou começar com algumas estratégias simples de aprendizagem de máquina e, em seguida, entraremos em coisas mais complexas com o passar do tempo. Espero que você aproveite o passeio Juntado dezembro 2014 Status: Membro 383 Posts Eu quero começar por dizer algumas coisas básicas. Desculpe-me se a estrutura das minhas publicações deixa muito a desejar, não tenho nenhuma experiência de publicação no fórum, mas espero conseguir alguma coisa com o tempo. Na aprendizagem de máquinas, o que queremos fazer é simplesmente gerar uma previsão que seja útil para nossa negociação. Para fazer essa predição, geramos um modelo estatístico usando um conjunto de exemplos (saídas conhecidas e algumas entradas que as coisas têm poder preditivo para prever essas saídas), então fazemos uma previsão de uma saída desconhecida (nossos dados recentes) usando o modelo que criamos com Os exemplos. Para resumir, é um processo quotsimplequot em que fazemos o seguinte: Selecione o que queremos prever (este será o (s) nosso (s) alvo (s)) Selecione algumas variáveis ​​de entrada que pensamos poder prever nossos objetivos Crie um conjunto de exemplos usando dados passados Com nossas entradas e nossos objetivos Crie um modelo usando esses exemplos. Um modelo é simplesmente um mecanismo matemático que relaciona os inputstargets Faça uma previsão do alvo usando as últimas entradas conhecidas Comércio usando esta informação Eu quero dizer desde o início que é muito importante evitar o que muitos documentos acadêmicos sobre aprendizado de máquinas fazem, Que é tentar construir um modelo com matrizes de exemplos muito grandes e, em seguida, tentar fazer uma previsão de longo prazo em um conjunto de quotout de amostra. Construir um modelo com 10 anos de dados e, em seguida, testá-lo nos dois últimos é sem sentido, sujeito a muitos tipos de viés estatísticos que discutiremos mais adiante. Em geral, você verá que os modelos de aprendizagem de máquinas que eu construo são treinados em todas as barras (ou cada vez que preciso tomar uma decisão) usando uma janela de dados para a construção de exemplos (somente exemplos recentes são considerados relevantes). Claro, essa abordagem não é estranha a alguns tipos de preconceitos estatísticos, mas nós removemos o quotefácio no quarto quando usamos a ampla abordagem da amostra de amostra da maioria dos documentos acadêmicos (o que, sem surpresa, muitas vezes leva a abordagens que não são Realmente útil para o comércio). Há principalmente três coisas para se preocupar com a construção de um modelo de aprendizado de máquina: o que prever (que alvo) O que prever com (quais insumos) Como relacionar o alvo e as insumos (que modelo) A maior parte do que vou mencionar Nesta discussão, o foco será responder a essas perguntas, com exemplos reais. Se você deseja escrever qualquer dúvida que possa ter e tentarei dar-lhe uma resposta ou simplesmente informá-lo se vou responder depois. Iniciado em dezembro de 2014 Status: Membro 383 Posts Deixe-nos entrar nos negócios agora. Um verdadeiro exemplo prático usando a aprendizagem por máquina. Vamos supor que queremos construir um modelo muito simples usando um conjunto muito simples de entradas de dados. Para esta experiência, estas são as respostas às perguntas: O que prever (que alvo) - gt A direção do dia seguinte (otimista ou descendente) O que prever com (quais entradas) - gt A direção dos dois dias anteriores Como Para relacionar o alvo e as insumos (que modelo) - gt Um classificador de mapa linear Este modelo tentará prever a direcionalidade da próxima barra diária. Para construir nosso modelo, levamos os últimos 200 exemplos (uma direção de dias como alvo e as duas direções do dia anterior como entradas) e treinamos um classificador linear. Fazemos isso no início de cada barra diária. Se tivermos um exemplo em que dois dias de alta provocam um dia de baixa, os insumos seriam 1,1 eo alvo seria 0 (0bearish, 1bullish), usamos 200 desses exemplos para treinar o modelo em cada barra. Esperamos poder construir um relacionamento onde a direção de dois dias cede alguma probabilidade acima do acaso para prever corretamente a direção dos dias. Nós usamos um stoploss igual a 50 do período de 20 dias, True True Average, em cada comércio. Imagem anexa (clique para ampliar) Uma simulação desta técnica de 1988 a 2014 no EURUSD (dados antes de 1999 é DEMUSD) acima mostra que o modelo não possui geração de lucros estável. Na verdade, esse modelo segue uma caminhada aleatória negativamente tendenciosa, o que faz com que ele perca dinheiro como uma função da propagação (3 pips no meu sim). Olhe para o desempenho aparentemente fácil de termos em 1993-1995 e em 2003-2005, onde, aparentemente, poderíamos prever com sucesso os próximos dias a direcionalidade usando um modelo linear simples e os resultados direcionais dos últimos dois dias. Este exemplo mostra várias coisas importantes. Por exemplo, em intervalos de tempo curtos (que podem ser alguns anos) você pode ser facilmente enganado pela aleatoriedade --- você pode pensar que você tem algo que funciona o que realmente não faz. Lembre-se de que o modelo é reconstruído em cada barra, usando os últimos 200 exemplos de inputtarget. Que outras coisas você acha que pode aprender com este exemplo. Poste seus pensamentos bem. Então você previu que os compradores ou os vendedores participariam. Hmm, mas o que exatamente isso tem a ver com o preço subindo ou baixando 100 pips. O preço pode reagir de várias maneiras - pode ser apenas um tanque por algum tempo (enquanto todas as ordens limitadas estão preenchidas) E então continue avançando. Também pode retraitar 5, 10, 50 ou mesmo 99 pips. Em todos esses casos, você era um pouco certo sobre compradores ou vendedores entrar, mas você deve entender que esta análise não tem muito a ver com o seu comércio de 90pip para 100pip. Sim, você está certo Esta é uma grande parte da razão pela qual estamos obtendo resultados ruins ao usar o algoritmo de mapeamento linear. Porque a nossa rentabilidade está mal relacionada com a nossa previsão. Prever que os dias são bullishbearish é de uso limitado se você não sabe quanto o preço se moverá. Talvez suas previsões estejam corretas apenas nos dias que lhe dão 10 pips e você obtém todos os dias que têm 100 pip direcional totalmente errado. O que você consideraria um alvo melhor para um método de aprendizado de máquina Sim, você está certo Esta é uma grande parte da razão pela qual estamos obtendo resultados ruins ao usar o algoritmo de mapeamento linear. Porque a nossa rentabilidade está mal relacionada com a nossa previsão. Prever que os dias são bullishbearish é de uso limitado se você não sabe quanto o preço se moverá. Talvez suas previsões estejam corretas apenas nos dias que lhe dão 10 pips e você obtém todos os dias que têm 100 pip direcional totalmente errado. O que você consideraria um alvo melhor para um método de aprendizagem de máquinas Digamos se você tem 100 pip TP e SL, eu gostaria de prever o que vem primeiro: TP ou SL Exemplo: TP veio primeiro 1 SL veio primeiro 0 (ou -1, No entanto, você o mapea) Os clientes devem estar cientes dos riscos associados ao Forex. No mercado off-exchange, também chamado de mercado de balcão, um cliente de varejo negocia diretamente com uma parte do corretor e não há câmbio ou centro de compensação central para suportar a transação. O comércio de Forex é altamente especulativo, o que pode significar que os preços das moedas podem tornar-se extremamente voláteis. O comércio de Forex às vezes pode ser altamente alavancado, uma vez que os depósitos de baixa margem normalmente são necessários, um alto nível de alavancagem é obtido na negociação cambial. Um movimento de mercado relativamente pequeno terá um impacto proporcionalmente maior nos fundos que você depositou. Você pode sustentar uma perda total de seus fundos com contas menores. Uma vez que a possibilidade de perder todo o seu saldo de caixa existe, a especulação no mercado Forex só deve ser conduzida com capital de risco que você pode perder, o que não afetará dramaticamente o seu estilo de vida. De modo algum, nenhum desses conteúdos recomendam, defendem ou exijam a compra, venda ou detenção de qualquer instrumento financeiro. O desempenho passado de qualquer sistema ou metodologia comercial não é necessariamente indicativo de resultados futuros. Todas as análises realizadas juntamente com recomendações específicas são compartilhadas para uso nas contas do regime de prática. Você é absolutamente responsável por TODAS as decisões finais relativas ao sentido de direção para todas as contas VIVAS que você escolher para participar. Por isso, temos um portal educacional totalmente ativo e um horário de aula destinado a ajudar aqueles que buscam conhecimento para o crescimento pessoal durante sua jornada. Copy1995-2014 - Todos os direitos reservados.