RSX Swinger.
Gostaria de compartilhar uma peça de sistema RSX com você. Este sistema por configurações padrão compra quando RSX cruza 51 e vende quando cruza para baixo 49. Uma boa tendência seguindo o sistema que funciona bem mesmo em um mercado agitado. Nota: Versão 1.3 pode executar apenas 1 par de moedas por conta, enquanto as versões 2 e 3 podem executar vários pares por conta.
* Atualização: RSX Swinger v3.
No v3, existem dois tipos de método de verificação cruzada: Barra e Ponto. A verificação de barra compara o valor RSX da barra anterior com a barra atual, enquanto a verificação de ponto compara o valor RSX do valor RSX avaliado anterior com o valor RSX atual. Não sei qual método é melhor, então vamos testar juntos.
Configurações: RSX_Period, Buy_Level, Exit_Buy_Level, Sell_Level e Exit_Sell_Level: Parâmetros do indicador RSX, entrar e sair dos níveis. Allow_Rule_Exit: Se falso, apenas o fim de término encerrará as negociações. Se for verdade, o especialista encerrará negociações com lógicas de saída e parada final. Evaluate_Interval: Intervalo em minutos entre cada avaliação. Isso limita o número de negócios na mesma vela. Exemplo, se configurado para 30, então não haverá mais de 1 troca em 30 minutos. Se -1, perito avaliará lógicas na vela nova. Se 0, o especialista avaliará a lógica em todos os carrapatos (não recomendado). Se for superior a 0, o especialista avaliará todos os minutos especificados. TS_Trigger: distância mínima em pips antes de iniciar o arranque. Enable_Alert: Se for verdade, você será notificado quando houver um novo sinal. Se falso, você não vai.
não há extensão. isso é um mql? mt4? mq4? exp?
também onde posso obter o indicador RSX? Eu alraedy tenho isso, mas é para ligar para outras pessoas.
É mq4. Você pode procurar por RSX na seção de downloads (há uma funcionalidade de pesquisa).
Hmm, obtendo US $ 980 de US $ 10.000 em 1 dia, é negociado com cerca de 7 negócios por hora e perdido.
Você quer dizer sua conta de negociação ao vivo? gazuz?
Uau, é um incrível perdedor! Você pode publicar os registros comerciais?
Eu acho que deveria haver apenas 4 negócios se você o anexasse ao gráfico EURUSD 15 min.
Eu usei o backtesting. e não é na demonstração Eu não coloquei no gráfico e testei que eu usei apenas o Strategy Tester, mas parece que ele precisa ser limitado a um trade max per candle:
Bem, todos sabemos que o backtesting não está sempre certo com MT, mas não me importaria reverter essa linha pelo contrário.
Se testado novamente, o MT usa um período de tempo de 1 minuto para fazer o trabalho; assim, aparafusando a integridade desse especialista 100%.
Scorpion, você já testou isso? Você mentioed você tem a possibilidade de executar peritos todo o tempo para testá-los, talvez você deve fazer o mesmo com este.
sistema de comércio Rsx
Índice de Qualidade de Força Relativa.
Força precisa de tendência e direção.
Suave e oportuna.
Melhor do que RSI.
O RSI é um indicador técnico muito popular e inteligente. mas é muito barulhento. O RSX de Jurik é um "isento de ruído" versão do RSI, sem atraso adicional!
O indicador RSI popular mede simultaneamente a velocidade e a qualidade da tendência. RSI dá um forte sinal quando uma tendência é rápida e limpa. No entanto, o RSI é um sinal nervoso, tornando a análise técnica muito difícil.
1. Jitter produz disparadores comerciais falsos.
2. Jitter degrada a análise da direção da tendência do mercado.
3. A jitter degrada a análise de reversão do mercado.
Quer uma versão melhor do RSI? . Sua pesquisa acabou! RSX do Jurik é muito superior. O gráfico compara o RSI clássico ao RSX de Jurik. As reversões podem ser mais óbvias com o RSX?
Com os sinais de limpeza mais precisos da RSX, você pode definir paradas mais apertadas e limiares mais significativos. Você também pode permitir-se permitir que o RSX seja executado um pouco mais rápido, sem medo de degradação do ruído excessivo. Isso permite que você obtenha sinais de disparo anteriores.
Paradas mais apertadas Limites mais precisos Sintomas de disparo anteriores Melhor análise de aceleração.
Vejamos RSX como um sinal comercial. Considere um sistema de negociação com apenas uma regra: Compre se o RSX está subindo e vende se o RSX está caindo. O gráfico ilustra resultados usando esta estratégia muito simples.
Como os negócios neste exemplo são desencadeados por mudanças na direção de RSX, as linhas ulta-suaves são vitais para o seu sucesso. Em contraste, um sinal de RSI nervoso provocaria negócios excessivos, esgotando sua conta.
Você também pode usar RSX para criar versões superiores de outros indicadores.
Por exemplo, este gráfico compara o indicador REI por Tom DeMark e a seguinte fórmula usando RSX:
RSX (barra alta) + RSX (barra baixa)
Observe que a versão RSX é significativamente mais suave sem atraso adicional.
Ordem RSX de nosso & quot; TS & quot; (TradeStation) Toolset ou & quot; MC & quot; (MultiCharts) Toolset. O RSX processará qualquer série de tempo que você lhe der, incluindo os resultados de outras funções. O pacote inclui indicadores e funções, para que você possa usar o RSX em seus próprios sistemas e indicadores.
Peça o nosso "UT" Toolset, que é um pacote de JMA, DMX, RSX e VEL. Várias licenças de tempo limitado. NeoTicker aceita tanto "UT" e "DL" Conjuntos de ferramentas. Vá aqui para ver os benefícios de cada Toolset.
Solicite RSX a partir do nosso & quot; DL & quot; Toolset. NeoTicker aceita tanto "UT" e "DL" Conjuntos de ferramentas. Vá aqui para obter os benefícios de cada Toolset.
O pacote de software RSX inclui.
O último módulo RSX Código de exemplo que mostra como usá-lo.
Para mais detalhes sobre o RSX, baixe nosso GUIA DO PRODUTO ilustrado.
Baixe nossos RELATÓRIOS TÉCNICOS. Muitos gráficos e comparações.
Leia as LETRAS do nosso CLIENTE. Veja o que os outros têm a dizer.
Leia nossas PERGUNTAS FREQUENTES. Para respostas a questões técnicas.
Preços, formulário de pedido, perguntas específicas a serem feitas.
RSX é um indicador, não um sistema comercial.
O RSX foi projetado para ser aplicado em sistemas de negociação de seu próprio projeto.
Diferentes intervalos de tempo em um gráfico podem produzir resultados diferentes.
O desempenho passado de qualquer sistema de negociação nunca é garantia de desempenho futuro.
Todas as estratégias de negociação têm risco e a comercialização de commodities / futuros alavanca esse risco.
sistema de comércio Rsx
Building Trading Systems.
CHAVES PARA NEGOCIAÇÃO SUCEDIDA.
Não, as chaves do sucesso não são nossos produtos, nem os outros. Em vez disso, para ser um comerciante de sucesso que você precisa.
um sistema de negociação com expectativa rentável, princípios sólidos de gerenciamento de dinheiro, a força psicológica para negociar de forma consistente e capitalização adequada.
Contrariamente à crença popular, seu sistema comercial básico só precisa ser modestamente lucrativo. Um esquema de gerenciamento de dinheiro adequado projetado para controlar seu "tamanho da aposta" pode expandir esses magros lucros substancialmente. Além disso, uma vez que a natureza humana tende a obter lucros muito cedo e deixar as perdas correrem demais, você precisa estar familiarizado com o mercado e não ser emocionalmente apanhado e, então, ter medo de seguir as recomendações do seu sistema comercial.
Portanto, nós não oferecemos esquemas get-rich-quick. Eles não trabalham. Nem nos insultamos com sugestões de que, se uma empresa de gerenciamento de capital de bilhões de dólares se encaixasse diretamente em Wall Street com uma vasta instalação informática e dezenas de PhDs podem fazer milhões usando o produto X, então você também. Você provavelmente não vai.
Nem podemos prometer que os mercados são tão ineficientes que é fácil aproveitar os lucros. Não é, simplesmente porque você estará competindo com outros jogadores muito inteligentes, que querem o seu dinheiro.
Por outro lado, oferecemos ferramentas poderosas e produtos educacionais para ajudar os investidores individuais, como você, a conseguir um sistema comercial eficaz. As ferramentas Jurik são compatíveis com muitos produtos de software. Nossos clientes satisfeitos concordam!
SISTEMAS DE NEGOCIAÇÃO PRÉ-CONSTRUÍDA.
É um erro assumir que os sistemas comerciais descritos em livros, revistas ou em seu lixo eletrônico diário são lucrativos. Eles precisam ser testados durante um período prolongado de dados históricos (o suficiente para pelo menos 500 negociações). A melhor prova única que você pode aplicar a qualquer estratégia comercial para venda é esta:
mostrando os mais recentes 200 consecutivos.
Trades chamados pela estratégia?
Se o vendedor não está disposto a fazê-lo, vá embora.
Se você for fornecido com a declaração de um corretor, traça a curva de equidade e veja se você pode lidar (financeiramente e emocionalmente) com quaisquer trocas de perdas. Além disso, tente obter um diagrama de dispersão que contenha a excursão adversa máxima de todas as trocas comerciais. Às vezes, um comércio primeiro perde grande antes de se tornar rentável. Você consegue lidar com essas situações corretamente?
Quando o mercado altera seu comportamento, o desempenho do sistema pode se degradar em um perdedor. Você terá que pagar $ $$ adicionais para atualizações periódicas?
Finalmente, quanto você espera aprender sobre a negociação de um sistema que você não pode analisar nem modificar?
Acreditamos que você é melhor fazer seu próprio sistema comercial do que comprar um. Seu sistema será projetado em torno de seus recursos financeiros e zona de conforto psicológico. E você poderá modificá-lo de acordo com as mudanças nas condições do mercado. Por último, mas não menos importante, você saberá exatamente o quão bem pode ser esperado para executar.
do System Building.
Considere obter software de gráficos de mercado compatível com as ferramentas Jurik.
O próximo passo é adquirir nosso JMAadd-in. A JMA tem o maior número de usos, preços de suavização e outros indicadores técnicos com muito pouco atraso. Os usuários encontraram novas aplicações ao explorar as linhas ultra-suaves da JMA.
Nossas outras ferramentas de negociação avançadas, CFB, VEL e RSX, aprimoram ainda mais o design do sistema de negociação, oferecendo novas maneiras de medir o comportamento de ação de preço. CFB mede a duração da tendência do mercado (nenhum indicador clássico faz isso). A VEL oferece uma medida ultra-suave do impulso do mercado, sem mais atraso do que o indicador de momentum clássico. RSX é a versão Jurik do RSI clássico, exceto que RSX também é ultra-suave. Quando você vê RSX, você nunca vai querer usar o RSI novamente!
Uma vez que você se sinta confortável com a construção de sistemas de negociação usando indicadores concorrentes (preço) e atrasados (clássicos), agora você deseja expandir suas capacidades adicionando indicadores LEADING. Claro, todos os indicadores líderes populares são inúteis, já que o mercado já descontou as informações que eles oferecem. Em vez disso, você precisará criar seus próprios indicadores de liderança.
Um indicador avançado deve prever algum aspecto do comportamento do mercado. Atualmente, são necessários procedimentos de modelagem não-lineares sofisticados (como redes neurais). Para começar, recomendamos que você adote e se familiarize com o aplicativo de planilha Excel, pela Microsoft. Em seguida, adquira um complemento de rede neural ao Excel. Existem vários no mercado.
Depois de se familiarizar com o desenvolvimento da rede neural, obtenha experiência criando indicadores avançados e usando nossas ferramentas de pré-processamento para o MS Excel.
Quatro qualidades de grandes indicadores técnicos.
Quase todos os indicadores técnicos envolvem tomar alguma forma de uma média de valores históricos para reduzir o ruído do mercado, que aparece como jitter de alta velocidade. Os analistas normalmente ignoram o jitter do ruído porque não tem tendência nem padrões repetitivos. Consequentemente, a maioria das médias móveis tem um "comprimento" parâmetro que efetivamente controla a suavidade aparente do indicador e, de maneira inversa, sua precisão. Ou seja, quanto mais suave um filtro se torna, menos reflete com precisão a ação do mercado local.
Isso faz sentido, uma vez que o usuário pode definir jitter para qualquer ação que tenha menos de N barras. Portanto, vemos o jogador do mercado tentando aplicar apenas a suavidade suficiente para filtrar o ruído sem remover a estrutura importante que é relevante em seu período de tempo desejado. Em resumo, .
faz uma compensação entre suavidade e precisão.
A precisão pode ser medida de várias maneiras: robustez, superação, pontualidade e proximidade. Estas medidas serão descritas no contexto de um hipotético filtro de média móvel.
Simplificando, você quer um filtro (por exemplo, média móvel) para produzir uma versão livre de ruído do sinal original, pelo que a curva geral não é maior nem menor do que a série original. Um resultado semelhante ao que você produziria quando fosse dada uma caneta e manualmente "rastreada através de & quot; a importante ação do mercado.
Todos os indicadores técnicos que examinam rigorosamente os valores de dados passados (ou seja, não olhe para o futuro) são chamados de "causal". Estes são os únicos disponíveis para você ao negociar o mercado em tempo real. Todos os filtros causais têm um problema fundamental: eles ficam atrás da série temporal original. Lag em seus indicadores técnicos apenas serve para atrasar o que você precisa ver agora. Este é um problema crítico porque o atraso excessivo e os negócios tardios podem reduzir significativamente os lucros.
Idealmente, você gostaria que um sinal filtrado fosse liso e livre de atraso. No entanto, para todos os filtros causais, maior suavidade produz maior atraso e não há "livre de penalidade" maneira de contorná-lo. Alcançar a suavidade sem adicionar atraso significativo ou outras idiossincrasias indesejadas surpreendeu os analistas financeiros, bem como pessoas de processamento de sinais há anos. Nós, na Jurik Research, compreendemos muito bem a natureza do atraso e empregamos fórmulas proprietárias que abordam essa questão fundamental.
Uma abordagem comum para reduzir o atraso é adicionar alguma "inércia" na fórmula, permitindo que um filtro siga as tendências mais de perto sem sacrificar a suavidade. No entanto, a penalidade paga é quando um mercado inverte rapidamente a direção. A inércia do filtro impede que ele mude rapidamente de direção, e continua a superar por algum tempo antes de inverter a direção. Quanto mais inércia você aplicar, maior será o excesso. . E isso pode criar um problema real.
Alguns negócios são desencadeados quando uma média móvel do preço atravessa um limite especificado pelo usuário. Por exemplo, suponha tendências de preços em direção a um limite, mas inverte a direção apenas a tempo de não quebrar o limite. Um filtro com muita inércia ultrapassará e reduzirá o limiar, mesmo que o preço não acontecesse. Este falso gatilho pode produzir um comércio indesejável.
Para remover o ruído em uma série temporal, filtros comuns usam técnicas matemáticas que existem há anos. A teoria subjacente em quase todos os casos pressupõe que as mudanças nos preços de mercado tenham uma distribuição normal (gaussiana). Isso pode ser verdade para o ruído em seu gravador de cassetes ou gravador de cassetes, mas não para o mercado. As lacunas nos preços de mercado ocorrem com mais freqüência, por ordens de grandeza, do que a curva Gaussiana sugere. Conseqüentemente, os filtros comuns respondem muito aos choques de preços.
Os jogadores precisam de um filtro que seja robusto contra choques de preços. Isso exige um tipo especial de processamento de sinal chamado "não-linear" filtragem. Nossa ferramenta principal, JMA, é um filtro e pode lidar com choques de preços melhor do que qualquer outra média móvel disponível no mercado hoje. Na verdade, quanto maior a diferença, a superioridade da JMA mais óbvia torna-se evidente.
Jurik Research alcançou esses resultados pelo primeiro desenvolvimento e teste de algoritmos no MATLAB, a escolha do engenheiro para simulação de software. Tentamos evitar fazer quaisquer suposições sobre o sinal que está sendo processado, além de ser uma caminhada aleatória de mudanças de preços acumuladas Cauchy (não Gaussian!). Desta forma, os algoritmos não podem ser enganados pela ação atípica do mercado. Em seguida, deixamos os testadores beta qualificados procurarem problemas. Finalmente, depois de disponibilizar cada produto.
pessoa que é a primeira a denunciar qualquer específico.
erro em nosso software ou documentação.
Na Jurik Research, não há substituto para a excelência.
Sequência para construção avançada de sistemas.
Se alguns humanos podem negociar consistentemente bem, então por que não pode um computador? Por que não pode ser seu computador? Sombras de inteligência artificial, não ouvimos essas perguntas antes? A Inteligência Artificial, independentemente da sua definição formal (se alguma vez teve alguma), se traduz em trabalhos difíceis, e muitas vezes infrutíferos. Persistência paga, no entanto. A metodologia estruturada e a experimentação sistemática são o modus operandi recomendado.
Nós definimos um sistema avançado como aquele que inclui algum aspecto de um indicador líder, o que implica que a previsão está envolvida. Os indicadores principais podem ser projetados para quase qualquer coisa, mas preferimos usá-lo para prever uma faixa de preço superior e inferior, bem como futuros valores de MACD. O desenvolvimento adequado de indicadores líderes exige o pré-processamento com WAV e DDR e a modelagem com um programa de rede neural. Por fim, tudo isso precisa ser realizado de forma sistemática.
Para realizar isso, projetei este diagrama de fluxo para ver o quadro geral. Subdivide o esforço de desenvolvimento do sistema comercial em várias etapas. Aqui está uma revisão em vários estágios do nosso processo avançado de construção de sistemas. Você pode alterar qualquer aspecto dele para atender às suas necessidades específicas.
Aqui está uma descrição de como eu construo meus próprios sistemas de negociação. O fluxograma mostra seis etapas do desenvolvimento do sistema de negociação:
Selecionar dados explicativos (etapa de coleta) Criar indicadores de baixo atraso (etapa de pré-processamento) Criar indicadores avançados (estágio de modelagem) Construir seu sistema comercial (etapa estratégica) Voltar seu sistema comercial (etapa de verificação 1) Negociar com um corretor simulado (etapa de verificação 2) ESTÁGIO 1.
Isso envolve a tarefa irrelevante de coletar e verificar dados financeiros. Isso não ajuda a auto-imagem do seu sistema para dar-lhe preços históricos salpicados de espaços em branco e zero. Eyeball para todos os problemas.
A pesquisa mostrou que se você converter dados de preço para o LOG (logaritmo) de dados de preços, as estratégias funcionarão melhor durante um período mais longo. Isso ocorre porque os dados de preços agora são expressos em uma relação multiplicativa um com o outro, em vez de serem aditivos, e isso tende a ser preservado à medida que os preços mudam a escala ao longo do tempo.
Esta etapa envolve o pré-processamento de dados. Resumidamente, é aqui que extraímos indicadores significativos de dados financeiros brutos. O bom pré-processamento faz a próxima etapa (modelagem) funcionar sem problemas. Os modeladores profissionais percebem a importância deste passo e concentram a maior parte de sua energia aqui. No entanto, para o amador tem o mesmo apelo que lavar a roupa.
Determine o "horizonte de previsão" ideal para as séries temporais a serem previstas. Por exemplo, a distância ótima para prever no futuro ao usar barras diárias de T-Bonds de 30 anos é de 5,5 dias. Esse valor varia de mercado para mercado e o método para o cálculo é explicado no meu livro Financial Forecasting and Neural Networks.
Determine a quantidade de dados históricos necessários para fazer uma previsão ÚNICA. Eu me refiro a essa quantidade de tempo histórico como o "horizonte de lookback" e seu tamanho é tipicamente 4 vezes o horizonte de previsão. Por exemplo, se minha previsão for para prever 5.5 barras para o futuro, meu horizonte de lookback (L) para cada previsão terá que ser de 22 barras. (L = 22) Todos os indicadores precisam considerar a atividade de pelo menos as barras L mais recentes.
Selecione os dados explicativos apropriados, como altos, baixos, volume, etc. Eu encorajo você a investigar os dados de preço de pré-suavização primeiro com o JMA, criando assim "proxies" pelo preço bruto. Em seguida, crie indicadores relevantes (RSX, VEL, CFB, canais, JMA-MACD, etc.) aplicando-os aos proxies JMA, em vez dos dados de preço bruto. Defina o & quot; length & quot; parâmetro de seus indicadores para que o número de barras consideradas por cada fórmula seja aproximadamente o horizonte de lookback (L).
Certifique-se de que cada coluna de valores de indicador se assemelhe a um oscilador de média zero, padronizado (ou seja, série Z-score), e não é uma caminhada aleatória (por exemplo, preços brutos do mercado). Isso ocorre porque uma caminhada aleatória finalmente entrará em um intervalo que o modelo não viu durante o desenvolvimento, induzindo falha.
Aplique WAV aos indicadores acima, para comprimir os valores L mais recentes de cada indicador em um número muito menor de valores. Por exemplo, o WAV pode comprimir os 73 valores mais recentes de um indicador em apenas 13, uma compressão de 82%! Ao construir modelos de previsão, é importante reduzir o número de variáveis de entrada tanto quanto possível, de preferência sem perder informações valiosas no processo.
Reúna os valores de tempo comprimidos de cada indicador (ou seja, a saída do WAV) em uma matriz (uma coluna por indicador) e aplique DDR. Este procedimento reduz o número de colunas na matriz extraindo toda a redundância entre as colunas. O resultado é uma matriz com muito menos colunas, todas as colunas são mutuamente não correlacionadas (cada coluna está carregando informações diferentes) e pouca ou nenhuma informação foi perdida no processo.
Neste ponto, seus dados são temporariamente e espacialmente compactados. Se seu modelo tiver que receber os 73 valores mais recentes de cada um dos 10 indicadores sem compressão espaço-temporal, seu modelo de previsão examinaria uma matriz de entrada de 730 valores para cada previsão. No entanto, após a compressão espaço-temporal, a nova matriz provavelmente seria 13 valores para cada uma de apenas 4 colunas, apenas 52 valores totais. Isso representa uma compressão final de 93% !!
O Stage 3 é onde você consegue brincar e aprender sobre ferramentas de modelagem sexy, como ARIMA, sistemas especializados, algoritmos genéticos e redes neurais. Normalmente, o novato esquecerá completamente o estágio 2 e passará meses tentando fazer tudo acontecer no estágio 3. Isso leva a queixas de que a rede neural [expletiva excluída] é cérebro-morta.
Escolha o que deseja que o modelo preveja. Mantenha-o simples, como estimar o MACD cinco barras, ou estimar resistência e suporte (em relação ao preço médio atual) 10 barras. Evite as tentativas de previsão dos preços do mercado bruto (a menos que você seja realmente bom para prever variáveis pseudo-aleatórias). Certifique-se de que a sua coluna de valores-alvo de previsão se assemelhe a um oscilador padronizado médio zero (ou seja, série Z-score), e não é uma caminhada aleatória (por exemplo, preços do mercado bruto). Isso ocorre porque uma caminhada aleatória finalmente entrará em um intervalo que o modelo não viu durante o desenvolvimento, induzindo falha.
Alimentar a matriz comprimida que você criou no estágio 2 e os dados de destino para o seu modelo. Verifique todos os modelos com dados que não foram usados durante o desenvolvimento. Como regra geral, para cada variável de entrada (independente) alimentada em seu modelo, você precisará de treinamento e dados de verificação suficientes para suportar pelo menos 100 previsões. Assim, se o seu modelo receber 54 variáveis de entrada por previsão, você precisa de dados suficientes para suportar 100 * 54 ou 5.400 previsões durante a criação e verificação do modelo.
Alimentar a matriz comprimida que você criou no estágio 2 e os dados de destino para o seu modelo. Verifique todos os modelos com dados que não foram usados durante o desenvolvimento. Como regra geral, para cada variável de entrada (independente) alimentada em seu modelo, você precisará de treinamento e dados de verificação suficientes para suportar pelo menos 100 previsões. Assim, se o seu modelo receber 54 variáveis de entrada por previsão, você precisa de dados suficientes para suportar 100 * 54 ou 5.400 previsões durante a criação e verificação do modelo.
A informação sobre diferentes paradigmas para modelagem de indicadores avançados é fornecida mais abaixo nesta página. (Continue lendo, você chegará lá).
Esta etapa é para o desenvolvimento da lógica de negociação. É a mais "diversão" parte do sistema de construção, desde que você saiba o que está fazendo. Existem muitos livros sobre esse tema. Com relação ao uso de modelos de previsão, aqui estão algumas dicas:
Crie regras para gerenciamento de risco e dinheiro. Existem livros para ajudá-lo com esse assunto.
Uma técnica inteligente de gerenciamento de riscos é criar vários modelos treinados de forma robusta (por exemplo, redes neurais) para fazer a mesma previsão. Quando todos os modelos estão em forte concordância, aumente seu risco. Quando eles estão em forte desacordo, abaixe seu risco.
Durante o teste de atraso, examine as estatísticas, como o retorno da conta (considerando a redução máxima), gráficos de excursão adversos máximos, simulações de Monte Carlo da meia-vida fiscal esperada, etc. Ao fazer isso, procure os maus negócios do sistema e evite modificações de design.
Considere quantas variáveis, constantes e linhas de código que você está ajustando (otimizando). Cada um é um grau de liberdade com o qual você está brincando. Quando fazer backtest, use dados de mercado suficientes para que o sistema crie 100 trocas por cada grau de liberdade. Assim, se você estiver otimizando 5 constantes e ajustando 4 linhas de código, as chamadas de verificação para cada execução para produzir pelo menos 100 * (4 + 5) ou 900 negociações.
Esteja atento sobre otimizar os sistemas de negociação. O conjuramento não disciplinado e excessivo de código pode levar à lógica de espaguete sobre otimizada, um pesadelo para manter. Além disso, muita otimização renderá um ótimo desempenho em seu conjunto de dados atual, mas um desempenho miserável em dados futuros. Nosso livro Financial Forecasting and Neural Networks e a banda de áudio Space, Time, Cycles e Phase oferecem uma explicação desse fenômeno.
para uma explicação desse fenômeno. Um sistema que comercializa bem dados históricos e dados futuros é mais desejável.
Durante a troca de papel ao vivo, mantenha-se atento para a rapidez com que o sistema se degrada. Isso sugere a frequência com que os modelos precisam ser atualizados. Também pode sugerir fraca lógica de negociação.
Um exemplo de um sistema de comércio aprimorado de redes neurais que funcionou bem, sem reconversão, durante muitos meses após o seu desenvolvimento, é descrito na edição de dezembro de 1996 da revista Futures. Embora o procedimento de teste e verificação utilizado pelo autor não tenha sido o melhor, o resultado provou ser lucrativo no entanto.
Você realmente não precisa otimizar o descarte de seu sistema comercial, desde que você empregue um bom gerenciamento de riscos. Ele aborda a questão: quanto você está colocando em risco em um comércio versus o lucro esperado para assumir esse risco? Como um jogador de poker especialista, com um bom gerenciamento de dinheiro você avalia o quanto investir e quanto você está disposto a perder em cada jogo. Portanto, o princípio básico da gestão do dinheiro é o gerenciamento de riscos. Abertura de posições com risco coberto é fundamental para negociação bem-sucedida. Em outras palavras, gerencie o risco primeiro e os lucros seguirão quando sua aposta for correta. É incrível o quanto essa disciplina pode melhorar a rentabilidade geral do seu sistema. Durante um período de anos, esta técnica pode melhorar os lucros comerciais mais do que dez vezes!
Alguns livros sobre gerenciamento de dinheiro estão listados AQUI.
Principais indicadores e modelagem.
Por que os principais indicadores são difíceis de fazer.
são difíceis de fazer.
O "Compósito dos Principais Indicadores Econômicos" é avaliado pelo Federal Reserve e investidores de longo prazo pelo seu potencial de previsão. Em contrapartida, os investidores especulativos preferem usar indicadores técnicos e fundamentais com potencial de previsão de curto prazo. O problema é que quase todos os indicadores comumente usados (MACD, ADX, CCI, RSI, etc.) ficam atrás e resumem o que ocorreu, e não o que ocorrerá.
A raridade de bons indicadores de curto prazo nos diz que eles são difíceis de produzir, e mais importante, porque poucos investidores os exploram, esses indicadores podem gerar uma vantagem comercial significativa. Mas por que eles são tão raros? O que é tão difícil de criar um indicador avançado de curto prazo?
"Se todos os economistas fossem colocados de ponta a ponta,
eles ainda apontariam em todas as direções. & quot;
- Arthur H. Motley.
O motivo da sua raridade deve-se, em parte, à natureza dos mercados. No passado, quando a negociação não era dominada por computadores, a maioria dos analistas financeiros usava a teoria macro e microeconômica, bem como a clássica "linear" técnicas de modelagem. Os modelos de mercado tradicionais, baseados em teoria e técnicas lineares e seus pressupostos simplificadores, tornam as previsões cada vez mais imprecisas a cada ano. Os analistas de Wall Street perderam consistentemente todos os principais pontos de viragem do mercado nos últimos 30 anos. Por exemplo, seis meses antes da recessão de 1990, 34 dos 40 economistas concordaram que "a economia provavelmente evitará uma recessão". Além disso, apenas duas semanas antes do enorme mercado de touro em 1991, o consenso desses 40 economistas era: "a economia diminuirá nos próximos seis meses".
Os comerciantes e os investidores que usam sistemas baseados em análises clássicas também sofrerão perdas sérias quando as condições do mercado mudarem muito rapidamente para que seus modelos "compreendam".
Jurik Research acredita que os problemas com os modelos de mercado tradicionais decorrem de seus pressupostos, que dividi em três categorias.
Os modelos lineares funcionam melhor quando suas variáveis de entrada são independentes (não correlacionadas entre si). Variáveis de entrada altamente correlacionadas podem levar a modelos que parecem funcionar bem em dados históricos, mas que falharão miseravelmente em novos dados. Tais interdependências existem (por exemplo, a relação inversa entre commodities e títulos) e os modelos que não conseguem explicar esse fato terão problemas.
Hoje, o mercado se move mais rápido e mais caótico, exibindo relações desconexas e não-lineares entre as forças do mercado.
Para manter a vida simples, os analistas assumem que todos os comerciantes e investidores são avessos ao risco, racionais e reagem de forma semelhante. Na realidade, comerciantes de piso, comerciantes de curto e longo prazo, gestores de fundos, hedgers, comerciantes de programas e fabricantes de mercado usam diferentes níveis de risco e reagem em diferentes prazos.
Claramente, precisamos de uma nova família de modelos que possam simular relações não-lineares e jogadores pensando em diferentes prazos. Conseqüentemente, os esforços para encontrar e explorar nichos rentáveis nos mercados estão precedendo técnicas clássicas para métodos comerciais mais poderosos. Novas ferramentas que usam métodos de inteligência artificial estão aumentando em popularidade. Essas ferramentas incluem redes neurais e algoritmos genéticos.
Agora que versões fáceis de usar de ambos os paradigmas estão atualmente disponíveis como complementos para o Microsoft Excel, o público está rapidamente se aproximando: não é tão difícil, afinal.
Eles realmente funcionam?
O QUE É UMA REDE NEURAL?
Uma rede neural (ou NN) é composta por um grande número de elementos de processamento altamente interligados (neurônios) trabalhando em uníssono para resolver problemas específicos. Cada elemento executa uma fórmula matemática, cujos coeficientes são "aprendidos" quando dados exemplos de como o NN deve responder a vários conjuntos de dados. As aplicações incluem reconhecimento ou classificação de padrões de dados.
Durante um "treino" sessão, o NN produz uma coleção de funções matemáticas não-lineares simples que se alimente mutuamente aos valores numéricos de uma maneira que vagamente se assemelha à atividade das células cerebrais neurais. A interação entre os neurônios pode tornar-se tão complexa que esse conhecimento das fórmulas matemáticas oferece pouca ou nenhuma percepção da "lógica global" do modelo. Conseqüentemente, enquanto a rede neural funcionar bem, seu usuário raramente se preocupa em saber quais as equações exatas estão dentro.
Tenha cuidado para não confundir as redes neurais (NN) com outro paradigma de inteligência artificial chamado sistemas especializados (ES). Os programas ES são projetados para imitar o pensamento racional, conforme descrito por especialistas. No entanto, se o especialista não puder expressar sua lógica de maneira confiável, as decisões corretas, o paradigma ES não pode ser efetivamente empregado. Em contraste, um NN não está preocupado com a lógica humana emulada. Um NN simplesmente tenta mapear a entrada numérica para os dados de saída. A crença equivocada de que os paradigmas NN e ES são semelhantes conduz inevitavelmente ao argumento incorreto de que, se os modelos ES funcionam mal, então os modelos NN também. Felizmente, os modelos NN estão funcionando bem no mundo real.
APLICAÇÕES DE REDE NEURAL.
No mundo comercial, as redes neurais estão sendo utilizadas.
gerenciar o risco do portfólio avaliar o crédito de crédito risco detectar fraude do cartão de crédito prever vendas de chips de batata detectar células de sangue insalubre otimizar trabalho planejamento previsão atividade de mercado financeiro otimizar laminação a frio de chapa metálica remover ecos de telefone irritantes determinar preços ótimos para mercadorias detectar explosivos dentro de bagagem nos aeroportos prevêem resultados de novas fórmulas para o plástico QUAL É SEU PAPEL EM UM SISTEMA DE NEGOCIAÇÃO?
Não espere que um NN faça todo o trabalho para você e produza sinais Buy / Sell. NNs devem ser acoplados à análise técnica tradicional, e os melhores resultados vêm de comerciantes experientes. Isso porque eles entendem quais indicadores de mercado são mais significativos e também como melhor interpretá-los. Portanto, é melhor projetar um NN para produzir indicadores técnicos significativos, e não um "Buy / Sell & quot; cálice Sagrado.
O fluxograma mostra seis etapas do desenvolvimento do sistema de negociação. As redes neurais são tipicamente usadas no terceiro, ou no estágio MODELING. In this stage, neural nets are trained to model some aspect of the market, to classify either current or future market conditions, thereby telling the investor when to get in or out of the market. When forecasting future conditions, they are technically a "leading indicator".
ARE THEY EASY TO USE ?
There are many neural net packages available commercially. Many interact with the Microsoft Excel environment.
A DOSE OF REALISM . . .
Because our standards of integrity are very high, at the risk of losing a sale, we feel compelled to mention the following. We do not imply that developing a neural network is an easy one-night stand. It will take time, and not everyone has the time to do so. Nor is a neural net by itself a trading system. Proper system development still requires the usual human effort, including:
Selecting the best information Building and testing indicators Interpreting the results Deciding whether or not to place a trade Deciding how much to invest (money management)
Details on issues and considerations when getting started is provided in this report, submitted to us by William Arnold, a contributing author to The Journal of Intelligent Technologies.
Lastly, questions arise as to how much a trader should trust a NN model. It will be difficult to trust your computer's decision to buy when fear in your mind cries out "Sell! Sell NOW!" Nevertheless, at conference after conference we hear users commenting that they would have made more money if they had not tried to outsmart and veto their system's decisions. After all, the whole purpose of building an artificially intelligent system is to avoid the same trades as the crowd, who on average, loses money in the market.
ANY SUCCESS STORIES?
Yes, many. One money management firm worked intensively with neural networks since 1988. They use 3000 neural nets, one for each stock they trade. They use both neural networks and genetic algorithms to separately predict the behavior of individual stocks. Although recommendations from both "experts" substantially narrow their selection, they are further refined with the aid of portfolio analysis, in an attempt to limit overexposure to any one stock or sector. Their research has paid off well as they were, at one point, managing a half billion dollars.
Other institutions that implemented operational neural forecasting systems include Citibank, Nikko Securities, Morgan Stanley, Dai-ichi Kanyo Bank, Nomura Securities, Bear Stern and Shearson Lehman Hutton. Advanced Investment Technologies (AIT), in Clearwater, Fla., has one of the longest track records using neural networks.
Here are some articles on neural net for financial applications you can probably find in a library:
"Training Neural Nets for Intermarket Analysis", Futures, August 1994 "How to Predict Tomorrow's Indicators Today", Futures, May 1996 "Going Fishing With A Neural Network", Futures Magazine, Sept. 1992 "Forecasting T-Bill Rates with a Neural Network," Technical Analysis of Stocks and Commodities, May 1995 "Using Neural Nets for Intermarket Analysis", Technical Analysis of Stocks & Commodities, Nov. 1992 "Developing Neural Network Forecasters For Traders", Technical Analysis of Stocks & Commodities, April 1992 "A Neural Network Approach to Forecasting Financial Distress", Journal of Business Forecasting, v10, #4. "Forecasting with Neural Networks: An Application Using Bankruptcy Data", Information and Management, 1993, pp 159-167. "Forecasting S&P and Gold Futures Prices: An Application of Neural Networks", J. of Futures Markets, 1993, pp 631-643. "Neural Nets and Stocks: Training a Predictive System", PC AI, 1993, pp 45-47. "Using Artificial Neural Networks to Pick Stocks", Financial Analysts Journal, 1993, pp 21-27. "Analysis of Small-Business Financial Statements Using Neural Nets", Journal of Accounting Auditing and Finance, 1995, pp 147-172. "Stock Price Prediction Using Neural Networks: A Project Report" NeuroComputing, 1990, #2 "Forecasting Bankruptcies Using a Neural Network," International Business Schools Computing Quarterly, Spring 1995 WHY CAN THEY WORK SO WELL ?
In contrast to standard linear regression models, NNs perform nonlinear regression modeling, which is orders of magnitude more flexible and powerful. When a user wisely decides on a NN's task and feeds it market data needed to perform that task, the model has potential to perform well because it .
is inherently nonlinear and can "train" better than linear models in this environment. can learn to see better than humans the various relationships among large numbers of indicators. is dispassionate and consistent; NNs know neither fear nor greed. can be automatically retrained over and over to accommodate new behavior in the markets. COMMON ERRORS made by NOVICES.
Making money with sophisticated technology is a dual-edged sword. Without careful data preparation, you can easily produce useless junk. The first mistake made by novices using neural networks, is they fail to search for the most relevent data. A few top notch indicators will deliver better results than a few hundred irrelevant ones.
The second common mistake is to think that feeding a neural net 100 indicators will deliver better results than feeding it only ten. But large numbers of inputs require a large model which is difficult to train and maintain. Reducing data to its most compact form (and thereby reducing the NN model to its most compact form) greatly improves chances of success.
Two critical ways to compress data are sparse historical sampling (temporal compression) and redundancy reduction (spatial compression). Many market indicators are redundant because they reflect the same market forces at work, so eliminating redundancy is purely advantageous. As for sparse historical sampling, it is important to find representative values for past points in time, but done in such a way so as not to let important price patterns be skipped.
Jurik's WAV performs sparse historical sampling (temporal compression).
Jurik's DDR performs redundancy reduction (spatial compression).
Here is a nice tutorial on neural nets. It is a Macromedia Flash interactive movie. Select topic from menu along the top of the movie screen.
Do They Really Work?
WHAT ARE GENETIC ALGORITHMS ?
Genetic Algorithms (GAs) are a general purpose problem solving technique. First, several random answers to a problem are generated. The worst answers are eliminated, and the best are "mutated" and "cross-pollinated" with each other to create additional answers that closely resemble the first. The repeated process of elimination and regeneration gradually improves the quality of answers. In this way, they simulate the evolutionary process of "survival of the fittest." GAs are ideal for solving complicated problems with many independent (input) variables and a gigantic number of possible outcomes.
GENETIC ALGORITHM APPLICATIONS.
Genetic algorithms have been used to find the optimal . . .
Budget allocation Job shop schedule Chemical inventory Starting conditions Military response Investment portfolio Fuel consumption Investment trading rules Electronic circuit design.
With regard to financial applications, genetic algorithm optimization has been applied to . . .
Portfolio Balancing & Optimization Budget Forecasting Investment Optimization Payment Scheduling.
Major banks are using a GA component in their loan evaluation programs, such as the one marketed by KiQ of London. Currency traders at Citibank are using GAs to select characteristics of sequences of financial data to more accurately predict their future behavior. Stock traders at Salomon Brothers are using GAs to search for optimal trading rule combinations. Fund managers at Fidelity Investments try to best bundle securities to satisfy constraints. First Quadrant manages a $10-billion portfolio of pension funds, and uses genetic algorithms to build investment models. Models built by genetic algorithms made $255 for every $100 invested, compared with the typical $205. Financial managers at Merrill Lynch use GAs to hedge clients' exposure to price changes in foreign exchange markets.
HOW CAN THEY OPTIMIZE TRADING RULES ?
After you have preprocessed your financial data and developed technical indicators to your liking, your next step is probably to translate these numbers into trading decisions: buy, sell, hold, exit, swap, straddle, leap, etc. Unfortunately, these decisions may involve very complex rules, based on lots of contingencies. For example, one such rule may resemble the following .
Buy long only when A is rising, and B is less than C,
and interest rates just crossed below D.
Neural nets cannot optimize complex trading rules very well. However, genetic algorithms can by employing the latest findings in genetic algorithm optimization (GAO). The concept of GAO comes from the resemblance of this process to genetic evolution. If we pretend the parameters A, B, C, . are genomes (parts) of one large chromosome, then when nature mutates the chromosomes, through mating and reproduction, natural selection eliminates those organisms that perform poorly in the real world. Eventually, organisms with optimal and near-optimal chromosomes survive.
Suppose you had a collection of 30 rules for trading,
but you want only 10 or less.
Which rules do you eliminate?
You might write a program to evaluate all 53 million combinations, or you could use the GA method. GAs would try a number of random combinations of rules, toss out the combinations that performed poorly and make variations upon the collection of rules that performed well. Eventually, you are left with either the optimal or a near-optimal combination of rules.
Rsx trading system
Relative Strength Quality Index.
Accurate trend strength and direction.
Smooth and timely.
Better than RSI.
RSI is a very popular and clever technical indicator . but is very noisy. Jurik's RSX is a "noise free" version of RSI, with no added lag !!
The popular RSI indicator simultaneously measures trend velocity and quality. RSI gives a strong signal when a trend is fast and clean. However, RSI is a jittery signal, making technical analysis very difficult.
1. Jitter produces false trade triggers.
2. Jitter degrades market trend direction analysis.
3. Jitter degrades market reversal analysis.
Want a better version of RSI ? . Sua pesquisa acabou! Jurik's RSX is vastly superior. The chart compares the classic RSI to Jurik's RSX. Could reversals be any more obvious with RSX?
With RSX's cleaner, more accurate signals, you can set tighter stops and more meaningful thresholds. You can also afford to let RSX run a little faster without fear of degradation from excessive noise. This permits you to attain earlier trigger signals.
Tighter stops More accurate thresholds Earlier trigger signals Better acceleration analysis.
Let's look at RSX as a trading signal. Consider a trading system with just one rule: Buy if RSX is rising and sell if RSX is falling. The chart illustrates results using this very simple strategy.
Because the trades in this example are triggered by changes in the direction of RSX, ulta-smooth lines are vital to its success. In contrast, a jittery RSI signal would trigger excessive trades, depleting your account.
You can also use RSX to create superior versions of other indicators.
For example, this chart compares the REI indicator by Tom DeMark and the following formula using RSX:
RSX(bar high) + RSX(bar low)
Note the RSX version is significantly smoother with no added lag!
Order RSX from our "TS" (TradeStation) Toolset ou & quot; MC & quot; (MultiCharts) Toolset. RSX will process any time series you give it, including the results of other functions. Package includes both indicators and functions, so you can use RSX in your own systems and indicators.
Peça o nosso "UT" Toolset, que é um pacote de JMA, DMX, RSX e VEL. Annual license only. NeoTicker aceita tanto "UT" e "DL" Conjuntos de ferramentas. Vá aqui para ver os benefícios de cada Toolset.
Order RSX from our "DL" Toolset. NeoTicker aceita tanto "UT" e "DL" Conjuntos de ferramentas. Vá aqui para obter os benefícios de cada Toolset.
Order RSX from our "MS" Toolset. Sample charts and user manual provided to illustrate indicator usage.
Order RSX from our "XL" Toolset. RSX can be accessed by the command menu, in Visual Basic modules, and as array formulas on a spreadsheet. This gives you maximum flexibility.
The RSX software package includes .
The latest RSX module Sample code showing how to use it.
For more details on RSX, download our illustrated PRODUCT GUIDE.
Baixe nossos RELATÓRIOS TÉCNICOS. Muitos gráficos e comparações.
Leia as LETRAS do nosso CLIENTE. See what others have to say.
Leia nossas PERGUNTAS FREQUENTES. Para respostas a questões técnicas.
Preços, formulário de pedido, perguntas específicas a serem feitas.
RSX is an indicator, not a trading system.
RSX is designed to be applied in trading systems of your own design.
Diferentes intervalos de tempo em um gráfico podem produzir resultados diferentes.
O desempenho passado de qualquer sistema de negociação nunca é garantia de desempenho futuro.
Todas as estratégias de negociação têm risco e a comercialização de commodities / futuros alavanca esse risco.
RSX Scalping System.
The RSX Scalping System was developed by a trader by the name Janus. Just as the name suggest, this trading system is designed to be used by the scalpers. It is a simple to use trading strategy that is recommendable to even the Forex trading beginners.
This trading system should be used to trade on timeframes that are 15 minutes or higher. But since it is mainly for scalping the 15 minutes timeframe is the best for this strategy. When it gets to the currency pairs, this trading system can be used to trade any of the currency pairs.
The RSX Scalping System is based on a combination of two indicators. These indicators are the RSX nrp indicator and the votro indicator which is also commonly known as the RSI Timing indicator.
Figura 1. Snapshot of the template of the RSX Scalping System.
The RSX nrp indicator is indicated just below the main trading system and it consist of a line whose color changes from green to yellow and vice versa as it oscillates around several levels (0, 30, 50, and 70). It is also responsible for giving an alert (both in terms of a sound and a pop up alert message). The higher the level that the line crosses on its way up the higher the chances of a down trend taking place. Also, the lower the level that the line crosses downwards, the higher the chances of an upwards trend in the near future.
The Votro indicator on the other hand is displayed below the RSX nrp indicator’s window and it consists of a blue line that swings on a scale of -100 to 100. There are also red dotted line on the -90 and 90 levels. When the blue line hits the 90 level red dotted line, the trader should be prepared for a downward movement in the market prices. Also, if the blue line hits the -90 level of the red dotted line, the trader should be prepared for an upward trend.
When to place a BUY using RSX Scalping System.
First you will have to choose the time frame that you want to use while trading.
A buy signal occurs when the votro indicator hits the -90 red line at the bottom and the RSX nrp indicator is below the level of 30.
When to place a sell using RSX Scalping System.
First you will have to choose the time frame that you want to use while trading.
A sell signal occurs when the votro indicator hits the 90 red line at the top and the RSX nrp indicator is above the level of 70.
Figura 2. Placing orders using the RSX Scalping System.
Defining profit Targets using RSX Scalping SYSTEM.
First profit target: when RSX reaches line 50. Second profit target: when RSX reaches line 70.
First profit target: when RSX reaches line 50. Second profit target: when RSX reaches line 30.
Defining Stop loss levels using RSX SYSTEM:
When the trader places a sell order, he or she should place a stop loss on the candle corresponding to higher value of RSX.
When the trader places a buy order, he or she should place a stop loss on the candle corresponding to lower value of RSX.
Fig.3. Placing stop losses using the RSX scalping System.
Building Trading Systems.
CHAVES PARA NEGOCIAÇÃO SUCEDIDA.
Não, as chaves do sucesso não são nossos produtos, nem os outros. Em vez disso, para ser um comerciante de sucesso que você precisa.
um sistema de negociação com expectativa rentável, princípios sólidos de gerenciamento de dinheiro, a força psicológica para negociar de forma consistente e capitalização adequada.
Contrariamente à crença popular, seu sistema comercial básico só precisa ser modestamente lucrativo. Um esquema de gerenciamento de dinheiro adequado projetado para controlar seu "tamanho da aposta" pode expandir esses magros lucros substancialmente. Além disso, uma vez que a natureza humana tende a obter lucros muito cedo e deixar as perdas correrem demais, você precisa estar familiarizado com o mercado e não ser emocionalmente apanhado e, então, ter medo de seguir as recomendações do seu sistema comercial.
Portanto, nós não oferecemos esquemas get-rich-quick. Eles não trabalham. Nem nos insultamos com sugestões de que, se uma empresa de gerenciamento de capital de bilhões de dólares se encaixasse diretamente em Wall Street com uma vasta instalação informática e dezenas de PhDs podem fazer milhões usando o produto X, então você também. Você provavelmente não vai.
Nem podemos prometer que os mercados são tão ineficientes que é fácil aproveitar os lucros. Não é, simplesmente porque você estará competindo com outros jogadores muito inteligentes, que querem o seu dinheiro.
Por outro lado, oferecemos ferramentas poderosas e produtos educacionais para ajudar os investidores individuais, como você, a conseguir um sistema comercial eficaz. As ferramentas Jurik são compatíveis com muitos produtos de software. Nossos clientes satisfeitos concordam!
SISTEMAS DE NEGOCIAÇÃO PRÉ-CONSTRUÍDA.
É um erro assumir que os sistemas comerciais descritos em livros, revistas ou em seu lixo eletrônico diário são lucrativos. Eles precisam ser testados durante um período prolongado de dados históricos (o suficiente para pelo menos 500 negociações). A melhor prova única que você pode aplicar a qualquer estratégia comercial para venda é esta:
mostrando os mais recentes 200 consecutivos.
Trades chamados pela estratégia?
Se o vendedor não está disposto a fazê-lo, vá embora.
Se você for fornecido com a declaração de um corretor, traça a curva de equidade e veja se você pode lidar (financeiramente e emocionalmente) com quaisquer trocas de perdas. Além disso, tente obter um diagrama de dispersão que contenha a excursão adversa máxima de todas as trocas comerciais. Às vezes, um comércio primeiro perde grande antes de se tornar rentável. Você consegue lidar com essas situações corretamente?
Quando o mercado altera seu comportamento, o desempenho do sistema pode se degradar em um perdedor. Você terá que pagar $ $$ adicionais para atualizações periódicas?
Finalmente, quanto você espera aprender sobre a negociação de um sistema que você não pode analisar nem modificar?
Acreditamos que você é melhor fazer seu próprio sistema comercial do que comprar um. Seu sistema será projetado em torno de seus recursos financeiros e zona de conforto psicológico. E você poderá modificá-lo de acordo com as mudanças nas condições do mercado. Por último, mas não menos importante, você saberá exatamente o quão bem pode ser esperado para executar.
do System Building.
Considere obter software de gráficos de mercado compatível com as ferramentas Jurik.
O próximo passo é adquirir nosso JMAadd-in. A JMA tem o maior número de usos, preços de suavização e outros indicadores técnicos com muito pouco atraso. Os usuários encontraram novas aplicações ao explorar as linhas ultra-suaves da JMA.
Nossas outras ferramentas de negociação avançadas, CFB, VEL e RSX, aprimoram ainda mais o design do sistema de negociação, oferecendo novas maneiras de medir o comportamento de ação de preço. CFB mede a duração da tendência do mercado (nenhum indicador clássico faz isso). A VEL oferece uma medida ultra-suave do impulso do mercado, sem mais atraso do que o indicador de momentum clássico. RSX é a versão Jurik do RSI clássico, exceto que RSX também é ultra-suave. Quando você vê RSX, você nunca vai querer usar o RSI novamente!
Uma vez que você se sinta confortável com a construção de sistemas de negociação usando indicadores concorrentes (preço) e atrasados (clássicos), agora você deseja expandir suas capacidades adicionando indicadores LEADING. Claro, todos os indicadores líderes populares são inúteis, já que o mercado já descontou as informações que eles oferecem. Em vez disso, você precisará criar seus próprios indicadores de liderança.
Um indicador avançado deve prever algum aspecto do comportamento do mercado. Atualmente, são necessários procedimentos de modelagem não-lineares sofisticados (como redes neurais). Para começar, recomendamos que você adote e se familiarize com o aplicativo de planilha Excel, pela Microsoft. Em seguida, adquira um complemento de rede neural ao Excel. Existem vários no mercado.
Depois de se familiarizar com o desenvolvimento da rede neural, obtenha experiência criando indicadores avançados e usando nossas ferramentas de pré-processamento para o MS Excel.
Quatro qualidades de grandes indicadores técnicos.
Quase todos os indicadores técnicos envolvem tomar alguma forma de uma média de valores históricos para reduzir o ruído do mercado, que aparece como jitter de alta velocidade. Os analistas normalmente ignoram o jitter do ruído porque não tem tendência nem padrões repetitivos. Consequentemente, a maioria das médias móveis tem um "comprimento" parâmetro que efetivamente controla a suavidade aparente do indicador e, de maneira inversa, sua precisão. Ou seja, quanto mais suave um filtro se torna, menos reflete com precisão a ação do mercado local.
Isso faz sentido, uma vez que o usuário pode definir jitter para qualquer ação que tenha menos de N barras. Portanto, vemos o jogador do mercado tentando aplicar apenas a suavidade suficiente para filtrar o ruído sem remover a estrutura importante que é relevante em seu período de tempo desejado. Em resumo, .
faz uma compensação entre suavidade e precisão.
A precisão pode ser medida de várias maneiras: robustez, superação, pontualidade e proximidade. Estas medidas serão descritas no contexto de um hipotético filtro de média móvel.
Simplificando, você quer um filtro (por exemplo, média móvel) para produzir uma versão livre de ruído do sinal original, pelo que a curva geral não é maior nem menor do que a série original. Um resultado semelhante ao que você produziria quando fosse dada uma caneta e manualmente "rastreada através de & quot; a importante ação do mercado.
Todos os indicadores técnicos que examinam rigorosamente os valores de dados passados (ou seja, não olhe para o futuro) são chamados de "causal". Estes são os únicos disponíveis para você ao negociar o mercado em tempo real. Todos os filtros causais têm um problema fundamental: eles ficam atrás da série temporal original. Lag em seus indicadores técnicos apenas serve para atrasar o que você precisa ver agora. Este é um problema crítico porque o atraso excessivo e os negócios tardios podem reduzir significativamente os lucros.
Idealmente, você gostaria que um sinal filtrado fosse liso e livre de atraso. No entanto, para todos os filtros causais, maior suavidade produz maior atraso e não há "livre de penalidade" maneira de contorná-lo. Alcançar a suavidade sem adicionar atraso significativo ou outras idiossincrasias indesejadas surpreendeu os analistas financeiros, bem como pessoas de processamento de sinais há anos. Nós, na Jurik Research, compreendemos muito bem a natureza do atraso e empregamos fórmulas proprietárias que abordam essa questão fundamental.
Uma abordagem comum para reduzir o atraso é adicionar alguma "inércia" na fórmula, permitindo que um filtro siga as tendências mais de perto sem sacrificar a suavidade. No entanto, a penalidade paga é quando um mercado inverte rapidamente a direção. A inércia do filtro impede que ele mude rapidamente de direção, e continua a superar por algum tempo antes de inverter a direção. Quanto mais inércia você aplicar, maior será o excesso. . E isso pode criar um problema real.
Alguns negócios são desencadeados quando uma média móvel do preço atravessa um limite especificado pelo usuário. Por exemplo, suponha tendências de preços em direção a um limite, mas inverte a direção apenas a tempo de não quebrar o limite. Um filtro com muita inércia ultrapassará e reduzirá o limiar, mesmo que o preço não acontecesse. Este falso gatilho pode produzir um comércio indesejável.
Para remover o ruído em uma série temporal, filtros comuns usam técnicas matemáticas que existem há anos. A teoria subjacente em quase todos os casos pressupõe que as mudanças nos preços de mercado tenham uma distribuição normal (gaussiana). Isso pode ser verdade para o ruído em seu gravador de cassetes ou gravador de cassetes, mas não para o mercado. As lacunas nos preços de mercado ocorrem com mais freqüência, por ordens de grandeza, do que a curva Gaussiana sugere. Conseqüentemente, os filtros comuns respondem muito aos choques de preços.
Os jogadores precisam de um filtro que seja robusto contra choques de preços. Isso exige um tipo especial de processamento de sinal chamado "não-linear" filtragem. Nossa ferramenta principal, JMA, é um filtro e pode lidar com choques de preços melhor do que qualquer outra média móvel disponível no mercado hoje. Na verdade, quanto maior a diferença, a superioridade da JMA mais óbvia torna-se evidente.
Jurik Research alcançou esses resultados pelo primeiro desenvolvimento e teste de algoritmos no MATLAB, a escolha do engenheiro para simulação de software. Tentamos evitar fazer quaisquer suposições sobre o sinal que está sendo processado, além de ser uma caminhada aleatória de mudanças de preços acumuladas Cauchy (não Gaussian!). Desta forma, os algoritmos não podem ser enganados pela ação atípica do mercado. Em seguida, deixamos os testadores beta qualificados procurarem problemas. Finalmente, depois de disponibilizar cada produto.
pessoa que é a primeira a denunciar qualquer específico.
erro em nosso software ou documentação.
Na Jurik Research, não há substituto para a excelência.
Sequência para construção avançada de sistemas.
Se alguns humanos podem negociar consistentemente bem, então por que não pode um computador? Por que não pode ser seu computador? Sombras de inteligência artificial, não ouvimos essas perguntas antes? A Inteligência Artificial, independentemente da sua definição formal (se alguma vez teve alguma), se traduz em trabalhos difíceis, e muitas vezes infrutíferos. Persistência paga, no entanto. A metodologia estruturada e a experimentação sistemática são o modus operandi recomendado.
Nós definimos um sistema avançado como aquele que inclui algum aspecto de um indicador líder, o que implica que a previsão está envolvida. Os indicadores principais podem ser projetados para quase qualquer coisa, mas preferimos usá-lo para prever uma faixa de preço superior e inferior, bem como futuros valores de MACD. O desenvolvimento adequado de indicadores líderes exige o pré-processamento com WAV e DDR e a modelagem com um programa de rede neural. Por fim, tudo isso precisa ser realizado de forma sistemática.
Para realizar isso, projetei este diagrama de fluxo para ver o quadro geral. Subdivide o esforço de desenvolvimento do sistema comercial em várias etapas. Aqui está uma revisão em vários estágios do nosso processo avançado de construção de sistemas. Você pode alterar qualquer aspecto dele para atender às suas necessidades específicas.
Aqui está uma descrição de como eu construo meus próprios sistemas de negociação. O fluxograma mostra seis etapas do desenvolvimento do sistema de negociação:
Selecionar dados explicativos (etapa de coleta) Criar indicadores de baixo atraso (etapa de pré-processamento) Criar indicadores avançados (estágio de modelagem) Construir seu sistema comercial (etapa estratégica) Voltar seu sistema comercial (etapa de verificação 1) Negociar com um corretor simulado (etapa de verificação 2) ESTÁGIO 1.
Isso envolve a tarefa irrelevante de coletar e verificar dados financeiros. Isso não ajuda a auto-imagem do seu sistema para dar-lhe preços históricos salpicados de espaços em branco e zero. Eyeball para todos os problemas.
A pesquisa mostrou que se você converter dados de preço para o LOG (logaritmo) de dados de preços, as estratégias funcionarão melhor durante um período mais longo. Isso ocorre porque os dados de preços agora são expressos em uma relação multiplicativa um com o outro, em vez de serem aditivos, e isso tende a ser preservado à medida que os preços mudam a escala ao longo do tempo.
Esta etapa envolve o pré-processamento de dados. Resumidamente, é aqui que extraímos indicadores significativos de dados financeiros brutos. O bom pré-processamento faz a próxima etapa (modelagem) funcionar sem problemas. Os modeladores profissionais percebem a importância deste passo e concentram a maior parte de sua energia aqui. No entanto, para o amador tem o mesmo apelo que lavar a roupa.
Determine o "horizonte de previsão" ideal para as séries temporais a serem previstas. Por exemplo, a distância ótima para prever no futuro ao usar barras diárias de T-Bonds de 30 anos é de 5,5 dias. Esse valor varia de mercado para mercado e o método para o cálculo é explicado no meu livro Financial Forecasting and Neural Networks.
Determine a quantidade de dados históricos necessários para fazer uma previsão ÚNICA. Eu me refiro a essa quantidade de tempo histórico como o "horizonte de lookback" e seu tamanho é tipicamente 4 vezes o horizonte de previsão. Por exemplo, se minha previsão for para prever 5.5 barras para o futuro, meu horizonte de lookback (L) para cada previsão terá que ser de 22 barras. (L = 22) Todos os indicadores precisam considerar a atividade de pelo menos as barras L mais recentes.
Selecione os dados explicativos apropriados, como altos, baixos, volume, etc. Eu encorajo você a investigar os dados de preço de pré-suavização primeiro com o JMA, criando assim "proxies" pelo preço bruto. Em seguida, crie indicadores relevantes (RSX, VEL, CFB, canais, JMA-MACD, etc.) aplicando-os aos proxies JMA, em vez dos dados de preço bruto. Defina o & quot; length & quot; parâmetro de seus indicadores para que o número de barras consideradas por cada fórmula seja aproximadamente o horizonte de lookback (L).
Certifique-se de que cada coluna de valores de indicador se assemelhe a um oscilador de média zero, padronizado (ou seja, série Z-score), e não é uma caminhada aleatória (por exemplo, preços brutos do mercado). Isso ocorre porque uma caminhada aleatória finalmente entrará em um intervalo que o modelo não viu durante o desenvolvimento, induzindo falha.
Aplique WAV aos indicadores acima, para comprimir os valores L mais recentes de cada indicador em um número muito menor de valores. Por exemplo, o WAV pode comprimir os 73 valores mais recentes de um indicador em apenas 13, uma compressão de 82%! Ao construir modelos de previsão, é importante reduzir o número de variáveis de entrada tanto quanto possível, de preferência sem perder informações valiosas no processo.
Reúna os valores de tempo comprimidos de cada indicador (ou seja, a saída do WAV) em uma matriz (uma coluna por indicador) e aplique DDR. Este procedimento reduz o número de colunas na matriz extraindo toda a redundância entre as colunas. O resultado é uma matriz com muito menos colunas, todas as colunas são mutuamente não correlacionadas (cada coluna está carregando informações diferentes) e pouca ou nenhuma informação foi perdida no processo.
Neste ponto, seus dados são temporariamente e espacialmente compactados. Se seu modelo tiver que receber os 73 valores mais recentes de cada um dos 10 indicadores sem compressão espaço-temporal, seu modelo de previsão examinaria uma matriz de entrada de 730 valores para cada previsão. No entanto, após a compressão espaço-temporal, a nova matriz provavelmente seria 13 valores para cada uma de apenas 4 colunas, apenas 52 valores totais. Isso representa uma compressão final de 93% !!
O Stage 3 é onde você consegue brincar e aprender sobre ferramentas de modelagem sexy, como ARIMA, sistemas especializados, algoritmos genéticos e redes neurais. Normalmente, o novato esquecerá completamente o estágio 2 e passará meses tentando fazer tudo acontecer no estágio 3. Isso leva a queixas de que a rede neural [expletiva excluída] é cérebro-morta.
Escolha o que deseja que o modelo preveja. Mantenha-o simples, como estimar o MACD cinco barras, ou estimar resistência e suporte (em relação ao preço médio atual) 10 barras. Evite as tentativas de previsão dos preços do mercado bruto (a menos que você seja realmente bom para prever variáveis pseudo-aleatórias). Certifique-se de que a sua coluna de valores-alvo de previsão se assemelhe a um oscilador padronizado médio zero (ou seja, série Z-score), e não é uma caminhada aleatória (por exemplo, preços do mercado bruto). Isso ocorre porque uma caminhada aleatória finalmente entrará em um intervalo que o modelo não viu durante o desenvolvimento, induzindo falha.
Alimentar a matriz comprimida que você criou no estágio 2 e os dados de destino para o seu modelo. Verifique todos os modelos com dados que não foram usados durante o desenvolvimento. Como regra geral, para cada variável de entrada (independente) alimentada em seu modelo, você precisará de treinamento e dados de verificação suficientes para suportar pelo menos 100 previsões. Assim, se o seu modelo receber 54 variáveis de entrada por previsão, você precisa de dados suficientes para suportar 100 * 54 ou 5.400 previsões durante a criação e verificação do modelo.
Alimentar a matriz comprimida que você criou no estágio 2 e os dados de destino para o seu modelo. Verifique todos os modelos com dados que não foram usados durante o desenvolvimento. Como regra geral, para cada variável de entrada (independente) alimentada em seu modelo, você precisará de treinamento e dados de verificação suficientes para suportar pelo menos 100 previsões. Assim, se o seu modelo receber 54 variáveis de entrada por previsão, você precisa de dados suficientes para suportar 100 * 54 ou 5.400 previsões durante a criação e verificação do modelo.
A informação sobre diferentes paradigmas para modelagem de indicadores avançados é fornecida mais abaixo nesta página. (Continue lendo, você chegará lá).
Esta etapa é para o desenvolvimento da lógica de negociação. É a mais "diversão" parte do sistema de construção, desde que você saiba o que está fazendo. Existem muitos livros sobre esse tema. Com relação ao uso de modelos de previsão, aqui estão algumas dicas:
Crie regras para gerenciamento de risco e dinheiro. Existem livros para ajudá-lo com esse assunto.
Uma técnica inteligente de gerenciamento de riscos é criar vários modelos treinados de forma robusta (por exemplo, redes neurais) para fazer a mesma previsão. Quando todos os modelos estão em forte concordância, aumente seu risco. Quando eles estão em forte desacordo, abaixe seu risco.
Durante o teste de atraso, examine as estatísticas, como o retorno da conta (considerando a redução máxima), gráficos de excursão adversos máximos, simulações de Monte Carlo da meia-vida fiscal esperada, etc. Ao fazer isso, procure os maus negócios do sistema e evite modificações de design.
Considere quantas variáveis, constantes e linhas de código que você está ajustando (otimizando). Cada um é um grau de liberdade com o qual você está brincando. Quando fazer backtest, use dados de mercado suficientes para que o sistema crie 100 trocas por cada grau de liberdade. Assim, se você estiver otimizando 5 constantes e ajustando 4 linhas de código, as chamadas de verificação para cada execução para produzir pelo menos 100 * (4 + 5) ou 900 negociações.
Esteja atento sobre otimizar os sistemas de negociação. O conjuramento não disciplinado e excessivo de código pode levar à lógica de espaguete sobre otimizada, um pesadelo para manter. Além disso, muita otimização renderá um ótimo desempenho em seu conjunto de dados atual, mas um desempenho miserável em dados futuros. Nosso livro Financial Forecasting and Neural Networks e a banda de áudio Space, Time, Cycles e Phase oferecem uma explicação desse fenômeno.
para uma explicação desse fenômeno. Um sistema que comercializa bem dados históricos e dados futuros é mais desejável.
Durante a troca de papel ao vivo, mantenha-se atento para a rapidez com que o sistema se degrada. Isso sugere a frequência com que os modelos precisam ser atualizados. Também pode sugerir fraca lógica de negociação.
Um exemplo de um sistema de comércio aprimorado de redes neurais que funcionou bem, sem reconversão, durante muitos meses após o seu desenvolvimento, é descrito na edição de dezembro de 1996 da revista Futures. Embora o procedimento de teste e verificação utilizado pelo autor não tenha sido o melhor, o resultado provou ser lucrativo no entanto.
Você realmente não precisa otimizar o descarte de seu sistema comercial, desde que você empregue um bom gerenciamento de riscos. Ele aborda a questão: quanto você está colocando em risco em um comércio versus o lucro esperado para assumir esse risco? Como um jogador de poker especialista, com um bom gerenciamento de dinheiro você avalia o quanto investir e quanto você está disposto a perder em cada jogo. Portanto, o princípio básico da gestão do dinheiro é o gerenciamento de riscos. Abertura de posições com risco coberto é fundamental para negociação bem-sucedida. Em outras palavras, gerencie o risco primeiro e os lucros seguirão quando sua aposta for correta. É incrível o quanto essa disciplina pode melhorar a rentabilidade geral do seu sistema. Durante um período de anos, esta técnica pode melhorar os lucros comerciais mais do que dez vezes!
Alguns livros sobre gerenciamento de dinheiro estão listados AQUI.
Principais indicadores e modelagem.
Por que os principais indicadores são difíceis de fazer.
são difíceis de fazer.
O "Compósito dos Principais Indicadores Econômicos" é avaliado pelo Federal Reserve e investidores de longo prazo pelo seu potencial de previsão. Em contrapartida, os investidores especulativos preferem usar indicadores técnicos e fundamentais com potencial de previsão de curto prazo. O problema é que quase todos os indicadores comumente usados (MACD, ADX, CCI, RSI, etc.) ficam atrás e resumem o que ocorreu, e não o que ocorrerá.
A raridade de bons indicadores de curto prazo nos diz que eles são difíceis de produzir, e mais importante, porque poucos investidores os exploram, esses indicadores podem gerar uma vantagem comercial significativa. Mas por que eles são tão raros? O que é tão difícil de criar um indicador avançado de curto prazo?
"Se todos os economistas fossem colocados de ponta a ponta,
eles ainda apontariam em todas as direções. & quot;
- Arthur H. Motley.
O motivo da sua raridade deve-se, em parte, à natureza dos mercados. No passado, quando a negociação não era dominada por computadores, a maioria dos analistas financeiros usava a teoria macro e microeconômica, bem como a clássica "linear" técnicas de modelagem. Os modelos de mercado tradicionais, baseados em teoria e técnicas lineares e seus pressupostos simplificadores, tornam as previsões cada vez mais imprecisas a cada ano. Os analistas de Wall Street perderam consistentemente todos os principais pontos de viragem do mercado nos últimos 30 anos. Por exemplo, seis meses antes da recessão de 1990, 34 dos 40 economistas concordaram que "a economia provavelmente evitará uma recessão". Além disso, apenas duas semanas antes do enorme mercado de touro em 1991, o consenso desses 40 economistas era: "a economia diminuirá nos próximos seis meses".
Os comerciantes e os investidores que usam sistemas baseados em análises clássicas também sofrerão perdas sérias quando as condições do mercado mudarem muito rapidamente para que seus modelos "compreendam".
Jurik Research acredita que os problemas com os modelos de mercado tradicionais decorrem de seus pressupostos, que dividi em três categorias.
Os modelos lineares funcionam melhor quando suas variáveis de entrada são independentes (não correlacionadas entre si). Variáveis de entrada altamente correlacionadas podem levar a modelos que parecem funcionar bem em dados históricos, mas que falharão miseravelmente em novos dados. Tais interdependências existem (por exemplo, a relação inversa entre commodities e títulos) e os modelos que não conseguem explicar esse fato terão problemas.
Hoje, o mercado se move mais rápido e mais caótico, exibindo relações desconexas e não-lineares entre as forças do mercado.
Para manter a vida simples, os analistas assumem que todos os comerciantes e investidores são avessos ao risco, racionais e reagem de forma semelhante. Na realidade, comerciantes de piso, comerciantes de curto e longo prazo, gestores de fundos, hedgers, comerciantes de programas e fabricantes de mercado usam diferentes níveis de risco e reagem em diferentes prazos.
Claramente, precisamos de uma nova família de modelos que possam simular relações não-lineares e jogadores pensando em diferentes prazos. Conseqüentemente, os esforços para encontrar e explorar nichos rentáveis nos mercados estão precedendo técnicas clássicas para métodos comerciais mais poderosos. Novas ferramentas que usam métodos de inteligência artificial estão aumentando em popularidade. Essas ferramentas incluem redes neurais e algoritmos genéticos.
Agora que versões fáceis de usar de ambos os paradigmas estão atualmente disponíveis como complementos para o Microsoft Excel, o público está rapidamente se aproximando: não é tão difícil, afinal.
Eles realmente funcionam?
O QUE É UMA REDE NEURAL?
Uma rede neural (ou NN) é composta por um grande número de elementos de processamento altamente interligados (neurônios) trabalhando em uníssono para resolver problemas específicos. Cada elemento executa uma fórmula matemática, cujos coeficientes são "aprendidos" quando dados exemplos de como o NN deve responder a vários conjuntos de dados. As aplicações incluem reconhecimento ou classificação de padrões de dados.
Durante um "treino" sessão, o NN produz uma coleção de funções matemáticas não-lineares simples que se alimente mutuamente aos valores numéricos de uma maneira que vagamente se assemelha à atividade das células cerebrais neurais. A interação entre os neurônios pode tornar-se tão complexa que esse conhecimento das fórmulas matemáticas oferece pouca ou nenhuma percepção da "lógica global" do modelo. Conseqüentemente, enquanto a rede neural funcionar bem, seu usuário raramente se preocupa em saber quais as equações exatas estão dentro.
Tenha cuidado para não confundir as redes neurais (NN) com outro paradigma de inteligência artificial chamado sistemas especializados (ES). Os programas ES são projetados para imitar o pensamento racional, conforme descrito por especialistas. No entanto, se o especialista não puder expressar sua lógica de maneira confiável, as decisões corretas, o paradigma ES não pode ser efetivamente empregado. Em contraste, um NN não está preocupado com a lógica humana emulada. Um NN simplesmente tenta mapear a entrada numérica para os dados de saída. A crença equivocada de que os paradigmas NN e ES são semelhantes conduz inevitavelmente ao argumento incorreto de que, se os modelos ES funcionam mal, então os modelos NN também. Felizmente, os modelos NN estão funcionando bem no mundo real.
APLICAÇÕES DE REDE NEURAL.
No mundo comercial, as redes neurais estão sendo utilizadas.
gerenciar o risco do portfólio avaliar o crédito de crédito risco detectar fraude do cartão de crédito prever vendas de chips de batata detectar células de sangue insalubre otimizar trabalho planejamento previsão atividade de mercado financeiro otimizar laminação a frio de chapa metálica remover ecos de telefone irritantes determinar preços ótimos para mercadorias detectar explosivos dentro de bagagem nos aeroportos prevêem resultados de novas fórmulas para o plástico QUAL É SEU PAPEL EM UM SISTEMA DE NEGOCIAÇÃO?
Não espere que um NN faça todo o trabalho para você e produza sinais Buy / Sell. NNs devem ser acoplados à análise técnica tradicional, e os melhores resultados vêm de comerciantes experientes. Isso porque eles entendem quais indicadores de mercado são mais significativos e também como melhor interpretá-los. Portanto, é melhor projetar um NN para produzir indicadores técnicos significativos, e não um "Buy / Sell & quot; cálice Sagrado.
O fluxograma mostra seis etapas do desenvolvimento do sistema de negociação. As redes neurais são tipicamente usadas no terceiro, ou no estágio MODELING. In this stage, neural nets are trained to model some aspect of the market, to classify either current or future market conditions, thereby telling the investor when to get in or out of the market. When forecasting future conditions, they are technically a "leading indicator".
ARE THEY EASY TO USE ?
There are many neural net packages available commercially. Many interact with the Microsoft Excel environment.
A DOSE OF REALISM . . .
Because our standards of integrity are very high, at the risk of losing a sale, we feel compelled to mention the following. We do not imply that developing a neural network is an easy one-night stand. It will take time, and not everyone has the time to do so. Nor is a neural net by itself a trading system. Proper system development still requires the usual human effort, including:
Selecting the best information Building and testing indicators Interpreting the results Deciding whether or not to place a trade Deciding how much to invest (money management)
Details on issues and considerations when getting started is provided in this report, submitted to us by William Arnold, a contributing author to The Journal of Intelligent Technologies.
Lastly, questions arise as to how much a trader should trust a NN model. It will be difficult to trust your computer's decision to buy when fear in your mind cries out "Sell! Sell NOW!" Nevertheless, at conference after conference we hear users commenting that they would have made more money if they had not tried to outsmart and veto their system's decisions. After all, the whole purpose of building an artificially intelligent system is to avoid the same trades as the crowd, who on average, loses money in the market.
ANY SUCCESS STORIES?
Yes, many. One money management firm worked intensively with neural networks since 1988. They use 3000 neural nets, one for each stock they trade. They use both neural networks and genetic algorithms to separately predict the behavior of individual stocks. Although recommendations from both "experts" substantially narrow their selection, they are further refined with the aid of portfolio analysis, in an attempt to limit overexposure to any one stock or sector. Their research has paid off well as they were, at one point, managing a half billion dollars.
Other institutions that implemented operational neural forecasting systems include Citibank, Nikko Securities, Morgan Stanley, Dai-ichi Kanyo Bank, Nomura Securities, Bear Stern and Shearson Lehman Hutton. Advanced Investment Technologies (AIT), in Clearwater, Fla., has one of the longest track records using neural networks.
Here are some articles on neural net for financial applications you can probably find in a library:
"Training Neural Nets for Intermarket Analysis", Futures, August 1994 "How to Predict Tomorrow's Indicators Today", Futures, May 1996 "Going Fishing With A Neural Network", Futures Magazine, Sept. 1992 "Forecasting T-Bill Rates with a Neural Network," Technical Analysis of Stocks and Commodities, May 1995 "Using Neural Nets for Intermarket Analysis", Technical Analysis of Stocks & Commodities, Nov. 1992 "Developing Neural Network Forecasters For Traders", Technical Analysis of Stocks & Commodities, April 1992 "A Neural Network Approach to Forecasting Financial Distress", Journal of Business Forecasting, v10, #4. "Forecasting with Neural Networks: An Application Using Bankruptcy Data", Information and Management, 1993, pp 159-167. "Forecasting S&P and Gold Futures Prices: An Application of Neural Networks", J. of Futures Markets, 1993, pp 631-643. "Neural Nets and Stocks: Training a Predictive System", PC AI, 1993, pp 45-47. "Using Artificial Neural Networks to Pick Stocks", Financial Analysts Journal, 1993, pp 21-27. "Analysis of Small-Business Financial Statements Using Neural Nets", Journal of Accounting Auditing and Finance, 1995, pp 147-172. "Stock Price Prediction Using Neural Networks: A Project Report" NeuroComputing, 1990, #2 "Forecasting Bankruptcies Using a Neural Network," International Business Schools Computing Quarterly, Spring 1995 WHY CAN THEY WORK SO WELL ?
In contrast to standard linear regression models, NNs perform nonlinear regression modeling, which is orders of magnitude more flexible and powerful. When a user wisely decides on a NN's task and feeds it market data needed to perform that task, the model has potential to perform well because it .
is inherently nonlinear and can "train" better than linear models in this environment. can learn to see better than humans the various relationships among large numbers of indicators. is dispassionate and consistent; NNs know neither fear nor greed. can be automatically retrained over and over to accommodate new behavior in the markets. COMMON ERRORS made by NOVICES.
Making money with sophisticated technology is a dual-edged sword. Without careful data preparation, you can easily produce useless junk. The first mistake made by novices using neural networks, is they fail to search for the most relevent data. A few top notch indicators will deliver better results than a few hundred irrelevant ones.
The second common mistake is to think that feeding a neural net 100 indicators will deliver better results than feeding it only ten. But large numbers of inputs require a large model which is difficult to train and maintain. Reducing data to its most compact form (and thereby reducing the NN model to its most compact form) greatly improves chances of success.
Two critical ways to compress data are sparse historical sampling (temporal compression) and redundancy reduction (spatial compression). Many market indicators are redundant because they reflect the same market forces at work, so eliminating redundancy is purely advantageous. As for sparse historical sampling, it is important to find representative values for past points in time, but done in such a way so as not to let important price patterns be skipped.
Jurik's WAV performs sparse historical sampling (temporal compression).
Jurik's DDR performs redundancy reduction (spatial compression).
Here is a nice tutorial on neural nets. It is a Macromedia Flash interactive movie. Select topic from menu along the top of the movie screen.
Do They Really Work?
WHAT ARE GENETIC ALGORITHMS ?
Genetic Algorithms (GAs) are a general purpose problem solving technique. First, several random answers to a problem are generated. The worst answers are eliminated, and the best are "mutated" and "cross-pollinated" with each other to create additional answers that closely resemble the first. The repeated process of elimination and regeneration gradually improves the quality of answers. In this way, they simulate the evolutionary process of "survival of the fittest." GAs are ideal for solving complicated problems with many independent (input) variables and a gigantic number of possible outcomes.
GENETIC ALGORITHM APPLICATIONS.
Genetic algorithms have been used to find the optimal . . .
Budget allocation Job shop schedule Chemical inventory Starting conditions Military response Investment portfolio Fuel consumption Investment trading rules Electronic circuit design.
With regard to financial applications, genetic algorithm optimization has been applied to . . .
Portfolio Balancing & Optimization Budget Forecasting Investment Optimization Payment Scheduling.
Major banks are using a GA component in their loan evaluation programs, such as the one marketed by KiQ of London. Currency traders at Citibank are using GAs to select characteristics of sequences of financial data to more accurately predict their future behavior. Stock traders at Salomon Brothers are using GAs to search for optimal trading rule combinations. Fund managers at Fidelity Investments try to best bundle securities to satisfy constraints. First Quadrant manages a $10-billion portfolio of pension funds, and uses genetic algorithms to build investment models. Models built by genetic algorithms made $255 for every $100 invested, compared with the typical $205. Financial managers at Merrill Lynch use GAs to hedge clients' exposure to price changes in foreign exchange markets.
HOW CAN THEY OPTIMIZE TRADING RULES ?
After you have preprocessed your financial data and developed technical indicators to your liking, your next step is probably to translate these numbers into trading decisions: buy, sell, hold, exit, swap, straddle, leap, etc. Unfortunately, these decisions may involve very complex rules, based on lots of contingencies. For example, one such rule may resemble the following .
Buy long only when A is rising, and B is less than C,
and interest rates just crossed below D.
Neural nets cannot optimize complex trading rules very well. However, genetic algorithms can by employing the latest findings in genetic algorithm optimization (GAO). The concept of GAO comes from the resemblance of this process to genetic evolution. If we pretend the parameters A, B, C, . are genomes (parts) of one large chromosome, then when nature mutates the chromosomes, through mating and reproduction, natural selection eliminates those organisms that perform poorly in the real world. Eventually, organisms with optimal and near-optimal chromosomes survive.
Suppose you had a collection of 30 rules for trading,
but you want only 10 or less.
Which rules do you eliminate?
You might write a program to evaluate all 53 million combinations, or you could use the GA method. GAs would try a number of random combinations of rules, toss out the combinations that performed poorly and make variations upon the collection of rules that performed well. Eventually, you are left with either the optimal or a near-optimal combination of rules.
Rsx trading system
Relative Strength Quality Index.
Accurate trend strength and direction.
Smooth and timely.
Better than RSI.
RSI is a very popular and clever technical indicator . but is very noisy. Jurik's RSX is a "noise free" version of RSI, with no added lag !!
The popular RSI indicator simultaneously measures trend velocity and quality. RSI gives a strong signal when a trend is fast and clean. However, RSI is a jittery signal, making technical analysis very difficult.
1. Jitter produces false trade triggers.
2. Jitter degrades market trend direction analysis.
3. Jitter degrades market reversal analysis.
Want a better version of RSI ? . Sua pesquisa acabou! Jurik's RSX is vastly superior. The chart compares the classic RSI to Jurik's RSX. Could reversals be any more obvious with RSX?
With RSX's cleaner, more accurate signals, you can set tighter stops and more meaningful thresholds. You can also afford to let RSX run a little faster without fear of degradation from excessive noise. This permits you to attain earlier trigger signals.
Tighter stops More accurate thresholds Earlier trigger signals Better acceleration analysis.
Let's look at RSX as a trading signal. Consider a trading system with just one rule: Buy if RSX is rising and sell if RSX is falling. The chart illustrates results using this very simple strategy.
Because the trades in this example are triggered by changes in the direction of RSX, ulta-smooth lines are vital to its success. In contrast, a jittery RSI signal would trigger excessive trades, depleting your account.
You can also use RSX to create superior versions of other indicators.
For example, this chart compares the REI indicator by Tom DeMark and the following formula using RSX:
RSX(bar high) + RSX(bar low)
Note the RSX version is significantly smoother with no added lag!
Order RSX from our "TS" (TradeStation) Toolset ou & quot; MC & quot; (MultiCharts) Toolset. RSX will process any time series you give it, including the results of other functions. Package includes both indicators and functions, so you can use RSX in your own systems and indicators.
Peça o nosso "UT" Toolset, que é um pacote de JMA, DMX, RSX e VEL. Annual license only. NeoTicker aceita tanto "UT" e "DL" Conjuntos de ferramentas. Vá aqui para ver os benefícios de cada Toolset.
Order RSX from our "DL" Toolset. NeoTicker aceita tanto "UT" e "DL" Conjuntos de ferramentas. Vá aqui para obter os benefícios de cada Toolset.
Order RSX from our "MS" Toolset. Sample charts and user manual provided to illustrate indicator usage.
Order RSX from our "XL" Toolset. RSX can be accessed by the command menu, in Visual Basic modules, and as array formulas on a spreadsheet. This gives you maximum flexibility.
The RSX software package includes .
The latest RSX module Sample code showing how to use it.
For more details on RSX, download our illustrated PRODUCT GUIDE.
Baixe nossos RELATÓRIOS TÉCNICOS. Muitos gráficos e comparações.
Leia as LETRAS do nosso CLIENTE. See what others have to say.
Leia nossas PERGUNTAS FREQUENTES. Para respostas a questões técnicas.
Preços, formulário de pedido, perguntas específicas a serem feitas.
RSX is an indicator, not a trading system.
RSX is designed to be applied in trading systems of your own design.
Diferentes intervalos de tempo em um gráfico podem produzir resultados diferentes.
O desempenho passado de qualquer sistema de negociação nunca é garantia de desempenho futuro.
Todas as estratégias de negociação têm risco e a comercialização de commodities / futuros alavanca esse risco.
RSX Scalping System.
The RSX Scalping System was developed by a trader by the name Janus. Just as the name suggest, this trading system is designed to be used by the scalpers. It is a simple to use trading strategy that is recommendable to even the Forex trading beginners.
This trading system should be used to trade on timeframes that are 15 minutes or higher. But since it is mainly for scalping the 15 minutes timeframe is the best for this strategy. When it gets to the currency pairs, this trading system can be used to trade any of the currency pairs.
The RSX Scalping System is based on a combination of two indicators. These indicators are the RSX nrp indicator and the votro indicator which is also commonly known as the RSI Timing indicator.
Figura 1. Snapshot of the template of the RSX Scalping System.
The RSX nrp indicator is indicated just below the main trading system and it consist of a line whose color changes from green to yellow and vice versa as it oscillates around several levels (0, 30, 50, and 70). It is also responsible for giving an alert (both in terms of a sound and a pop up alert message). The higher the level that the line crosses on its way up the higher the chances of a down trend taking place. Also, the lower the level that the line crosses downwards, the higher the chances of an upwards trend in the near future.
The Votro indicator on the other hand is displayed below the RSX nrp indicator’s window and it consists of a blue line that swings on a scale of -100 to 100. There are also red dotted line on the -90 and 90 levels. When the blue line hits the 90 level red dotted line, the trader should be prepared for a downward movement in the market prices. Also, if the blue line hits the -90 level of the red dotted line, the trader should be prepared for an upward trend.
When to place a BUY using RSX Scalping System.
First you will have to choose the time frame that you want to use while trading.
A buy signal occurs when the votro indicator hits the -90 red line at the bottom and the RSX nrp indicator is below the level of 30.
When to place a sell using RSX Scalping System.
First you will have to choose the time frame that you want to use while trading.
A sell signal occurs when the votro indicator hits the 90 red line at the top and the RSX nrp indicator is above the level of 70.
Figura 2. Placing orders using the RSX Scalping System.
Defining profit Targets using RSX Scalping SYSTEM.
First profit target: when RSX reaches line 50. Second profit target: when RSX reaches line 70.
First profit target: when RSX reaches line 50. Second profit target: when RSX reaches line 30.
Defining Stop loss levels using RSX SYSTEM:
When the trader places a sell order, he or she should place a stop loss on the candle corresponding to higher value of RSX.
When the trader places a buy order, he or she should place a stop loss on the candle corresponding to lower value of RSX.
Fig.3. Placing stop losses using the RSX scalping System.
No comments:
Post a Comment