Bollinger Bands Neurale Netwerk

AANDELEBEURS VOORSPELLING GEBRUIK neurale netwerke deur Dr. Valentin Steinhauer Disclai mer: Geen aanspreeklikheid aanvaar vir akkuraatheid. volledigheid van die metodes en ander inligting in hierdie handleiding. Kort beskrywing Hier word beskou as twee komplimentêre rigtings. een - tydreekse voorspelling. die tweede - Bollinger Bands metode. Hoekom is hulle gekies. In die stil tyd die harmonicas wette heers en op hierdie punt is 'n goeie 'n tydreeks voorspelling. Hierdie metode (uit verskillende bronne) kan 'n voorspelling op en af ​​in die aandelemark waardes met sowat 52% -53% waarskynlikheid, 50% -50% is, moenie vergeet. ewekansige. Tweede rigting (Bollinger Bands) is van heeltemal verskillende area. die aandelemark senuweeagtigheid. Wanneer pryse val of groei te veel in vergelyking met vroeër tye. dan is daar dikwels 'n keerpunt. Statistiek van positiewe voorspellings in hierdie geval is beter. Maar die gevalle nie so dikwels voorkom. en dit sal verwag word wag. Tydreeks voorspelling in aandelemark Tydreeks voorspelling speel 'n groot rol in die ekonomie. Die aandelemark kursusse, asook die gebruik van energie kan voorspel om in staat wees om besluite te neem. Hierdie handleiding toon een moontlike benadering hoe neurale netwerke kan gebruik word vir hierdie soort voorspelling. Dit strek die Neuroph handleiding genoem & quot; Tydreeks Voorspelling & quot ;, wat 'n goeie teoretiese basis vir voorspelling gee. Gebruik vir ons doeleindes, is die tydsverloop waarneming van veranderlike. Veranderlike waargeneem by diskrete tyd intervalle. Die ontleding van tydreekse sluit 'n beskrywing van die proses of verskynsel, wat 'n reeks genereer. Om die tydreeks te voorspel. is dit nodig om die gedrag van die proses in die vorm van 'n wiskundige model wat in die toekoms uitgebrei kan word aan te bied. Om dit te doen. die model is 'n goeie verteenwoordiging van waarnemings in 'n plaaslike segment van die tyd naby aan die huidige. Gewoonlik is daar geen behoefte om 'n model wat 'n baie ou waarnemings sou verteenwoordig het. omdat hulle waarskynlik nie sal kenmerk die oomblik. Ook is daar geen behoefte om waarnemings in die verre toekoms voorlê, jy ná 'n tyd interval wat groter is as die horison. Sodra die korrekte model sal geskep word om die tydelike volgorde te hanteer, kan ons geskikte middel van voorspelling ontwikkel. Om te wys hoe dit werk, ons die netwerk met die DAX (Duitse voorraad indeks) data opgelei - vir 'n maand (03.2009: vanaf 02th tot 30) - om die waarde op 2009/03/31 voorspel. As 'n strategie te neem ons die rye van 4 dae om elke 5de dag voorspel. In die opleiding stel 5 dag is die toesig waarde. Die data DAX kan afgelaai word vanaf die volgende URL (een van die moontlikhede): http://download. finance. yahoo. com/d/quotes. csv? s=^GDAXI&f=sl1d1t1c1ohgv&e=.cs TrainingSetGetter is beskikbaar vir aflaai as 'n deel van NetBeans projek, maar dit is net die harde gekodeerde voorbeeld data met normalisering. Ook die eerste stap is die normalisering van die opleiding data in die omgewing (0-1). Die volgende formule bied dit soos volg: Norm. value = 0.8 (waarde - v1) / (v2 - v1) + 0.1, Hier 0.8 en 0.1 is die waardes te datastel vanaf perke 0 en 1 regstel, v2 is die maksimum waarde * expander en v1 - minimum waarde / expander. Die normalisering speel n belangrike rol in die voorbereiding van data vir netwerk opleiding. Hierdie "expander" koëffisiënt ingeskryf vir kompressie of strek op 'n normalisering. In elk geval van 'n voorspelling is dit wenslik om die koëffisiënt van kontrolepunte te kies. Volgende, is die netwerk topologie gedefinieer. watter tipe netwerk, hoeveel lae en hoeveel neurone per laag gebruik word. Eintlik is daar geen reël vir hierdie, en gewoonlik is dit eksperimenteel bepaal. Maar die algemene vorm van die netwerk gebruik word vir voorspelling is 'n multi-laag perceptron. 'N Aanbeveling is om 2n + 1 nodes vir verborge-laag, waar n die aantal van die insette knope het. Die uitset laag het net een knoop in hierdie geval. Die goeie resultate is verkry met die volgende topologie en parameter stel: maxIteration = 10000, maxerror = 0,0001 en die opleiding stel is soos volg georganiseer: openbare dataset getTrainingSet (int N, int m) trainingSet = nuwe dataset (N, m); .............................................. trainingSet. addRow (in, uit); .............................................. en ooreenstemmende netwerk is: int maxIterations = 10000; NeuralNetwork neuralNet = nuwe MultiLayerPerceptron (4, 9, 1); ((LMS) neuralNet. getLearningRule ()) setMaxError (0,0001). ((LMS) neuralNet. getLearningRule ()) setMaxIterations (maxIterations). neuralNet. learn (trainingSet); Op hierdie punt, ons is gereed om op te lei en te toets die netwerk. Vir die toets sal ons bereid datastel waarop die DAX data word gebruik van die 27, 28,29 en 30.03.09 ter waarde voorspel op 31.03.09 neuralNet. setInput (toets); neuralNet. calculate (); dubbel [] networkOutput = neuralNet. getOutput (); dubbel predictedNormalized = networkOutput [0]; Sedert die netwerk is geïnisialiseer met 'n arbitrêre gewig waardes, sal die toetsuitslae verskil van 'n berekening te bereken. Na vyf toetse dit kom uit met die volgende voorspelling - uitslae vir 2009/03/31: 4084,61; 4081,28; 4073,08; 4075,22; 4087,42. Die duur tyd was 3 sek (2 CPU, 3.3Ghz, 2GB Ram, WinXP). Dit word so genoem 'n komitee - 'n versameling van verskillende neurale netwerke, wat saam aan te bied die voorbeeld, met "expander" 1.30D. Dit gee 'n veel beter resultaat in vergelyking met ander neurale netwerke prosedures. Die waarde wat amptelike aangekondig op daardie dag is 4084,76. Daarom rigting van die verkryging van 'n beter kwantitatiewe resultate is besig om die volgorde van bewerkings, wat ons in die vorige voorbeeld gedra. Ons kan gelyktydige berekeninge gebruik om die komitee te skep. Die komitee is geneig om nie net 'n stabiliteit, maar dit kan ook 'n effektiewe relatiewe beheer van opleiding voorwaardes. Relatiewe verspreiding van die resultate van komitee is die figuur van meriete in hierdie geval. Om die concurrency skep ons gebruik die jetlang pakket. Die komitee sluit die volgende modules in die voorbeeld: Akteur, kanale, boodskap en dit sal beheer van die Hoof module. Die periodiese seine heers in hierdie model (postulaat). Watter periodiese sein is groot? Waar is die onder gepaste of oor passing van perceptron? Is dit moontlik om outomaties te voorspel in hierdie model? (; N grootste harmonicas golf & quot; & quot) Ons sal 'n algoritme met motor-regstelling wat 'n paar basiese ontwikkeling idees demonstreer wys: 1. Ons het meer as een ry van berekeninge (sien & quot; komitee & quot;) 2. Die belangrikste sirkel gee die variasie van aantal punte (N) in die venster van die tyd voorspelling. 'N Kop tydperk bepaal word deur N in elke variasie van & quot; n grootste harmonicas golf & quot ;. Die aantal verborge lae is 2 * N + 1 outomatiese. Soos figuur van meriete sal gebruik word om die R = Σ | | F OBS | - | F calc | | / Σ | F OBS |. sogenaamde R-faktor deur volle tydreeksdata. die elemente sal agtereenvolgens verwyder word om die minimum van R-faktor te bereik en om die optimale verhouding tussen die onder gepaste en oor gepaste bereik: 3. Vir elke N sal verskeidenheid die opleiding stelle wees. 4. Die middelste waarde deur komitee is die gevolg van hierdie eenvoudige outomatiese vloei. Hoe goed is hierdie model & quot; n grootste harmonicas golf & quot; vir jou take, moet jy jouself besluit. Die eenvoudige DAX toetse het getoon goeie wiskundige resultate. Dit filter van die model is soortgelyk aan die menslike slaap: opleiding m odelle is maksimaal verminder. maar wanneer die erkenning verbeter. Deur tydreekse voorspelling die beste resultate is verkry tydens die analise van die groei en val van voorraad waardes. nie vir 'n prognose van jouself waardes. Bollinger Bands in die aandelemark met Neuroph Bollinger Bands is uitgevind deur John Bolliger. Bollinger Bands dui op 'n variasie van die prys van 'n finansiële instrument met verloop van tyd. Die uitgang vir grense van bands doen met 'n hoë waarskynlikheid om terug te keer na bands. En die grootste probleem is om uit te vind: wanneer nie plaasvind nie die terugkeer? Om dit te ruil ons gebruik Neuroph voorspel. Bollinger Bands weerspieël mate van senuweeagtigheid en is goed geskik vir nie stabiel aandelemark. Jy kan meer lees oor die Bollinger Bands in ander dokumente [Wiki lees. byvoorbeeld]. Ons sal ons konsentreer op die gebruik van tegnologie met Neuroph. Die belangrikste parameters vir Bollinger Bands is 'n tydperk bewegende gemiddelde n boonste band bo bewegende gemiddelde 'n laer groep die bewegende gemiddelde As die toets data sal gebruik word DAX. Kyk na die opleiding werk van hierdie metode as 'n voorbeeld. In 'n voorbereide lêer. wat bevat die waardes van Dax vir een dag met 'n 5 minute tussenposes sal soek situasie wat verder gaan as die waarde van die gemiddelde. Gemiddelde dit is eksperimenteel waargeneem aantal 21 laaste waardes. Die produksie is 1, indien die huidige waarde van Dax is bo 2 sigma gemiddelde of onder 2 sigma van gemiddelde en in die 15 minute is die gedrag korrek, in ander gevalle is dit 0. "korrekte" die waarde terug na die band. Die Sigma is die standaardafwyking en dit sal bereken word in die metode "standardAbweichung" dinamies. Die algoritme is geïmplementeer in die program BollingerAnalyze sien die bylaag (projek pakket). Die normalisering is soortgelyk aan dié wat hierbo getoon word. sien die "normaliseer" metode in die BollingerAnalyze. java. In die opleidingsprogram sal na raming (ten einde te beheer) die frekwensie van korrekte werking van die metode: hoeveel gevalle is reg van alle gevalle. Jy kan ander parameters probeer vir jou kole. Die gebruik van die opgeleide netwerk word in die metode getRecommendation. Die metode gee 1 of -1 indien u Bollinger Bands situasie (op of af) en in 15 minute sal DAX terugkeer in die band. In 'n slegte geval is dit 0 of die waarde kan nie voorspel word. Natuurlik 'n groot probleem is om die waardes in reële tyd te kry. Dit is egter 'n organisatoriese probleem en dit kan gedoen word met die dinamiese Neuroph waarde erkenning van beelde in real-time waarskynlik. Die boodskap na die opleiding en toets is as die volg: uiterstes getal = 4707 bollingers uiterstes nommer. = 1006 volle aantal punte = 21136 defekte = 1. In die geval "gebreke" hoeveel Bollinger situasie is nie korrek voorspel. Afsluiting Ten slotte, twee belangrike faktore in die voorspelling van probleme - moontlikhede en belange van die mense wat maak en gebruik voorspelling. Die ideaal is. die historiese inligting word outomaties ontleed, en die voorspelling is 'n bestuurder vir 'n moontlike verandering. Die bekendstelling van 'n kenner in die vooruitskatting proses is belangrik, maar dit vereis dat die samewerking van ervare bestuurders. Volgende voorspelling gestuur om bestuurders, wat dit gebruik om besluite te neem. En selfs as hulle sê die weer is net praat, kan hulle werklike voordele van die gebruik daarvan te kry. Laai die NetBeans projekte met bron Fakulteit Navorsing & Creative Works 'N aangepaste handel strategie model kombinasie neurale netwerke met die Bollinger Bands tegniese aanwyser David Lee Enke. Missouri Universiteit van Wetenskap en Tegnologie Volg Die Bollinger Band is 'n wyd gebruik tegniese aanwyser meet en die wisselvalligheid van sekuriteite te vertoon deur te wys of pryse is hoog met die gebruik van 'n boonste band en of hulle 'n lae met die gebruik van 'n laer band. Die bands is gebaseer op die wisselvalligheid (standaardafwyking) van die verlede prys data. Hierdie aanwyser kan help met streng patroonherkenning en is nuttig in vergelyking huidige prys aksie moontlik te koop en te verkoop seine, help om te kom op 'n self vervat sistematiese handel besluit. As gevolg van sy inherente sloerende eienskappe, die aanwyser kan valse seine te verskaf tydens die handel in sommige markte. Die papier voorgestel 'n aangepaste model, die kombinasie van neurale netwerke met die Bollinger Band tegniese aanwyser, om te voorspel en handel oor die veiligheid tendens. Die voordeel van die gesamentlike stelsel is dat die neurale netwerk sal help om p oorkom die sloerende aspekte van die Bollinger Band aanwyser deur die verskaffing van 'n volgende dag voorspelling, sodat die handelaar om die korrekte handel besluite te neem. Die winsgewendheid van die model sal getoets word met behulp van data uit die S & P 500, Nasdaq saamgestelde en Russell 2000, IBM, Amazon, Pfizer, en General Electric, onder andere. Amerikaanse Vereniging van Meganiese Ingenieurs Dong, Yanqiong; Dagli, Cihan H .; en Enke, David Lee, " 'n gemodifiseerde handel strategie model kombinasie neurale netwerke met die Bollinger Bands tegniese aanwyser" (2005). Fakulteit Navorsing & amp; Creative Works. Papier 3345. Neurale netwerke aanwyser MT4 Neurale netwerke aanwyser MT4 gratis aflaai Gratis aflaai Indicators Neurale Netwerke aanwyser vir Meta Trader 4. Alle Aanwysers op Forex Strategies Hulpbronne is gratis. Hier is daar 'n lys van af te laai Neurale Netwerke mq4 aanwysers vir Meta Trader 4. Dit maklik deur te heg aan die grafiek vir alle Meta Trader gebruikers. Uittreksel uit die lêer RAR of zip. Kopie Neurale Netwerke aanwyser mq4 te Meta Trader Gids / kundiges / aanwysers / Kopie Neurale Netwerke aanwyser mq4 te Meta Trader Gids / kundiges / aanwysers / Begin of jou Meta Trader kliënt herlaai Bemagtig wyse handelaars Maatskappy / Handelaars Ons Bedien Kort termyn Handelaars As 'n kort termyn handelaar, jy het 'n baie diverse handel behoeftes en hoë vereistes. Met Tradecision Professionele Real-Time, kan jy tendense kort termyn te identifiseer en te ontvang tydige strategie waarskuwings. Jy hoef nie te word racking jou brein oor die vind van die regte manier om 'n nalyze tendense, skep handel strategieë en maksimeer wins vir jou en jou gesin. Met die hulp van die duidelike Improvian taal, strategie-ontwikkeling gereedskap en betroubare data Bestuurder die aansoek se jy kan feitlik enige van jou handel doelwitte te bereik. Tradecision in staat stel om: Voer akkurate prys aksie analise. Identifiseer koop en verkoop geleenthede in real time. Skep klank geld bestuurstrategieë. Kry 'n voorsprong bo die kompetisie deur die gebruik van neurale netwerke. Tot jou beskikking, jy het 'n stel van 'n analitiese studies, insluitend 'n uto-tendense, spilpunte, Single Bar patrone, Elliott golf, Terugskrywing patrone, Fibonacci, pitchforks en Gann, asook meer as 100 mees gewilde aanwysers, soos RSI, PercentR , MACD, bewegende gemiddeldes, Stogastiese, Bollinger bands, Chaikin Ossillator. Vir u gerief, die mees betroubare geldbestuur reëls gedefinieerde en maklik toeganklik is deur middel van die Tradecision punt-en-klik Money Management Edito r. Ten volle outomatiese neurale netwerk is kan jy 'n winsgewende handel strategie te skep. Jy kan die tyd wat benodig word vir die optimalisering van jou handel reëls en aanwysers met behulp van die vinnige Genetiese algoritmes te verminder. Terselfdertyd, is 'n oor-optimalisering outomaties voorkom word deur die intelligente algoritmes. Hier is meer oor Tradecision Sien Ons Produk videos Die Basiese FX Trading Konsepte Agter Bollinger Bands Bollinger bands Om 'n pro FX handelaar, die konsepte van Bollinger bands is basiese FX handel konsepte en nie nuut nie, en hulle is een van die meestal aangepas strategieë in vandag se geldeenheid mark en selfs verder in die blok vasgemaak en sekuriteite markte. As 'n tegniek, is 'n Bollinger groep ontwikkel in die 80's deur John Bollinger, teen daardie tyd 'n bekende lang tyd mark tegnikus was hy. A Bollinger groep handel behels die gebruik van saam bewegende gemiddelde met handel bands beide bo en onder dit. Bollinger bands eintlik behels, in teenstelling met persentasie berekeninge uit die normale bewegende gemiddelde, optel en aftrek van standaardafwyking berekeninge. In leketaal, is Bollinger bands wat gebruik word om forex seine wat meestal volg die momentum aanwyser en spesifiek, die bands gee die broodnodige bevestiging van of daar oorverkoop of oorkoop vlakke met betrekking tot die bewegende gemiddelde bevestig. Interpretasie en hoe om Bollinger Bands handel Bollinger Bands bestaan ​​tipies uit 'n middellyn en prys kanale wat normaalweg na verwys word as bands beide bo en onder die middellyn. Terwyl die bande is standaard afwyking van die munt pare onder studie of word verhandel, die middellyn is suiwer 'n eksponensiële bewegende gemiddelde. Wanneer dit kom neer op handel, kan handel Bollinger Bands gedoen word nie net in 'n enkele manier, maar op verskillende maniere waarvan sommige word hieronder bespreek. Een van die mees populêre maniere van handel n Bollinger Band oorweeg dit as 'n aanwyser vir die oorkoop of oorverkoop vlakke. In die bepaling van of 'n mark is oorgekoop, moet 'n mens kyk na 'n situasie waar die prysvlakke beweeg baie naby aan die boonste band. Op die hand, is die forex mark beskou word oorverkoop in 'n situasie waar die prysvlakke beweeg baie naby aan die onderste band. Met inagneming van die bogenoemde twee scenario's, dit is klaarblyklik duidelik dat daar 'n paar inherente uitdagings wat kom nie met hierdie metode en een van die groot probleme wat verband hou met die gebruik van Bollinger bands soos oorgekoop / verkoop aanwyser wees is om te weet wanneer 'n wisselkoerse gaan om deurbraak of weiering van die BB. In die meeste gevalle, handelaars is geneig om eerder die gebruik van stogastiese ossillators in die identifisering van presies wanneer moet hulle saam met 'n weiering of andersins. Maar dit het 'n paar beperkings en persoonlik, het ek tot die besef gekom dat wanneer jy hierdie metode van handel gebruik, sal jy altyd jouself in 'n posisie waarin jy handel dryf 'n toonbank tendens. Met ander woorde, as 'n aanduiding van of die forex mark oorgekoop is / verkoop, dit is veilig om te sê dat so 'n manier van handel Bollinger Bands is die beste geskik is vir die sluiting van posisies eerder as die opening van posisies. Die ander manier van handel Bollinger Bands is die handel middellyn pouse na 'n dubbele bo-of onderkant wat logies volg dat daar 'n weerstand of ondersteuning vlakke voordat jy besluit om jou Eie verbind tot 'n handel. Om 'n nuwe forex handelaar of om selfs die mees ervare ambagte, daar is altyd 'n probleem van valse snellers wat gewoonlik voor as gevolg van die dubbele bodem en ups verskyn in 'n baie stywe wissel van lae onbestendigheid. bottom line In 'n mark is daar nooit 'n waarborg van 100% effektiwiteit van enige handel strategie. Wat ek kan jou vertel vir seker is dat ten spyte van die nadele wat verband hou met Bollinger Bands, die meeste handelaars in die groot voorraad, effekte en selfs die forex mark te vind hierdie bands baie nuttig wees wanneer dit kom by die klem op ekstreme korttermyn pryse geldeenheid paar in die geval van die forex mark. Handelaars is gewoonlik veroorsaak in ambagte en onderneem aankope wanneer die geldeenheid paar prys laer as die onderste BB geval het. Wanneer die prys beweeg na die sentrum bewegende gemiddelde lyn, 'n handelaar maak dan sy winste. Versigtig probeer hierdie. As jy net neurale netwerke van toepassing op dag-tot-dag aanhalings, jy is nie gaan doen baie goed. Hoekom? Omdat hierdie soort voorspelling is iets wat miljoene mense probeer om te doen, met miljoene verskillende metodes, dikwels met 'n baie meer inligting of gesofistikeerdheid as wat jy kan na die tafel bring. Ook, dit laat jou baie kwesbaar vir risiko. 'N Paar dinge om te doen: 1) Kies 'n goeie neurale netwerk model - 'n herhalende neurale netto (bedoel vir tydreekse) 2) Verstaan ​​uitbreidings van gewone helling afkoms (http://arxiv. org/abs/111 1,4259. Http://www. icml-2011.org/ vraestelle /.. Http://www. icml-2011.org/ vraestelle /.), alhoewel jy dit nie kan implementeer tot jou model goed werk saam met helling afkoms / backprop. 3) Gebruik soveel data as wat jy jou hande kan kry op - prys, wisselvalligheid, korrelasies, verdienste, volume. Hou in gedagte wat futures beteken vir voorspelling. Kyk na afgeleides pryse. Pas konvensionele pryse ontledings, soos Black-Scholes, as insette. Moenie bang wees om jou neurale netto anders struktureer as die ten volle verbind manier wees - dit beteken nie noodwendig sin maak vir die korrelasie tussen XOM en F te voer in dieselfde verborge node as vark maag futures, ten minste nie op die eerste laag. 4) kry dit by die beste besluit wat jy kan - as jy kyk na aanhalings, jy reeds agter die spel. Die bestelboek - 'n katalogus van wat verkoop en koop is aangebied teen 'n bepaalde oomblik - is besonder waardevol, maar as jy vas op soek tweede-tot-sekonde dit is okay 5) Test soveel as wat jy kan. Tweak die grootte van die netto, die aantal lae, die struktuur, regulering. Parameter tuning neem meer tyd en is meer belangrik as die keuse van die aanvanklike model (al het beide is belangrik). 6) Bly bewus van & quot; Black Swan & quot; risiko. A neurale netwerk sal nie sien val 'n Lehman se broer kom, kan dit Angela Merkel se gemoed nie meet. As jy net dit te doen vir 'n klasprojek, kan jy 'n baie lazier wees. wisselvalligheid ruiter Dit is my persoonlike opsies handel dagboek. Ek bespreek beide my diskresionêre aandele opsies handel, sowel as my voortdurende ontwikkeling projekte waarby handel gereedskap ontwikkeling en ontwikkeling meganiese handel stelsels. Woensdag, November 30, 2005 Tegniese Trading, neurale netwerke en die All-Mighty Bid-Vra Smeer Ek het nie gepos in 'n rukkie. In die aande het ek nie skryf op my blog of ek skryf kode. Onlangs het ek het al meestal kode skryf in plaas. Ek hoop om 'n paar resultate van 'n paar van die eksperimente Ek het later gedoen plaas, maar in die tussentyd hier is 'n opsomming van die dinge wat ek het gewerk op die afgelope maand of so. * Ek het uiteindelik my opsie data in 'n bruikbare vorm. Ek gebruik hierdie om verskeie eenvoudige wisselvalligheid handel strategieë met betrekking tot dinamiese verskansing backtest. Ek was veral geïnteresseerd in die vind van 'n paar nuttige lang gamma scalping strategieë. Niks regtig interessant tot stand gekom het uit hierdie. Die belangrikste nut van hierdie eksperimente was dat dit 'n goeie praktiese toets van my toegang tot die inligting en skoonmaakroetines. Bad datapunte was 'n groot probleem. Hierdie projek het my gedwing om meer robuuste-data scrubing roetines wat later op onskatbare waarde sal wees te skep. Oor die algemeen die lang gamma handel idees wat ek getoets het piss-swak resultate. Ek was verbaas oor die algemeen hoe swak verskansing die opsies met voorraad was om te werk. Een onthulling eksperiment was my eerste een. Ek getoets koop van 'n OTM opsie en replicerende dit met Black-Scholes, verskansing die die delta met voorraad met behulp van die einde-van-dag pryse vir beide die opsies en die voorraad. 'N Mens sou verwag dat so 'n basiese strategie sal oor die algemeen nie 'n beduidende winste of verliese (met die aanvaarding geen transaksiekoste) maak. Gaan lank opsies en verskansing die delta was byna altyd 'n groot verloorder op die blok ek getoets. Dit was selfs die geval as ek gesimuleerde met die koop van die opsie aan die bodprys, en sluit dit uit op die aangebied prys as 'n mark sou gemaak het. Dit replikasie via swart-Schölles werk so swak behulp einde van die dag data, stel my voor dat miskien ek moet toets lang gamma wisselvalligheid handel stratagies met intra-dag (hoë-frekwensie) data. Nou is my data is 2003-2005, wat 'n tydperk waaroor wisselvalligheid algemeen af ​​het tendens, so ek sal 'n reguit ongefiltreerde opsie verwag koop strategieë goed in die algemeen uit te voer, maar ek sou nie verwag dat hierdie strategie om mooi soos swak as dit gedoen. Ek kan nie glo dat opsies verhandel teen so 'n hoë premie op die werklike besef wisselvalligheid as hierdie resultate stel voor. Ek dink ek lees in 'n dinamiese Verskansing Telab se historiese volatiliteiten gemeet teen hoër frekwensies is geneig om hoër te wees. Dit sou die resultate wat ek besig was om uit hierdie eksperimente met einde van die dag data te verduidelik. Vermoedelik as dit waar is dat historiese wisselvalligheid is hoër as die metings op 'n hoër frekwensie as die aanpassing van die delta heining by 'n hoër frekwensie gemaak meer winsgewend sou wees. * Ek dan eksperimenteer met 'n Bollinger groep stelsel loosly gebaseer op die genoem in Altucher se Trade Soos 'n Verskansingsfonds een. In die verlede het ek baie eksperimenteer met Bollinger groep teen-tendens gebaseer handel stelsels (deur 'n eksperiment ek bedoel meestal backtests, en 'n bietjie van die werklike handel). Hierdie stelsels Ek algemeen getoets word gekenmerk deur 'n hoë-probablility van 'n klein opbrengs, en 'n klein waarskynlikheid van 'n groot verlies elke nou en dan. Klink soos die verkoop van opsies kort reg? Dit is nie verbasend dat sulke stelsels het 'n soortgelyke risikoprofiel as die verkoop van 'n opsie kort, want handel teen-tendens in wese 'n kort opsie posisie is replicerende. In elk geval ek was geïnteresseerd in eksperimenteer met handel teen-tendens en koop 'n lang opsies of versprei om die risiko te beperk. Nog 'n idee ek gehad het, was die gebruik van Bollinger bands om toegang punte te kies vir beenkap in skoenlappers. Sommige van die verskillende skemas Ek kyk na het 'n paar belofte. Wat ek het hoofsaaklik weg van hierdie eksperimente was 'n groter apreciation vir rand die mark maker se opsie markte. Dit was 'n bietjie ongelooflik hoeveel meer winsgewend 'n stelsel sou word as ek gesimuleerde dit deur die koop van die opsies op die bod en verkoop op die aanbod soos 'n mark maker. Dit lyk asof dit die bod / aanbod versprei in my einde van die dag opsie data is 'n bietjie wyer as wat ek gewoonlik eintlik sien in markte opsies. Ek sal moet later kyk na hierdie. Dit mag wees dat die einde van die dag opsieprys data wat ek het is byna waardeloos vir die toets van enige verspreiding strategie. * Op die oomblik is ek eksperimenteer met neurale netwerke. In my mees basiese eksperiment probeer ek om die volgende dag se terugkeer voorspel met behulp van 'n basiese back-voortplanting neurale netwerk, opgelei daagliks oop, naby, hoog, laag, volume tydreeksdata. Ek het nie regtig verwag om enige praktiese handel stelsels uit hierdie kry. Hoofsaaklik dit was net om my voete nat met neurale netwerke te kry. en om 'n toolset vir toekomstige eksperimente te bou. Interessant genoeg die eenvoudige netwerk bo oor die algemeen beskryf lyk om te wys * 'n * statisties beduidende voorspellende vermoë om vir die volgende dag terug op die SPY, maar niks wat verhandelbaar. (SPY is die enigste voorraad Ek het gewerk met baie tot dusver gebruik van neurale netwerke.) Ek hoop om 'n blog-post aanbieding my resultate tot dusver 'n bietjie later op te skryf. My ware doel met die neurale netwerke is om te verken voorspel 'n hoë-frekwensie opbrengste. Sommige van die literatuur wat ek gelees het dui daarop dat hulle werk baie goed op 'n hoë-frekwensie data en ek wil om te kyk nie. Ek wil ook om te probeer om met behulp van neurale netwerke opgelei opsie oop rente en volume data oor 'n reeks stakings en verval. Dit sou 'n baie data voorbereiding en strukturering vereis. Ek is nog steeds dink oor goeie maniere om die data te hanteer vir 'n eksperiment soos dit. Tans Ek skryf nuwe neurale netwerk-kode in staat wees om meer gevorderde netwerk strukture, hoofsaaklik netwerke wat 'n soort van terugvoer lus inkorporeer hanteer. Ek het ten minste 2 artikels waar die skrywers gebruik netwerke met terugvoer-sirkelroetes op finansiële tydreeksdata te lees. Ander artikels wat ek oor tyd-reeks forcasting lees in die algemeen noem hierdie tipe van neurale netwerke as 'n standaard instrument. My belangrikste wegneemetes van wat ek gewerk het op onlangs is dat ek wil 'n paar hoë-frekwensie data te bekom. Ongelukkig, 'n hoë frekwensie data is baie duur om te koop. My plan is om 'n program om hierdie inligting vir 'n paar aandele in te samel myself oor 'n maand of so en gebruik dit as 'n beginpunt te skryf. Daar is twee belangrike chalanges met die werk met 'n hoë frekwensie mark data. Die eerste een is dat daar 'n baie dit. Spaar bosluis data vir selfs een voorraad kan maklik baie megagrepe per dag. In die tweede plek van wat ek gelees het, 'n hoë frekwensie data moet gefiltreer nuttig te wees. Dit is geneig om baie afgeleë (slegte) datapunte het. Bemagtig wyse handelaars algemene vrae Vraag: Hoe kan ek probeer om die handel sagteware voordat ek dit koop? A. Ons bied nie enige demonstrasie of proef weergawe. Ons bied 'n 30-dae geld terug waarborg. As jy nie tevrede is met ons handel sagteware, kan jy dit binne 30 dae en kry jou geld terug. Verder kan jy 'n groot hoeveelheid inligting te vind op ons produk op ons webwerf. Vraag: Wat is 'n & quot; 30-dae geld terug waarborg & quot ;? A. Indien u om een ​​of ander rede, jy is nie 100% tevrede is met Alyuda se Tradecision, jy kan 'n terugbetaling van die volle bedrag van jou betaling ontvang binne 30 dae na die sleutel aktivering. Vraag: Hoe kan ek bepaal dat die sagteware is reg vir my? A. As jy nodig het 'n robuuste tegniese ontleding gereedskap om jou handel idees te toets voordat hulle eintlik die gebruik van, en as jy het 'n ander gespesialiseerde tegniese ontleding of neurale netwerk sagteware is teleurgesteld as te ingewikkeld om te gebruik, Tradecision is vir jou. Gebruik Tradecision om beter handel besluite te neem in jou daaglikse handel. Jy kan dit gebruik vir enige van die volgende take: Kartering met maklik-om-te gebruik tekengereedskap; Ontleding van prys data met tegniese ontleding aanwysers en analitiese studies; Ontwikkeling en toetsing van handel stelsels gebaseer op neurale netwerke en tegniese aanwysers; Vooruitskatting mark beweeg en draaipunte op te tree voor die ander; Die gebruik van genetiese algoritmes vir 'n vinnige en doeltreffende handel stelsel optimalisering. Vraag: Wat is die sterkpunte van jou handel sagteware? A. Of jy nou 'n begin belegger of veteraan handelaar, Tradecision bied jou met die praktiese en gevorderde versameling van gereedskap om jou handel besluitnemingsproses ondersteun. sterkpunte Die volgende Tradecision se is tot u diens: Krag van beide tradisionele tegniese ontleding en kunsmatige neurale netwerke in 'n enkele pakket. Maklik om te gebruik tegnologie en GUI. Met Tradecision, kan jy 'n gevorderde tegnologie in diens sonder die behoefte om enige nuwe teoretiese of wetenskaplike inligting te leer. Akkurate konstruktiewe neurale netwerke vir die maak van voorspellings en komponeer neurale strategieë. Punt-en-klik Money Management Redakteur, sodat jy maklik gebruik en aan te pas die mees bekende posisie grootte, stop-verlies, sleep stop en wins teiken reëls. Kragtige strategie-ontwikkeling en toetsing vermoëns. Strategie Bouwer, 'n kragtige taal, Optimization Wizard en Simulasies Bestuurder, verskaffing portefeulje toets en gedetailleerde verslagdoening vermoëns. Fast optimalisering met genetiese algoritmes. Die stelsel sal jou toelaat om outomaties te vind die beste insette vir neurale netwerke, die nommer van die handel strategie parameters word new om onbeperk. Uitgebreide lys van analitiese studies en aanwysers. Ondersteun jou handel besluite met meer as 100 tegniese aanwysers, motor-tendense, grafiek patrone, Elliott golwe identifikasie en ander analitiese studies. Enige soort analise gemaak met behulp van Tradecision is besonder akkuraat. Dit maak die aansoek 'n groot hulpmiddel vir die aktiewe en professionele handelaars. Vraag: Watter beter vir my om te koop sal wees - Standard of Professional Edition? A. Dit is afhanklik van 'n aantal faktore, insluitend jou benadering tot handel, jou behoefte aan die gebruik van gevorderde gereedskap en jou begeerte om jou handel ervaring te verbeter. Met Professional Edition. jy die volgende belangrike voordele: Vermoë om jou eie persoonlike tegniese ontleding aanwysers te skep. Sedert handel tegnologie en tegniese ontleding voortdurend ontwikkel, is dit baie belangrik dat hierdie instrument gebruik word vir eksperimenteer en skep up-to-date, effektiewe aanwysers. Neurale Models optimalisering met genetiese algoritmes. Gebruik Genetiese algoritmes die beste neurale model insette en hul parameters vind. Genetiese algoritmes kombineer die beste eienskappe van die ander optimeringsmetodes, soos gehardheid en vinnige konvergensie, wat nie afhang van die eienskappe van die optimalisering kriteria (soos, byvoorbeeld, gladheid). Studies. Voorspelling.