سیستم معاملاتی مبتنی بر اکتشافی بر روی داده های فارکس با استفاده از قوانین نشانگر فنی

شاخص های فنی به طور گسترده در فارکس و سایر بازارهای مالی که بلوک های ساختمانی بسیاری از سیستم های تجاری هستند استفاده می شود. یک سیستم معاملاتی مبتنی بر شاخص های فنی یا رویکردهای مبتنی بر الگوی است که سیگنال های خرید/فروش را برای تجارت در بازار تولید می کند. در این مقاله ، یک سیستم معاملاتی مبتنی بر اکتشافی در مورد داده های فارکس ، که با استفاده از شاخص های فنی محبوب تهیه شده است. زمینه سیستم در انتخاب و ترکیب قوانین تجارت بر اساس شاخص ها با استفاده از روش های اکتشافی است. انتخاب قوانین تجارت با استفاده از الگوریتم ژنتیکی و اکتشافی جستجوی حریص تحقق می یابد. یک روش رای گیری اکثریت وزنی برای ترکیب قوانین معاملات مبتنی بر شاخص فنی برای تشکیل یک قانون معاملات واحد ارائه شده است. این آزمایشات بر روی 2 جفت ارز عمده در 3 فریم زمانی مختلف انجام می شود که در آن نتایج امیدوارکننده حاصل می شود.

چکیده گرافیکی

معرفی

فارکس (FX به طور خلاصه) که مخفف ارز خارجی است ، بزرگترین بازار مالی در جهان با معامله روزانه بیش از 5 تریلیون دلار است [1]. در FX ، ارزها به طور همزمان بین 2 طرف رد و بدل می شوند [2]. شرکت کنندگان در FX از جمله بانک ها ، شرکت ها ، کارگزاران/فروشندگان ، افراد و غیره گسترده هستند. EUR/USD بیشترین معامله ارز در بازار FX است.

بسیاری از پزشکان و دانشمندان از نزدیک به پیش بینی قیمت در FX علاقه مند هستند. در این زمینه ، رویکردهای تجزیه و تحلیل به دو گروه تقسیم می شوند: تجزیه و تحلیل اساسی و فنی. تجزیه و تحلیل بنیادی با عوامل کلان اقتصادی برای توضیح و پیش بینی تغییرات در قیمت سروکار دارد. تجزیه و تحلیل فنی با هدف پیش بینی تغییرات قیمت با استفاده از داده های بازار تاریخی. رویکردهای تجزیه و تحلیل فنی می توانند به عنوان تجزیه و تحلیل نمودار و تجزیه و تحلیل قیمت مبتنی بر شاخص فنی گروه بندی شوند. تجزیه و تحلیل نمودار بر روی نمودارهای قیمت با هدف یافتن الگوهای مکرر در قیمت متمرکز است. شاخص های فنی داده های قیمت سری زمانی تاریخی را به داده های سری زمانی دیگر تبدیل می کنند تا الگوهای را تشخیص دهند ، روندها را شناسایی کنند ، نوسانات قیمت را اندازه گیری کرده و رابطه بین قیمت و حجم را تعریف کنند.

ساختار ناپایدار و هرج و مرج قیمت در بازار FX تجزیه و تحلیل پیش بینی را پیچیده می کند. این منجر به استفاده از روشهای بهینه سازی می شود. بسیاری از روشهای اکتشافی عمومی مانند الگوریتم ژنتیکی (GA) ، بازپخت شبیه سازی شده (SA) و غیره برای حل مشکلات بهینه سازی وجود دارد. GA یکی از محبوب ترین روش بهینه سازی اکتشافی عمومی است که راه حل هایی را ایجاد می کند که به موقع تکامل می یابد [3] ، [4]. GA مبتنی بر تکامل و ژنتیک است. روشهای اکتشافی با تلاش و زمان محاسباتی معقول ، تقریباً اما لزوماً راه حل بهینه نیست.

در این مقاله ، یک سیستم معاملاتی مبتنی بر GA که با استفاده از قوانین معاملاتی بر اساس شاخص های فنی تهیه شده است ، شرح داده شده است. این سیستم مبتنی بر آزمایش قوانین معاملات مبتنی بر شاخص فنی برای صلاحیت ، انتخاب در بین این قوانین واجد شرایط و ترکیب قوانین انتخاب شده است. GA در آزمون صلاحیت قوانین تجارت استفاده می شود. انتخاب قوانین واجد شرایط با استفاده از GA و یک اکتشافی جستجوی حریص تحقق می یابد. مورد دوم برای تولید نتایج پایه استفاده می شود. یک روش رای گیری اکثریت وزنی برای ترکیب قوانین تجارت ارائه شده است. داده های آموزش در تمام این مراحل استفاده می شود و سیستم با استفاده از داده های آزمون آزمایش می شود. این آزمایش ها بر روی 2 جفت ارز عمده در 3 فریم زمانی مختلف انجام می شود.

ترکیب قوانین شاخص فنی از انواع مختلف ، مانند متقاطع و الگوی مبتنی بر (به عنوان مثال ، گروههای بولینگر مبتنی بر و واگرایی) ، در ادبیات رایج نیست. دو مشکل مهم چالش برانگیز مربوط به این فرآیند ترکیبی وجود دارد: •

سیگنال های قوانین نوع متقاطع را می توان در هر زمان با استفاده از مقادیر شاخص فنی در آن زمان محاسبه کرد. با این حال ، برای قوانین مبتنی بر الگوی ، برای کشف الگوی سیگنال ، مقادیر نشانگر فنی برخی از بازه های زمانی باید پردازش شوند.

شاخص های مختلف ممکن است تصمیمات متضاد را در همان بازه زمانی ایجاد کنند.

مقاله ما رویکردهای جدید را برای غلبه بر این دو مشکل به شرح زیر پیشنهاد می کند: •

اگرچه سیگنال های متقاطع برای هر نمونه به طور جداگانه محاسبه می شوند ، اما مشاهده همان سیگنال در موارد زمانی متوالی در رفتارهای روند تولید می شود. با این حال ، به طور معمول ، سیگنال های الگوی دقیقاً در زمان یک بار زمانی مشاهده می شوند که الگوی مورد نیاز مشاهده شده است. بنابراین ، معمولاً سیگنال های الگوی رفتارهای روند را نشان نمی دهند. بنابراین ، در مدل ما ، هنگامی که الگویی مربوط به یک سیگنال مبتنی بر الگوی کشف شده است ، آن سیگنال فقط برای آن نمونه زمان نهایی تولید نمی شود ، اما فرض شده است که این سیگنال برای یک دوره زمانی از پیش تعریف شده کوتاه تولید می شود. این رویکرد باعث می شود چندین سیگنال به طور همزمان تولید شود و انواع مختلفی از سیگنال ها را برای تصمیم گیری ترکیب کند.

به منظور غلبه بر مشکل دوم ، اول ، نقاط قوت قوانین محاسبه می شود. سپس ، یک روش انتخاب قانون اعمال می شود ، و در آخر ، از یک روش ترکیبی وزنی برای ترکیب تصمیمات قوانین مختلف و بالقوه متضاد استفاده شده است.

ما با استفاده از یک مجموعه داده واقعی ، روش های انتخاب و ترکیب قانون پیشنهادی خود را آزمایش کرده ایم. به خصوص هنگامی که از مکانیسم انتخاب قانون مبتنی بر GA استفاده می شود ، سیستم ما برای همه موارد آزمون سود پایدار و بالایی تولید کرده است. در حوزه مالی ، ساخت مکانیسم پایدار که همیشه سود ایجاد می کند ، آسان نیست.

بقیه مقاله از 5 بخش تشکیل شده است. بخش 2 مطالعات مرتبط با استفاده از شاخص های فنی برای پیش بینی در بازار FX را ارائه می دهد. بخش 3 اصول FX و تجارت و همچنین شاخص های فنی و قوانین معاملات را معرفی می کند. بخش 4 در مورد سیستم معاملاتی پیشنهادی ارائه و توضیح می دهد. بخش 5 نتایج آزمایشات انجام شده بر روی 2 ارز را در 3 بازه زمانی ارائه می دهد. بخش 6 خلاصه ای از مطالعه را ارائه می دهد ، نتایج را مورد بحث قرار می دهد و با دستورالعمل های آینده نتیجه می گیرد.

قطعه قطعه

کار مرتبط

مطالعات بیشماری در مورد استفاده از تجزیه و تحلیل فنی و شاخص های فنی در پیش بینی بازارهای مالی و بازار مخصوص FX وجود دارد. یکی از اولین مطالعه در [5] ارائه شده است که در آن بازده اضافی قابل توجهی حاصل می شود. در ادبیات ، بسیاری از مدل های پیش بینی/تجارت با استفاده از شاخص های فنی در ترکیب با روش های مختلف یادگیری ماشین ، جایی که GA مورد توجه ویژه است ، پیشنهاد شده است. مدل های شاخص های تکنیکی ترکیبی GA بر روی داده های سهام در [6] ، [7] ، [8] ، [9] و

مبانی و تجارت FX

FX برخلاف بازارهای دیگر مانند بازار سهام ، یک بازار غیر متمرکز است. ساختار غیرمتمرکز آن باعث می شود تا در 24 ساعته تجارت را در اختیار داشته باشد که با سایر بازارهای مالی متفاوت باشد [2]. در بازار FX ، ارزهای مختلفی به صورت جفت بین یکدیگر معامله می شوند.

هنگامی که یک فرد تصمیم می گیرد با استفاده از نرم افزار کارگزار ، یک جفت ارز را تجارت کند ، برای هر ارز دو قیمت می بیند. قیمت در سمت چپ پیشنهاد نامیده می شود و قیمت سمت راست قیمت Ask Ask نامیده می شود. در

سیستم تجارتی

در این بخش ، ما سیستم معاملاتی ترکیبی خود را ارائه می دهیم که از GA و یک روش رای گیری اکثریت وزنی برای انتخاب و ترکیب قوانین معاملات بر اساس شاخص های فنی مورد بحث در بخش قبلی برای تولید سیگنال های خرید/فروش استفاده می کنیم. همچنین ، به عنوان یک سیستم پایه ، ما یک اکتشافی جستجوی حریص ساده را برای جایگزینی مکانیسم انتخاب قانون مبتنی بر GA پیشنهاد می کنیم. سیستم معاملاتی از داده های سری زمانی هر جفت ارز استفاده می کند.

انگیزه ترکیب قوانین تجارت به جای استفاده از آن قوانین

محیط آزمایشی

این آزمایش ها بر روی رایانه شخصی با پردازنده چهار هسته ای 2. 20 گیگاهرتز ، حافظه 4 گیگابایتی و فضای دیسک 500 گیگابایتی انجام می شود.

سیستم معاملاتی پیشنهادی در C#اجرا شده است. MySQL نسخه 5. 6. 13 [43] برای ذخیره مجموعه داده های مورد استفاده در آزمایشات استفاده می شود. نسخه HeuristicLab 3. 3. 10. 11173 [41] به عنوان ابزار GA استفاده می شود.

شرایط سرمایه گذاری

در تمام آزمایشات ، •

واحد مورد استفاده برای محاسبه سود/از دست دادن تجارت ، پیپت است (در بخش 3 توضیح داده شده است).

سرمایه اولیه 10000 دلار است.

مبلغ سرمایه گذاری برای هر معامله (یا خرید

نتیجه گیری و کار آینده

در این مقاله ، یک سیستم معاملاتی در مورد داده های سری زمانی FX با استفاده از قوانین معاملاتی بر اساس شاخص های فنی تهیه شده است. مجموعه متنوعی از شاخص های فنی و انواع مختلف قوانین معاملات بر اساس این شاخص ها در سیستم اجرا و مورد استفاده قرار می گیرد. در میان اینها ، قوانین متقاطع از معادلات ریاضی استفاده می کنند در حالی که واگرایی و باند بولینگر و قوانین مبتنی بر شاخص های مرتبط با آن الگوهای خاص را در داده های قیمت تشخیص می دهند.

سیستم معاملاتی پیشنهادی ترکیب یک گلدان از قوانین است تا به عنوان یک عمل کند