Sistema Mecánico Comercial

Modus Trading Trade Como los profesionales Los sistemas mecánicos generan señales de compra y venta. Los comerciantes de sistemas emplean métodos de negociación mecánicos. Usted oirá todas estas declaraciones hechas y verlas impresas en los libros sobre el comercio ndash pero qué significan realmente cada uno utiliza las computadoras actualmente, así que cuál es la diferencia entre sistemas mecánicos y otros sistemas Cuál es la diferencia entre los comerciantes de sistemas y otros comerciantes? Todavía estamos en la era de creer que las máquinas son mágicas y hacer el trabajo para nosotros. Cómo es que las computadoras ahora han aprendido a volar grandes aviones Todos sabemos que no es realmente la computadora que vuela el avión, es el programa de computadora. El programa de computadora no es una máquina, es un software que contiene instrucciones detalladas. En este caso se trata de instrucciones sobre cómo volar un gran avión. No sólo en la recta, sino en despegar y aterrizar en todas las condiciones climáticas. El programa contiene la esencia de una gran experiencia humana en volar aviones, una gran cantidad de física y por supuesto una gran cantidad de tecnología también. La propia computadora no tiene idea de lo que está haciendo. Cuál es el punto de usar la máquina si es tan ignorante Las máquinas son excepcionalmente bueno en el trabajo de repetición ndash puede confiar en ellos para hacer las mismas cosas de la misma manera cada vez cuando las condiciones son las mismas. Los seres humanos no son buenos en esto. Fácilmente se aburren con la rutina. Itrsquos caballos para los cursos luego ndash obtener las computadoras para hacer el trabajo de repetición y dejar que los seres humanos hacen lo que hacen bien. Thatrsquos cómo es con el comercio mecánico. Esas máquinas no están generando las señales de compra y venta más que su gato. Ahora podemos ver los sistemas mecánicos empleados por los operadores de sistemas en su verdadera luz. El sistema mecánico se alimenta con toda la información sobre qué hacer. (Por cierto, esto es mucho más que sólo cómo generar señales de compra y venta.) Cuando un comerciante de sistemas ha probado a fondo su sistema mecanizado puede dejarlo para seguir con el trabajo rutinario de aplicar sus métodos de forma fiable. Ahora se está preguntando lo que los otros comerciantes hacen ndash los que no son los comerciantes de sistemas Estos se llaman los comerciantes discrecionales. Ellos no tienen reglas fijas o de lo contrario si lo hacen, optan por no aplicarlas automáticamente. El problema con los métodos discrecionales es que no siempre se aplican ndash por una razón y otra. Stick a su sistema es la primera pieza de asesoramiento dado por todos los comerciantes de productos básicos con éxito. Esto es mucho más probable que suceda si usted es un comerciante de sistemas con un sistema lsquo-mecánico. Copyright David Bromley 2006 todos los derechos reservados. Durante los últimos postes hemos estado discutiendo el aprendizaje del refuerzo en el comercio de la divisa y el potencial de it8217s para el desarrollo de sistemas que negocian. Después de estos puestos debe ser evidente que el tema más importante con el aprendizaje de refuerzo 8211, dado su gran poder de aprender de los datos 8211 es en realidad curva de ajuste sesgo. Hoy quiero profundizar un poco más en este problema de ajuste de curvas y cómo podemos predecir si un determinado enfoque de aprendizaje de refuerzo generará o no un algoritmo de negociación utilizable. Para esto usaremos algunas muestras tomadas de mis experimentos con el mismo sistema alcista / bajista de Q-learning basado en estado que he usado en los últimos dos posts escritos sobre este tema. En mi último post vimos cómo el aumento de los grados de libertad en el aprendizaje de refuerzo puede afectar la forma en que el sistema se desempeña en un periodo pseudo fuera de la muestra. De esto puede parecer que la mejor solución para el problema de ajuste de curvas es simplemente realizar una división en la muestra / p-fuera de la muestra y entrenar el enfoque Q-learning en los datos de la muestra mientras se evalúan los resultados dentro El pseudo fuera de la muestra de datos, pero este enfoque tiene algunas debilidades muy importantes que lo hacen de utilidad limitada. Dado que los datos pseudo fuera de la muestra siempre son los mismos, se obtiene un gran sesgo relacionado con múltiples pruebas, ya que puede modificar su enfoque Q-learning hasta que simplemente funcione en el pseudo fuera de la muestra, pero podría Sólo entonces trabajar en el pseudo fuera de la muestra por casualidad 8211 debido a la minería de data-sesgo que ha introducido 8211 y puede fallar en otros. Existe un enfoque no sujeto a este problema de pruebas múltiples que podría predecir un determinado aprendizaje de refuerzo 8282 potencial de aprendizaje Realmente hay una manera de hacer esto. Puesto que queremos que el enfoque Q-learning sólo aprenda de la información que es causada por las ineficiencias del mercado y no sólo por el ruido, podemos usar datos donde sólo hay ruido para ver qué tan exitoso puede ser nuestro algoritmo Q-learning. Podemos generar una serie de tiempo utilizando bootstrapping con reemplazo de la serie de datos original para crear una serie de tiempo en la que no hay absolutamente ninguna ineficiencia presentes ya que los retornos se han mezclado aleatoriamente. Si aplicamos un algoritmo Q-learning a estos datos aleatorios, podremos ver la cantidad de información que nuestro algoritmo está aprendiendo del ruido y cuando comparamos esto con la cantidad de aprendizaje que podemos hacer con datos reales podemos tener una idea de cómo Mucho que realmente son capaces de obtener el aprendizaje más allá de lo que se espera de sólo el poder de minería de datos de nuestro algoritmo de aprendizaje. Los resultados en la primera gráfica de este post le muestran exactamente lo que ocurre cuando realizamos este ejercicio usando un algoritmo Q-learning que aprende de 8 o 9 direcciones de barras pasadas. Como se puede ver, ambos son capaces de aprender sustancialmente de los datos aleatorios y el aumento de la complejidad de 8 a 9 barras significa que somos capaces de extraer más información inútil de ruido. Sin embargo lo que es más interesante es que la diferencia entre el aprendizaje usando datos aleatorios y el aprendizaje sobre los datos reales es la misma para los casos de 8 y 9 bar. Esto significa que cuando se aumenta el número de barras en este caso de 8 a 9 no se obtiene ningún nuevo conocimiento y se acaba de obtener más 8220fit de noise8221 que no implica you8217ll recibir más beneficios. Esto va perfectamente bien de lo que aprendimos de hacer pruebas pseudo fuera de la muestra en mi último mensaje. Los ejercicios Q-learning de 7, 8 y 9 bar prácticamente tienen los mismos resultados en el pseudo fuera de la muestra y los 8217 porque la diferencia entre lo que se aprende del ruido y lo que se aprende de las ineficiencias es la misma en los tres casos. Podemos aprender esto aprendiendo en datos aleatorios sin nunca hacer pruebas de pseudo fuera de la muestra. Los datos aleatorios le dan una herramienta muy útil en este caso porque ahora tiene una manera de evaluar su algoritmo Q-learning que no tiene ningún problema con la repetición. Puede generar billones de series de datos aleatorios y por lo tanto puede probar qué tan bien aprende del ruido tantas veces como desee. Si eres capaz de aumentar la diferencia entre lo que aprendes del ruido y lo que aprendes en los datos reales, entonces podrás obtener algoritmos que tengan muchas más posibilidades de éxito bajo nuevas condiciones de mercado, ya que la información que han aprendido del mercado Ser mucho más relevante para la rentabilidad. Al modificar el enfoque Q-learning para ampliar esta diferencia, pude mejorar los resultados para obtener la segunda imagen mostrada anteriormente. Estos resultados son mucho mejores y contienen un pseudo fuera de la muestra que es una mejor coincidencia con el período de la muestra, tenga en cuenta que nunca he utilizado este pseudo fuera de la muestra dentro del proceso de modificación, sino sólo para mostrar el resultado y Por qué pseudo fuera de la muestra de pruebas no es necesario para mejorar un enfoque Q-aprendizaje. Por supuesto, lo anterior son sólo algunos pasos iniciales en el aprendizaje Q y aprendizaje de refuerzo en general, pero ahora que hemos establecido una manera de cuantificar lo bueno que un enfoque Q-learning podría ser (que no es simplemente la prueba histórica) ahora podemos experimentar con Modificar Q-learning y ver lo que obtenemos cuando hacemos cosas diferentes. Qué pasa si utilizamos las barras heiken-ashi Indicadores Qué pasa si damos a Q-learning la misma información que suele mirar un ser humano? Estas son algunas de las cosas que estudiaremos en futuras publicaciones. Si desea aprender más sobre el aprendizaje de máquinas en el comercio y cómo puede crear sistemas que constantemente se entrenan por favor considere unirse a Asirikuy. Un sitio web lleno de videos educativos, sistemas de comercio, el desarrollo y un enfoque sano, honesto y transparente hacia trading. strategies automatizado. Cómo crear un sistema de comercio mecánico Hasta ahora, we8217ve le enseñó cómo desarrollar su plan de comercio. We8217ve también discutió lo importante que es para usted descubrir qué tipo de comerciante de divisas que son. Después, we8217re va a enseñarle cómo agregar un poco de carne a su marco fino del plan comercial mostrándole cómo crear un sistema que negocia de la divisa. Más específicamente, vamos a enseñarle todo acerca de los sistemas de negociación mecánica de divisas. Los sistemas mecánicos de comercio son sistemas que generan señales de comercio para un comerciante a tomar. Se llaman mecánicos porque un comerciante tomará el comercio independientemente de lo que está sucediendo en los mercados. En teoría, esto debería eliminar todos los sesgos y emociones en su comercio, porque se supone que siga las reglas de su sistema NO IMPORTA LO QUE. Si usted hace una búsqueda simple en Google para 8220forex que negocia systems8221 you8217ll encuentra muchas mucha gente hacia fuera allí quién demanda tener el sistema 8220Holy Grail8221 que usted puede comprar para 8220only8221 algunos mil dólares. Estos sistemas supuestamente hacen miles de pips por semana y nunca pierden. Ellos le mostrarán 8220results8221 de sus sistemas perfectos y harán que sus ojos se conviertan en signos de dólar mientras usted se sienta allí y dice a sí mismo, 8220Wow puedo hacer todo este dinero si le doy a este tipo 3.000. Además, si su sistema hace miles de pips a la semana, podrá devolver mi dinero en poco tiempo. Hay algunas cosas que usted debe saber antes de darles su número de tarjeta de crédito y hacer que comprar impulso. La verdad es que muchos de estos sistemas de hecho trabajan. El problema es que los comerciantes de divisas no tienen la disciplina de seguir las reglas que van junto con el sistema. La segunda verdad (existe tal cosa como una segunda verdad) es que en lugar de pagar miles de dólares en un sistema, realmente puede pasar su tiempo desarrollando su propio sistema de comercio mecánico de forma gratuita. Y utilizar ese dinero que iban a gastar como capital para su cuenta de comercio de divisas. La tercera verdad es que la creación de sistemas comerciales mecánicos no es tan difícil. Lo difícil es seguir las reglas que establezca cuando desarrolle su sistema. Hay muchos artículos que venden sistemas, pero no hemos visto ninguno que te enseñe cómo crear tu propio sistema. Esta lección le guiará a través de los pasos que necesita tomar para desarrollar un sistema de comercio mecánico forex que sea adecuado para usted. Al final de la lección, le daremos un ejemplo de un sistema que uno de los FX-Men usa sólo para poder mostrarle lo maravillosos que somos. (Insertar risa malvada aquí). Objetivos de su sistema de comercio mecánico Lo sabemos Diciendo, 8220DUH, el objetivo de mi sistema de comercio es hacer un billón de dólares8221 Mientras que es una meta maravillosa, it8217s no exactamente el tipo de objetivo que le hará un exitoso comerciante de divisas. Al desarrollar su sistema de comercio mecánico, desea alcanzar dos objetivos muy importantes: Su sistema debe ser capaz de identificar las tendencias lo antes posible. Su sistema debe ser capaz de evitar que usted de whipsaws. Si usted puede lograr esos dos objetivos con su sistema de comercio, usted tiene una oportunidad mucho mejor de tener éxito. Lo difícil de estos objetivos es que se contradigan entre sí. Si usted tiene un sistema que metas principales es capturar las tendencias temprano, entonces probablemente se falsifican muchas veces. Por otro lado, si usted tiene un sistema de comercio mecánico que se centra en evitar whipsaws, entonces usted será tarde en muchos oficios y también probablemente se pierda en una gran cantidad de oficios. Su tarea, al desarrollar su sistema mecánico de comercio, es encontrar un compromiso entre los dos objetivos. Encontrar una manera de identificar las tendencias temprano, pero también encontrar maneras que le ayudarán a distinguir las señales falsas de las reales. Si no tienes idea de por dónde empezar, suelta nuestro hilo de Forex Trading Systems en nuestros foros. Toneladas de comerciantes de divisas publicar sus ideas para los sistemas de comercio, por lo que puede encontrar uno o dos que puede utilizar cuando se construye su propio sistema de comercio mecánico. Guarde su progreso iniciando sesión y marcando la lección completa