Sistema de Negociação Sequencial de Demarks

Sistema de Negociação Sequencial de Demarks

Revisão de forex do Citi
Taxas forward forward de Forex
Sistemas de negociação gratuitos para o amibroker


Taxa de Forex Tudo o que você precisa saber sobre opções de ações Oi na negociação de opções Quantas opções de ações Website do Exército da Paz Forex Sistema de negociação de ações com código binário Taxa hdfc de Forex Sistema de negociação global coração de ouro

Sequential de Thomas DeMark (TD SEQUENTIAL) usando a inteligência artificial. 1. Introdução. Os sistemas de inteligência artificial se espalham pelas atividades diárias do homem. Os comerciantes foram os primeiros a adotá-los. Vamos discutir como um sistema de inteligência artificial baseado em redes neurais pode ser usado no comércio. Primeiro, vamos estabelecer que uma rede neural não pode negociar sozinha. Ou seja, se houver uma rede neural, ela pode ser fornecida com uma quantidade indefinida de dados de preços, indicadores e outras iguarias - nenhum resultado final será obtido, então essa ideia pode ser descartada imediatamente. Uma rede neural só pode ficar ao lado de uma estratégia, "servir": auxiliar na tomada de decisões, filtragem, previsão. Uma rede neural que representa uma estratégia completa é um absurdo (pelo menos eu pessoalmente nunca vi nenhuma). Neste artigo, vou dizer-lhe como negociar com sucesso, fundindo uma estratégia muito conhecida e uma rede neural. Será sobre a estratégia Seqüencial de Thomas DeMark com o uso de um sistema de inteligência artificial. Seqüencial é bem descrito por DeMark no livro "A nova ciência da análise técnica", que será útil para a leitura de qualquer comerciante. Você pode encontrar mais detalhes sobre o livro aqui. Primeiro, algumas palavras sobre a estratégia. Seqüencial é uma estratégia de contra-tendência. Sinais que aparecem nele não dependem um do outro. Em outras palavras, os sinais de compra e venda podem ser recebidos sucessivamente, o que complica muito o uso do Sequential. Como qualquer outra estratégia, gera sinais falsos, os quais procuramos. O princípio de gerar sinais baseado em Sequential é bem descrito pelo próprio autor. Sua interpretação será ligeiramente modificada aqui. Somente a primeira parte da estratégia será aplicada, usando os sinais Setup e Intersection. Eles foram escolhidos por duas razões: em primeiro lugar, esses sinais estão localizados nos topos e fundos; em segundo lugar, eles ocorrem com muito mais freqüência do que a contagem regressiva e a entrada. Por favor note: uma inteligência artificial pode ser incorporada em qualquer estratégia de negociação, até mesmo no crossover convencional do MA. Em ambos os casos, o momento para tomar uma decisão será o mais importante em qualquer estratégia. O ponto é que analisar cada barra é uma utopia. Portanto, é necessário determinar os momentos, as barras para analisar a situação do mercado. É precisamente para isso que uma estratégia comercial se destina. Novamente, os métodos de análise podem ser absolutamente arbitrários, desde o crossover MA até as formações fractais, desde que um sinal seja recebido. No caso do Sequential, estamos interessados ​​em uma janela de pontos verdes, durante a qual a situação do mercado deve ser identificada e a validade de um sinal deve ser determinada. Fig. 1. O indicador TDSEQUENTA by nikelodeon.mql5. Vamos analisar a figura que mostra a operação da estratégia de negociação Seqüencial sem uma rede neural. Na figura, você pode ver a aparência de pontos verdes. Uma versão adaptativa da estratégia é mostrada aqui - não usando um número específico de barras (por exemplo, 9 barras consecutivas), mas sim enquanto uma condição é atendida. Assim que a condição da estratégia deixar de ser cumprida, aparece um sinal. Assim, cada sinal aparece após seu próprio número de pontos, dependendo da situação atual do mercado. É aqui que o Sequential se adapta ao mercado. Esse efeito fornece a capacidade de analisar a janela que consiste em pontos verdes. Esta janela tem uma duração diferente para cada sinal. Isso dá uma certa vantagem ao usar um AI. O seguinte esquema de cores foi selecionado: um ponto azul após pontos verdes indica um sinal de compra, ponto vermelho - sinal de venda. Pode ser visto que o primeiro sinal de venda (ponto vermelho) acabou sendo falso, porque o sinal seguinte foi maior. Ao trabalhar de sinal a sinal, entrar no mercado usando esse ponto vermelho certamente resultaria em perda de dinheiro. O primeiro ponto azul também foi enganoso: comprar a esse preço traria um rebaixamento significativo. Como separar os sinais em falso e válido? Essa tarefa pode ser resolvida pela inteligência artificial, ou seja, uma rede neural (NN). 2. Contexto de mercado. Um sistema de negociação funcionou perfeitamente anteontem. Ontem, estragou tudo. Hoje tudo é tolerável novamente. Soa familiar? Naturalmente, cada comerciante enfrenta o fato de que a qualidade do sistema de negociação varia de dia para dia. O problema não está no próprio sistema. O chamado contexto do dia de negociação é o culpado. É formado com base na mudança anterior no volume negociado, juros em aberto e flutuações de preços. Simplificando, o histórico de negociação é determinado precisamente por esses dados, que são diferentes no final de cada dia. Isso nos leva a uma recomendação importante: otimizar seus robôs nos dias que têm condições semelhantes aos dias em que é necessário negociar. A tarefa mais difícil ao otimizar o NN é garantir que a amostra de treinamento não inclua os padrões que serão formados durante o dia atual. O contexto diário é uma dessas inclusões. Vamos considerar o seguinte exemplo. Hoje, o volume de comércio e os juros em aberto caíram, enquanto as taxas subiram. Aparentemente, o mercado está enfraquecendo, e uma reversão para baixo é esperada. Ao treinar o NN usando SOMENTE os dias que têm volume decrescente e interesse aberto com um aumento simultâneo nas taxas, há uma maior probabilidade de fornecer os insumos do NN com os padrões que têm maior chance de ocorrer ao longo do dia. Isso terá o NN treinado em termos do contexto do mercado. É mais provável que o mercado reaja da mesma forma que no dia com parâmetros semelhantes. É fácil calcular que existem apenas nove variantes das combinações de volume, preço e juros em aberto. Ao treinar a rede para cada contexto separadamente, todo o mercado será coberto. Nove modelos treinados trabalham por duas semanas em média e mais em alguns casos. É muito fácil organizar o trabalho dentro do contexto diário com a ajuda do indicador eVOLution-dvoid.1.3 (1). Este indicador basicamente lê os dados do arquivo dvoid-BP.csv localizado no diretório. \ Arquivos \ evolução-dvoid \. Pode ser visto que as cotações da libra britânica em relação ao dólar americano são usadas aqui. Para exibir corretamente os dados e poder usá-los subseqüentemente exatamente no contexto do dia, é necessário visitar o local da Bolsa de Valores de Chicago todas as manhãs às 7:30 da noite, horário de Moscou. Faça o download do Boletim Diário (número 27 da libra esterlina), que indica o volume e o interesse em aberto no fechamento do dia anterior. Esses dados devem ser adicionados ao "dvoid-BP.csv" todos os dias antes do início da negociação. Durante o dia, o indicador mostrará as alterações no volume em comparação com o valor anterior. Ou seja, não é necessário o valor real do volume de mercado, mas sua mudança. O mesmo vale para o interesse aberto: seu movimento relativo é importante. 3. Abordagem para organizar o modelo. Para aumentar a amostra de treinamento e fornecer o nível adequado de generalização, é necessário introduzir uma condição importante. Os sinais serão separados em válidos e falsos separadamente para compra e venda. Desta forma, os recursos do próprio NN não serão desperdiçados na classificação dos sinais. Vamos separar esses sinais antecipadamente e construir dois modelos: um será responsável pelos sinais de compra e o outro pelos sinais de venda. Esse truque simples dobra o tamanho da amostra de treinamento. Fato conhecido: quanto maior a amostra de treinamento e quanto maior o seu nível de generalização, mais tempo o modelo permanece adequado ao mercado. Vamos introduzir o conceito de intervalo de confiança: o intervalo em que o modelo é confiável e considerado adequado para uso. Suponha que o intervalo de confiança para um modelo calculado inclua 1/3 do intervalo de treinamento. Ou seja, após o treinamento do modelo em 30 sinais, assumimos que seu período de operação adequado será de 10 sinais. No entanto, não é incomum que um modelo dure três vezes mais do que o intervalo de treinamento. Observa-se (e bastante natural) que, quando o intervalo de treinamento aumenta, a capacidade de generalização do modelo diminui. Isso confirma a teoria de que o Santo Graal não existe. Se pudéssemos treinar um NN em toda a história do mercado com 100% de generalização, obteríamos um modelo ideal capaz de funcionar indefinidamente. Infelizmente, a prática mostra que isso é uma utopia. Mas construir um bom modelo de longo prazo ainda é possível. O segredo está nos dados passados ​​para a rede como entrada. Se eles refletem a essência da variável de saída e são a causa para ela, então construir um modelo não será problema. By the way, sobre a variável de saída. É tão difícil escolher como encontrar os dados de entrada para construir uma rede. Ao olhar para os dados históricos dos sinais, é possível determinar com precisão quais deles eram válidos e quais eram falsos. Como regra, ao construir a variável de saída, cada sinal é interpretado sem ambiguidade, tornando a saída da rede ideal. Ou seja, a saída não contém um único erro e isso faz com que o NN busque os mesmos resultados ideais em aprendizado. Naturalmente, obter um modelo com um nível de generalização de 100% em um intervalo longo é praticamente impossível. Afinal, é improvável que existam dados que interpretem os sinais da variável de saída sem erros por tempo suficiente. Além disso, se tais dados estiverem presentes, o uso de uma rede neural torna-se completamente desnecessário. Devido a isso, a variável de saída deve ser formada com pequenos erros, onde pequenas perdas de sinais são cobertas por lucros significativos. Isso resulta em uma variável de saída que não é ideal, mas tem o potencial de aumentar o depósito. Em outras palavras, os erros causam perdas insignificantes, que são mais do que cobertos por outros sinais lucrativos. Isso permite obter um modelo com um alto nível de generalização para a variável de saída. Neste caso, é muito importante que o grau de erro desse modelo seja conhecido. Portanto, a confiança no sinal terá essa correção. E, finalmente, o aspecto mais importante ao criar modelos é escolher um significado para a variável de saída. Naturalmente, o lucro vem à mente primeiro. Os sinais lucrativos no passado serão denotados como 1 e os perdidos como 0. No entanto, existem muitas outras variáveis ​​semânticas para a saída, que fornecerão informações valiosas adicionais sobre o mercado. Por exemplo: haverá uma reversão após um sinal, um certo lucro será alcançado, será que a barra após o sinal será de baixa ou alta? Portanto, uma variável de saída pode receber um significado de diversas maneiras, usando os mesmos dados de entrada. Isso produz mais informações sobre o mercado e, se vários modelos se confirmarem, a probabilidade de lucro aumenta. Muitas vezes encontro comerciantes que tentam receber 100 ou mais sinais durante um longo intervalo. Então, eu não compartilho desse desejo. Na minha opinião, 10-15 sinais são suficientes para ganhar a vida, mas seu erro não deve exceder 20%. Isso se deve ao fato de que, mesmo que dois sinais em dez apresentem a perda máxima, ainda temos oito corretos. Pelo menos dois deles gerarão lucro suficiente para cobrir as perdas. Então, como alguém faz um modelo que funcionará por tempo suficiente? Por exemplo, exigimos uma operação estável do sistema no M5 durante uma ou duas semanas - um bom resultado, se estiver trabalhando sem otimização excessiva. Suponha que o principal indicador, o principal sistema de negociação (no nosso caso, o Sequencial) gere uma média de 5 sinais por dia. 10 sinais serão dados para cada um dos nove modelos do contexto de mercado. Com isso, há apenas cinco dias de negociação em uma semana. Isso significa que alguns modelos não funcionarão, enquanto outros funcionarão. A prática mostra que cada modelo é acionado não mais do que duas vezes por semana e muito raramente - três vezes por semana. Isso indica que um NN Generalizado funcionará por mais de uma semana, considerando o intervalo de confiança por um período fora da amostra de 10 sinais. 4. Teoria das Redes Neurais. Agora vamos passar para a teoria das redes neurais. Você pode ter pensado que eu estaria ensinando a você topologias, nomes e métodos de treinamento? Você está errado. Vamos discutir o seguinte. Existem duas direções no uso de redes neurais, que diferem na topologia. Um deles está prevendo, o outro está classificando. Uma rede de previsão gera um valor futuro da variável de saída. Acredita-se que também gere o grau de direção das cotações (para cima ou para baixo), além da própria direção. Por exemplo, a taxa atual de EUR é de 1.0600, e a rede gera que ela subirá para 1.0700 em uma hora - a rede prevê esses +100 pontos. Por favor, note que eu não aprove tal abordagem para redes neurais, porque o futuro não está definido. Pessoalmente, acho esse argumento filosófico suficiente para abandonar esse método de trabalho com o NN. Claro, eu percebo que isso é apenas uma questão de gosto, e vale a pena mencionar que as redes de previsão fazem bem seu trabalho. No entanto, eu prefiro redes de classificação. Eles dão a idéia do estado atual do mercado, e quanto mais precisamente ele é determinado, mais sucessivas serão as negociações. Em ambos os casos, receber uma resposta da rede faz com que tomemos alguma ação. No primeiro caso, compramos em 1.0600 e vendemos quando o preço atinge 1.0700. No segundo caso, simplesmente compre e saia da negociação no próximo sinal, mas o nível de preço preciso não pode ser previsto. Para revelar a essência dessa abordagem, veja uma anedota histórica. Um dia, o campeão mundial de xadrez Garry Kasparov foi questionado sobre quantos movimentos para frente em um jogo ele pensa ao planejar o próximo movimento. Todos pensaram que Kasparov diria alguma grande figura. No entanto, o que o jogador de xadrez disse prova que longe de todos entende até mesmo a essência do jogo: "A coisa mais importante no xadrez não é quantos passos adiante você pensa, mas quão bem você analisa a situação atual". O mesmo se aplica ao mercado de câmbio: para entender a essência do jogo, não é necessário olhar várias barras à frente. É o suficiente para determinar o estado atual do mercado em um determinado momento e fazer o movimento certo. Essa é a ideologia que eu mais prefiro, mas, novamente, é uma questão de gosto. Prever as redes neurais também é bastante popular, não se pode negar o direito de existir. 5. Organização interna do sistema de inteligência artificial. Juntamente com a existência de duas abordagens para a construção e uso de redes neurais (previsão e classificação), este assunto inclui dois tipos de especialistas - desenvolvedores de sistemas de IA e seus usuários. Tenho certeza de que Stradivari tocara muito bem seus violinos, embora não se tornasse famoso como um grande virtuoso. O criador do instrumento é certamente capaz de usá-lo, mas nem sempre o mestre consegue realizar plenamente o potencial do que ele criou. Infelizmente, não consegui entrar em contato com o autor do otimizador descrito aqui: ele não responde a e-mails. No entanto, ele é conhecido por muitos frequentadores do fórum. Seu nome é Yury Reshetov. Eu usei sua abordagem no trabalho e, como resultado da comunicação com ele, descobri a estrutura interna do otimizador, sobre a qual gostaria de falar. Espero que o autor não se importe: o produto foi publicado em código aberto. Como usuário de sistemas AI, não preciso entender o código do programa, mas é necessário conhecer a estrutura interna do otimizador. Eu destaquei este produto principalmente porque o otimizador usa um método de treinamento diferente dos clássicos. O ponto fraco no treinamento de redes neurais é o seu overtraining. É praticamente impossível determinar se isso aconteceu e em que medida. O otimizador de Reshetov usa uma abordagem diferente: uma rede não pode ser overtraining, só pode ser undertrained. Essa abordagem permite avaliar a qualidade da aprendizagem em rede como uma porcentagem. Existe um limite superior de 100%, ao qual aspiramos (é muito difícil alcançar tal resultado). Quando obtivermos uma rede treinada no nível de 80%, por exemplo, saberemos que a rede produz um erro em 20% dos casos e pode estar pronta para isso. Esta é uma das principais vantagens do método. A operação do otimizador resulta em um arquivo com código. Ele contém duas redes, cada uma delas é uma equação não linear. Cada uma das funções primeiro normaliza os dados, que são subsequentemente alimentados à entrada da equação não linear. Um "comitê" composto de duas redes foi implementado para aumentar a capacidade de generalização. Se ambos disserem "sim", o sinal é válido; se ambos disserem "não" - falso. Se os valores de duas redes forem diferentes, uma resposta "não segura" será recebida. Por favor note: não há nenhum estado "não seguro" no passado, porque é sempre possível categorizar o sinal em dados passados. Assim, aqui, "inseguro" implica a possibilidade simultânea de sinais falsos e válidos. Isso dá uma transição de cálculos binários para cálculos quânticos. Como uma analogia, considere um qubit: ele pode pegar os valores 1 e 0. O mesmo que "não tenho certeza": essa resposta pode ser uma e zero na história. Um pequeno truque oculto aqui será usado na negociação. Será discutido um pouco mais tarde. Vamos passar para a preparação de dados. Os dados em si são representados como uma tabela do Excel. As colunas aqui são as entradas da rede. A última coluna é a variável de saída. De acordo com o seu significado, esta coluna contém uns e zeros. No nosso caso, um sinal que recebeu lucro é denotado por 1, e aquele com uma perda é 0. As linhas desta tabela representam os dados armazenados quando o sinal aparece. Quando carregada no otimizador, essa tabela é dividida em duas amostras - treinamento e teste, com as duas redes treinando de forma cruzada. Mas o cálculo e a otimização são realizados com o comitê dessas redes. Assim, o treinamento de cada rede é realizado separadamente, mas com a consideração do resultado geral. No final da seção, eu enfatizo: o sistema de IA ou o ambiente de programação usados ​​não importam. Mesmo o perceptron mais primitivo pode ser treinado usando o método de propagação reversa do erro e não ser overtraining, graças a bons dados na entrada da rede. O componente essencial não é o sistema de IA, mas a qualidade dos dados usados. Portanto, o otimizador normaliza os dados primeiro e, depois disso, os dados são enviados para uma equação não linear convencional. E se os dados de entrada são a razão para a variável de saída, então esta simples equação com cerca de 20 coeficientes produzirá 10 sinais com um erro de 20% no futuro próximo. Tem sido repetidamente observado, no entanto, que qualquer transformação de preço leva a um atraso. Portanto, qualquer indicador geralmente dá um atraso, o que afeta o funcionamento dos sistemas de IA. As variáveis ​​de entrada e saída serão discutidas em detalhes no próximo artigo. 6. TD Sequencial e NN. Agora vamos passar para a aplicação prática da teoria descrita acima. Vamos analisar um intervalo com negociação ao vivo. A operação NN será demonstrada por setas azuis. Quando a seta aponta para um ponto vermelho, isso significa que o sinal de venda é válido; quando a seta aponta para cima, o sinal é falso. Se a flecha estiver faltando, indica a resposta "não segura". Os sinais de compra (ponto azul) são opostos: uma seta para cima significa um sinal válido, enquanto uma seta para baixo indica um sinal falso. Vamos considerar o funcionamento do modelo durante o dia. À primeira vista, seria difícil ganhar dinheiro, mas na verdade não é esse o caso. Compreensão do princípio da separação vem para ajudar. Por exemplo, existem dois sinais diferentes uns dos outros. De acordo com a AI, um deles é um sinal falso de venda, que na verdade gerou lucro. Depois de receber o próximo sinal de venda "falso" do AI, é necessário verificar se ambos os sinais se referem à mesma área de separação ou se são simplesmente os mesmos. Se assim for, para que o sinal leve ao lucro, é necessário orientar o indicador para que a seta fique alinhada com a direção do mercado, ou seja, para o lucro do sinal. Dê uma olhada na figura. O primeiro sinal de venda (ponto vermelho) revelou-se não rentável. Mas quando a flecha é virada para baixo, ela se torna lucrativa, pois o sinal de venda # 2 caiu na mesma área com o sinal # 1. Ao virar a flecha, o segundo sinal também se tornou lucrativo, o que poderia ser negociado. Agora considere um sinal de compra. Como pode ser visto, neste caso a IA cometeu um erro novamente, assumindo que um sinal lucrativo é falso. Só resta consertar a situação e inverter a flecha do sinal de compra # 3. Como resultado, o sinal nº 4 começou a indicar a direção correta. Mas o sinal # 5 entrou em outra área, diferente do sinal anterior, e levou a uma reversão do mercado em geral. Em outras palavras, obtivemos um anti-modelo em constante perda, invertemo-lo e conseguimos um modelo lucrativo! Eu chamo este método de orientação do modelo. Por via de regra, realiza-se durante um sinal. É suficiente esperar que um sinal de compra e um sinal de venda apareçam no início do dia, orientá-los e usá-los para o trabalho. Desta forma, pelo menos 3-4 sinais são obtidos em um dia. O objetivo não é verificar os sinais passados ​​e seu desempenho. Em vez disso, é necessário comparar dois sinais mais recentes entre si, verificar se eles pertencem ou não a um grupo e ver que ação deve ser tomada, se o resultado do sinal anterior for conhecido. Ao mesmo tempo, não esqueça que a rede neural pode produzir um erro. Fig. 2. Indicadores BuyVOLDOWNOPNDOWN.mq5 e SellVOLDOWNOPNDOWN.mq5. Fig. 3. Indicadores orientados BuyVOLDOWNOPNDOWN.mq5 e SellVOLDOWNOPNDOWN.mq5. As duas figuras seguintes mostram o funcionamento da rede durante 4 dias. Deve-se notar que apenas o segundo sinal é usado em operação. Todos os sinais que receberam lucro são marcados com uma linha verde, aqueles com perda são vermelhos. A primeira figura demonstra uma operação pura da rede, a segunda mostra a operação orientada de acordo com o primeiro sinal do dia. O primeiro não é definitivamente impressionante. Mas se você olhar para a segunda figura e começar a processar negociações a partir do segundo sinal de cada dia, com o sistema de negociação orientado, a imagem ficará muito mais bonita. Não esqueça que a técnica de reversão deve ser aplicada com cautela. Fig. 4. Indicadores de acordo com o nome de cada dia, não orientados na direção correta. Fig. 5. Indicadores para cada dia, orientados de acordo com o primeiro sinal do dia (comprar e vender separadamente) Nesta forma, os modelos não parecem mais um fracasso, mas sim bastante capazes. Como eles não esgotaram seu recurso de intervalo de confiança, provavelmente serão válidos por mais alguns dias. A essência da classificação é que um espaço de dados multidimensional é dividido por uma linha universal, que classifica os sinais em grupos "válidos" e "falsos". Os sinais "válidos" estão acima de zero, enquanto os "falsos" estão abaixo. O principal aqui é a estabilidade na separação de alguns sinais de outros. Um conceito de orientação TS é introduzido. É importante determinar quando a rede começa a perder de forma constante, gerando sinais invertidos. Por via de regra, neste caso, o primeiro sinal do dia é o guia. Este sinal pode ser negociado, mas com extrema cautela, baseado em outros fatores de análise. Meu conselho: para garantir que a rede não esteja desalinhada, tente fazer com que o número de zeros e uns na variável de saída seja igual. Para equalização, remova livremente os zeros e os excessivos da amostra de treinamento, começando pelos sinais mais distantes. O processo exato de divisão não importa, desde que seja estável. Voltemos ao nosso exemplo: na Figura 2, antes da reorientação, recebemos dois erros seguidos e aproveitamos a situação. Como você pode ver, quando o Sequential é executado no M15, de 2 a 5 sinais podem ser obtidos durante o dia. E se dois sinais de compra, por exemplo, caírem em classes diferentes (um é válido, o outro é falso), então conhecer o resultado do primeiro sinal torna fácil determinar qual será o sinal atual - falso ou válido. No entanto, o método de orientação deve ser aplicado com cuidado. A rede pode produzir um erro e, em seguida, continuar a funcionar corretamente. De qualquer forma, tudo vem com a experiência, tanto as reações mecânicas quanto a intuição dos padrões. A sustentabilidade do modelo obtido está prevista para uma consideração mais detalhada em artigos subseqüentes, já que este tópico tem muitas nuances. Nota: os arquivos anexados referem-se aos números mostrados acima. Você pode baixá-los e testá-los na data especificada. O sistema de negociação não é sensível a cotações, embora tenha havido casos em que Sequential não gerou um sinal em outro corretor, porque as cotações nos momentos-chave eram diferentes. Mas esses casos são raros e os dados de entrada devem ser os mesmos para todos, uma vez que são fornecidos a partir da mesma fonte e não estão sujeitos a alterações. Ao mesmo tempo, não há garantia de que você será capaz de obter os mesmos resultados no mesmo período em que você executar os arquivos baixados no seu computador. Mas você deve ser capaz de usar os modelos para separar os sinais atuais e os anteriores. Em conclusão, vamos considerar mais uma questão mencionada acima. O que fazer, quando a rede gera um sinal "não seguro" e o que isso significa? Repito: a história não tem lugar para um conceito como "não tenho certeza". Isso apenas indica que a amostra de treinamento não continha um padrão similar, e as opiniões de duas redes em um comitê sobre essa questão foram divididas. "Não tenho certeza" implica que o sinal obtido pode ser válido ou falso. É bem possível que o uso de um segmento maior da história permita que o padrão requerido seja encontrado, e a rede seria capaz de identificá-lo. Mas a profundidade de treinamento é pequena - cerca de 30 sinais, o que corresponde a aproximadamente 8-10 dias. Naturalmente, nos deparamos periodicamente com sinais e modelos desconhecidos, que não estavam presentes durante o treinamento. De acordo com minhas observações, quanto mais tempo um modelo funciona, mais freqüentemente ele dá a resposta "não segura". Isso se encaixa bem com a teoria do "mercado vivo", onde o passado não se refere ao futuro. Os padrões recentes podem ser repetidos em breve ou apenas no futuro distante. A essência do mercado é tal que o significado de uma barra diminui gradualmente depois que ela é fechada à medida que se afunda na história. Esta é uma regra geral para qualquer informação: quanto mais antiga ela é, menos sua importância. Existem duas maneiras de classificar o estado "não seguro". Dê uma olhada na figura a seguir. Há sinais com setas perdidas e o notório "não seguro" - as duas redes no comitê as interpretaram diferentemente. Esses sinais são indicados como 1 e 2 na figura. E para o primeiro sinal ser lucrativo, deve ser falso. Fig. 6. Método de organização da orientação do sinal de acordo com o contexto diário. Há duas maneiras de reclassificar o estado "não seguro". O primeiro método é muito simples (veja a Fig. 7). Determinamos que o estado "não seguro" se tornou falso para a primeira venda. Ou seja, o sinal de venda "não seguro" é considerado falso. O sinal # 2 também é considerado falso, supondo continuar comprando. Na verdade, a rede cometeu um erro, mas na prática esse erro pode ser anulado ao entrar no mercado a um preço melhor. Portanto, a aparência de uma seta para cima não causará muito dano, embora, na verdade, o sinal tenha se mostrado negativo. O sinal de compra "não tenho certeza" (ponto azul) também é considerado falso, porque a última vez em que "não tenho certeza" ocorreu, o sinal de compra era falso. Esse método é muito antigo, mas a experiência mostra que ele funciona bem. Fig. 7. Reclassificação do sinal "Não tenho certeza", quando é considerado como uma classe alternativa. O segundo método da classificação de estado "não seguro" exige a organização interna do otimizador e o utiliza como base. Assim, o estado "não seguro" aparece quando uma rede no comitê mostra 1, enquanto a outra mostra 0. A essência do método é selecionar as redes do comitê que mostram a resposta correta. Voltemos ao nosso exemplo. O sinal # 1 revelou-se falso, quando a rede A estava acima de zero e a rede B estava abaixo. Portanto, se a rede B estiver acima de zero e a rede A for menor, esse estado "não seguro" será válido. Quanto aos sinais de compra, tudo é o oposto: o sinal anterior (não presente na figura) era falso quando a resposta da rede A era negativa e a da rede B era positiva. No sinal de compra atual, a situação é oposta, por isso assumimos que este sinal é válido, e é recomendável fazer uma negociação de compra. Fig. 8. Reclassificação do sinal "Não tenho certeza" de acordo com os valores de cada uma das redes de comissões. Eu pessoalmente prefiro o primeiro método de classificação para o estado "não seguro", e ele tem uma explicação bastante lógica. Ao usar um comitê de duas redes, obtemos três classes: "Sim", "Não" e "Não tenho certeza". Os dados são distribuídos para esses três grupos. O importante não é termos três grupos, mas eles são fundamentalmente diferentes. Depois de obter o sinal "não seguro" e depois descobrir sua direção, acredita-se que os sinais subseqüentes nesse grupo tenham a mesma direção. A experiência atual mostra que esse método é mais confiável que o segundo. A previsão de mercados financeiros é difícil: eles são um organismo vivo e imprevisível, onde as pessoas reais trabalham. Durante o dia, a situação do mercado pode mudar tão drasticamente que ninguém diria que isso aconteceria - nem os criadores de mercado, nem os principais players, muito menos nós. O caráter de tais mudanças consiste em dois componentes. O primeiro é o contexto de mercado, que foi discutido. A segunda razão é a atividade de compradores e vendedores em tempo real, aqui e agora. Portanto, a principal coisa na negociação é orientar no tempo e estar em alerta máximo! Usar uma IA não é uma panacéia nem o Santo Graal. É claro que, quando você negocia com o uso de redes neurais, vale a pena ouvir o que a inteligência artificial tem a dizer. No entanto, use sua cabeça ao fazer negócios. Uma vez recebido o sinal da IA, é necessário aguardar sua confirmação, selecionar o nível correto, avaliar a probabilidade de reversão, etc. Isso é o que eu queria discutir no terceiro artigo, que seria dedicado às peculiaridades práticas. de negociação baseada na estratégia Seqüencial com o uso de redes neurais. 7. Conclusão. Mais uma vez, quero enfatizar que este artigo é de natureza puramente metodológica. Todos os métodos descritos podem ser usados ​​em seus sistemas de negociação, e esperamos que as sugestões encontrem seu uso. Estou certo de que haverá tanto apoiadores quanto oponentes do método descrito. Se você ler essas linhas, então você tem pelo menos algum interesse. I would highly appreciate your opinion on what you disagree with, especially if you have a constructive solution, refinement or modification. In other words, criticize constructively! The sustainability of this approach can be proven by constructing an artificial intelligence system in conjunction with me. I would be glad to work on this project alongside a professional programmer, and I invite you to cooperate. The code of TD Sequential is provided at the end of the article, as well as the indicators that filter or classify the buy and sell signals with consideration of the daily context and orientation at the beginning of trading. Please note that the indicators have been rewritten from MQL4 and do not provide the full functionality to completely reproduce everything that is shown in the article. The reason is that the input data for the NN require a set of indicators of the ClusterDelta project, which are available only for paid subscription. I am willing to provide a prepared file for the indicators' operation to all interested. It would be intriguing to rewrite all the required indicators to MQL5 in order to completely reproduce the operation algorithm. My task here was to show how an open source code for creating and training neural networks can be used in the famous DeMark's strategy. I will be glad to see your comments and answer your questions. Programs used in the article: Traduzido do russo por MetaQuotes Software Corp. Jornadas de um comerciante trapaceiro. Aprendizados e pensamentos sobre negociação, macroeconomia, investimento em valor, finanças quantitativas e contabilidade. Tom DeMark’s Sequential™ System. Was reading about Tom DeMark’s Sequential™ System after reading about his call on CNBC that Apple has bottomed on January 15, 2013 when his system had a reading of 13. Brief summary of what I gathered. The system has 3 sequential stages: TD Price Flip Buy setup Close > close 4 bars ago Sell setup Close < close 4 bars ago TD Setup Buy setup 9 consecutive times where the close < the close 4 bars ago Sell setup 9 consecutive times where the close > the close 4 bars ago TD Countdown Buy setup 13 times (does not need to be consecutive) where the close is <= the low 2 bars ago. The countdown can start (i.e. include) the 9th consecutive bar of the TD Setup stage. Sell setup 13 times (does not need to be consecutive) where the close is >= the high 2 bars ago. Essentially the price flip resets the counting to 0, then setup starts counting from 1 to 9, and the countdown counts from 1 to 13 (not 10 to 13, the counting resets again for the 3rd stage), at which point the system indicates an exhaustion condition and an entry can be taken. The system can supposedly be improved by also looking for a break up/down of a channel (pick your favorite, bollinger, donchian, etc.) R & amp; D Blog. I. Indicador de Negociação. Desenvolvedor: Thomas DeMark: TD Sequential. Conceito: reversão da tendência usando pontos de exaustão. Fonte: (i) DeMark, T. R. (1994). A nova ciência da análise técnica. Nova Jérsia: John Wiley & amp; Sons, Inc .; (ii) Kaufman, P. J. (2005). Novos sistemas e métodos de negociação. Nova Jérsia: John Wiley & amp; Sons, Inc. Objetivo da pesquisa: verificação do desempenho do padrão TD Sequential ™ com o tempo sai apenas (TD Sequential ™ é uma marca registrada da Market Studies, LLC). Especificação: Tabela 1. Resultados: Figura 1-2. Trade Setup: Existem estágios de árvore explicados na Tabela 1 (Setup, Intersection e Countdown). Entrada Comercial: Existem três métodos de entrada explicados na Tabela 1. Aplicamos o 2º método. Negociações longas: insira no fecha se fechar [i] & gt; Fechar [i - 4]; Comércios Curtos: insira no fechamento se Fechar [i] & lt; Fechar [i-4]. Índice: i. Barra atual. Saída comercial: Tabela 1. Carteira: 42 mercados futuros de quatro principais setores do mercado (commodities, moedas, taxas de juros e índices de ações). Dados: 33 anos desde 1980. Plataforma de teste: MATLAB®. II. Teste de sensibilidade. Todos os gráficos 3-D são seguidos por gráficos de contorno bidimensionais para Fator de lucro, Ratio de Sharpe, Índice de Desempenho de Úlcera, CAGR, Drawdown Máximo, Percentagem de Negociações Rentáveis ​​e Média. Win / Avg. Índice de Perda. A imagem final mostra a sensibilidade da Equity Curve. Variáveis ​​testadas: Countdown_Length & amp; Time_Index (Definições: Tabela 1): Figura 1 | Desempenho do portfólio (Entradas: Tabela 1, Comissão e Slippage: $ 0). Negócios longos: pelo menos 9 fechamentos consecutivos são inferiores aos fechamentos correspondentes 4 dias de negociação anteriores (Close [i] & lt; Close [i-4]; Índice: i. Barra atual). No caso em que o fechamento de hoje é igual ou maior do que os 4 dias de negociação anteriores, a configuração deve começar novamente. Curtas Negociações: Pelo menos 9 fechamentos consecutivos são maiores do que os fechamentos correspondentes 4 dias de negociação anteriores (Fechado [i] & gt; Fechado [i-4]; Índice: i. Barra atual). No caso em que o fechamento de hoje é igual ou menor que os 4 dias de negociação anteriores, a configuração deve começar novamente. Nota: Cada dia em um período de retrocesso é um dia de negociação. Sequência TD: interseção. Negócios longos: o máximo de qualquer dia após o 8º dia da configuração é maior ou igual ao menor de qualquer dia 3 ou mais dias antes. Essa regra garante que os preços estão declinando de forma ordenada. Curtas Negociações: A baixa de qualquer dia no ou após o 8º dia da configuração é menor ou igual à máxima de qualquer dia 3 ou mais dias antes. Esta regra garante que os preços estão a avançar de forma ordenada. Operações Longas: uma vez que a configuração e a interseção estão satisfeitas, contamos o número de dias em que o fechamento é menor do que os 2 dias mais baixos (Close [i] & lt; Low [i-2]; Índice: i. Barra atual). Os dias que satisfazem esse requisito não precisam ser seguidos. Quando a contagem regressiva atingir 13, a contagem regressiva será concluída e obteremos um sinal de compra, a menos que uma das seguintes condições ocorra: (a) uma nova configuração é formada simultaneamente à medida que o processo de contagem regressiva está ocorrendo; (b) Há um fechamento que excede o maior máximo intradiário que ocorreu durante o estágio de configuração. Operações curtas: uma vez que a configuração e a interseção estão satisfeitas, contamos o número de dias em que o fechamento é maior do que o alto 2 dias antes (Close [i] & gt; High [i-2]; Índice: i. Barra atual). Os dias que satisfazem esse requisito não precisam ser seguidos. Quando a contagem decrescente atinge 13, a contagem regressiva é concluída e obtemos um sinal de venda a menos que uma das seguintes condições ocorra: (a) Uma nova configuração é formada simultaneamente à medida que o processo de contagem regressiva está ocorrendo; (b) Há um fechamento que excede o menor mínimo intradiário que ocorreu durante o estágio de configuração. Countdown_Length = [5, 25], etapa = 1; Barra atual. Neste teste, aplicamos o 2º método. Time_Index = [1, 40], Etapa = 1. ATR_Stop = 6 (ATR. Faixa verdadeira média Tabela 1 | Especificação: indicador de negociação. III. Teste de sensibilidade com Comissão & amp; Deslizamento. Variáveis ​​testadas: Countdown_Length & amp; Time_Index (Definições: Tabela 1): Figura 2 | Desempenho do Portfólio (Entradas: Tabela 1; Comissão e Desistência: Ronda de Vendas de $ 100). CFTC REGRA 4.41: OS RESULTADOS DE DESEMPENHO HIPOTÉTICOS OU SIMULADOS TÊM DETERMINADAS LIMITAÇÕES. A PARTIR DE UM REGISTRO DE DESEMPENHO REAL, OS RESULTADOS SIMULADOS NÃO REPRESENTAM A NEGOCIAÇÃO REAL. TAMBÉM, UMA VEZ QUE AS COMERCIALIZAÇÕES NÃO FORAM EXECUTADAS, OS RESULTADOS PODEM TER COMPENSADO PARA O IMPACTO, SE ALGUM, DE DETERMINADOS FATORES DE MERCADO, COMO A FALTA DE LIQUIDEZ. PROGRAMAS DE NEGOCIAÇÃO SIMULADOS EM GERAL TAMBÉM ESTÃO SUJEITOS AO FATO DE QUE ELES FORAM CONCEBIDOS COM O BENEFÍCIO DE HINDSIGHT. NENHUMA REPRESENTAÇÃO ESTÁ SENDO FEITA QUE QUALQUER CONTA PODERÁ OU POSSIBILITAR LUCROS OU PERDAS SEMELHANTES AOS APRESENTADOS. DIVULGAÇÃO DE RISCOS: RENÚNCIA NECESSÁRIA DO GOVERNO DOS EUA | CFTC REGRA 4.41. Nós compartilhamos o que aprendemos. Inscreva-se para receber notícias de pesquisa e ofertas exclusivas.

Demark's sequential trading system

Thomas DeMark's Approach - Part V - Sequential Mechanical Trading System. Sequential - Demark's mechanical trading system. Any signal on this trading tactic begins with the formation of setup to buy or sell. It is assumed that the setup to buy (sell) is formed, if for at least nine consecutive bars closing prices were lower (higher) than the closing price four bars before for each bar of the sequence. In the setup there must be at least nine bars. Intersection is the process of determining the truth of the setup. For the setup to buy (sell) the intersection occurs when the high (low) price of the eighth or ninth bar will be higher (lower) or equal to the low (high) price of third, fourth, fifths, sixth or seventh bar. If the intersection at the eighth or ninth bar did not happen, the next phase of the "countdown" is postponed until the moment when the intersection does take place. That is, one should wait for the next bar, at which the intersection of the corresponding bars happens. Setup is canceled in two cases: Loop (discussed below); If one of the subsequent closing prices will be higher than the highest price in the buy setup or lower the lowest price in the sell setup. Countdown and the opening position in the sequent - Demark's mechanical trading system. When the setup intersection is happened (but not before the ninth bar of the setup), begins the process of countdown. For sell (buy) setups countdown reflects the ratio between the closing price and the high (low) price of two bars ago. The closing price must be higher (lower) than highest (lowest) price of two bars ago. As soon as the recorded 13 such prices (not necessarily consecutive), signal occurs. Countdown phase cannot be completed earlier than 12 bars after the setup (it is assumed that the ninth bar also includes a phase reference), but usually there are 15 to 30 bars between the setup and countdown completion. Countdown and the setup are cancelled in two cases: Opposite direction setup has been formed There is a "loop", i.e., a new setup in the same direction. Entering the market (Entry) There are three ways to open a position: at the closing price of the bar, which completed the countdown. This is the most risky way, since a loop can happen. after a "flip": in buy (sell) case, the closing price must be higher (lower) the closing price four bars ago; after 2-bar "jump": in buy (sell) case, the closing price must be higher (lower) than the maximum (minimum) price two bars ago. The third way is a compromise between the first and second. Sequential: closing the position. To determine the Stop Loss levels the author used the true price range of the day with the lowest minimum (highest maximum) for the entire period of setup and countdown formation for the buy (sell) signal. There are two methods of exit by Stop Loss: The true range is calculated as follows: a bar's low price is subtracted from the bar's high price or from the closing price of the previous bar, if the latter is higher. In the case of a signal to buy (sell) Stop Loss level is determined by subtracting (adding) the obtained value from the low (high) price of the bar. More conservative is the second method. Bar for the calculation of Stop Loss is chosen the same way. However, when buying a Stop Loss level is determined by subtracting difference between the closing price and the low price from the low price, in sell case the Stop Loss is determined by adding difference between the high price and closing price to the high price. Since the trader entering the market, expects to receive profit, it is important to determine the target profit levels in the case of a favorable price movement. There are two ways to exit the market at a profit: a new setup formation is completed and price fails to reach the extreme price level recorded during the formation of the nearest non-active setup There is a trend reverse signal. Sequential is successfully used not only on the daily charts, but the author is advised to apply it only at this time interval. То видео недоступно. Очередь просмотра. Удалить все Отключить. Market Timing using Tom DeMark's famous Sequential™ indicator. Отите сохраните это видео? Пожаловаться. Пожаловаться на видео? Понравилось? Не понравилось? Текст видео. Expert: Ron William, Technical Strategist at MIG Bank. This exclusive webinar will present an overview of Tom DeMark's famous countertrend market timing indicator. TD Sequential™ is the most widely recognised DeMark indicator. The TD Sequential™ model signals when a trend's price momentum has become exhausted and has an increased probability of reversing. * Market timing is everything (especially during volatile markets!). * What are the key stages. TD Setup™ and TD Countdown™ *How to successfully trade '9' and '13' buy and sell signals? Borda de opções binárias. Tom DeMark trading the nines system/indicator. Like This Unlike Corney 08 Apr 2016. Tom DeMark said this is one of his hottest strategy s. .He said some of the biggest investors in the world only use this strategy. He explain how to use it manually.He also have a software which can count the candles,as and when it qualifies according to the rules.He gave all the rules for free. It took a Lott of time to calculate the setup manually. Is there anybody who already have write a small indicator according to his rules or is there anybody willing to do it. Please, can you share his indicator if you have it or wrote it. Like This Unlike rj7777 08 Apr 2016. Check this out your answer is somewhere in there. Like This Unlike Corney 08 Apr 2016. Check this out your answer is somewhere in there. Thank you for your input, I look there ,but did not find it. If i miss it ,let me know. I could saw ,somebody there ,know about the system. Looks like Tom is so good ,he can identify the setup very fast ,without an indicator,He is use to do that everyday.It also appear to me that one of his. followers have code this 9 bar indicator,with this rules.This will safe a lot of time and make his setup very user friendly and powerful. I also post a thread there asking if anybody have this indicator or willing to code one. Like This Unlike neumatic 09 Apr 2016. Arquivos anexados. cTD Sequential.mq4 4.75KB 117 downloads. Like This Unlike neumatic 09 Apr 2016. and the system rules. Arquivos anexados. screen-shot-2013-04-07-at-8-39-04-pm.png 254.74KB 12 downloads. Like This Unlike Corney 09 Apr 2016. and the system rules. Thank you and well done . Like This Unlike Corney 09 Apr 2016. I also pick up,if you only trades the nine s,which have divergence the won ratio is high. Like This Unlike olamiday 23 Apr 2016. Is it only daily trading, and stocks? Like This Unlike Singh 23 Apr 2016. Well there is a lot more to that Trading the Nines system , Here this pdf contains all the information about all the demark systems including detailed explanation of how to trade the Nines.
Taxas de câmbio atuais hdfc bank
Wiki de opções negociadas em bolsa