Предлагаю пообщаться на эту тему. В последнее время часто слышу про неё.
Какие есть подходы, какие преимущества какие недостатки.
Прошу высказывать любые мнения.
Плохих ответов не бывает, кроме не высказанных:)
Вы решили двойным ударом лупить, «авто» + «адаптивность», вроде достаточно одного из, ну а если не придираться к словам, то сперва предложите что то из своих исследований на эту тему, а то смотрю мода новичков пошла в одностороннем порядке трясти пипл на инфу, так тоже конечно можно, но куда менее эффективно чем если и самому подпитывать кастрик подливая масла в огонь, хотябы чучуть.
А так могу только предложить подёргать Adaptive Moving Average «AMA» Кауфмана.
ЗЫ: А вообще для начала стоит, точнее СПЕРВА ОБЯЗАТЕЛЬНО НУЖНО ПОНЯТЬ, почему собственно адаптивность должна дать преимущество в прогнозировании. Подумайте над этим коаном.
То что что то там в социальном тренде нифига не означает, это всё околорыночные резонансы, по факту Машки куда более предсказуемы и в среднем профитны, чем нейросети в руках большинства, всмысле одинаково сливные.
Предлагаю пообщаться на эту тему. В последнее время часто слышу про неё.
Какие есть подходы, какие преимущества какие недостатки.
Прошу высказывать любые мнения.
Плохих ответов не бывает, кроме не высказанных:)
Предлагаю пообщаться на эту тему. В последнее время часто слышу про неё.
Какие есть подходы, какие преимущества какие недостатки.
Прошу высказывать любые мнения.
Плохих ответов не бывает, кроме не высказанных:)
Обычно логика такова что некий фильтр к примеру ЕМА имеет динамический период. Динамичность определяется какой то смодулированной скользящей статистикой, например волатильностью, или какой либо детектор шума, как в случае с АМА.
Если Вы совсем в общем интересуетесь, то однозначный ответ вредили возможен, моё ИМХО что нет явных преимуществ перед неадаптивными аналогами, но возможно я немею их «готовить».
Основная загвоздка в том что коэффициенты которыми модулируется динамика также отстают так как должны быть в меру отфильтрованы от шума и возникает замкнутый круг, что адаптивность происходит с лагом давая сложно интерпретируемую картину.
Предлагаю пообщаться на эту тему. В последнее время часто слышу про неё.
Какие есть подходы, какие преимущества какие недостатки.
Прошу высказывать любые мнения.
Плохих ответов не бывает, кроме не высказанных:)
какие есть подходы: наиболее популярные в трейдинге это генетические алгоритмы, генетическое программирование, нейронные сети..
преимущества: позволяют задействовать всю мощность современных компьютеров, заставляя ядра скрипеть от натуги), делая очень сложные вычисления в том числе итерационным путем, недоступные ранее в силу хлипкого железа, достигая высокого уровня подгонки под рынок..
недостатки: достигается высокий уровень подгонки под рынок..)
Спасибо господа за ответы.
Меня прежде всего интересует эволюция эффективности стратегий во времени.
По логике диффузия оптимальных коэффициентов должна быть плавной чтобы автоадаптивность работала, по сути весь алготрейдинг стоит на кусочной стационарности, если её нет и закономерности возникают и исчезают резко то подозреваю нельзя ничего поделать.
Пока даже не знаю с чего начать что бы проверить это.
Уже потом тогда буду углубляться в нейросети и генетику. Пока как верно сказал уважаемый Alecs Bondar нужно вообще понять почему она должна работать.
Я как раз сейчас написал робота, который самоадаптируется под рынок, сейчас тестируется. Один из методов входа у нег ооснован на МА, простое пересечение 2-х средних. Но самая суть в том, чтобы подстраивать периоды этих средних. И результаты получились довольно интересными. Прибыль есть!
Суть такая: одновременно запускается множество "роботов", каждый из них выбирает рандомные параметры средних, стоп лосса, профита тралла и тд. Далее роботы совершают сделки и те, что закрылись в +, продолжают торговать, а те, что закрылись в -, заново рандомно выбирают параметры.
И этот алгоритм позволил вытянуть простое пересечение средних в стабильный +. Тестировал с 2007 года по настоящее время! Как завершится тест, выложу картинку.
![](https://c.mql5.com/3/40/2010-2014_pyco4_1_1000_ynjut2r_9iitvwdijle.gif)
Вот, тест готов, с 2010, по 2014, 923000 сделок, не пипсовщик, профит в диапазоне от 100, до 1000 пунктов по пятизнаку, лосс в аналогичном диапазоне, все рандомное. Лот 0,01 и 0,02, спред правда 1 пункт, в этом вся проблема, если поставить нормальный спред, то результаты не столь радужные. Но суть в том, что благодаря самоадаптации удалось поднять процент прибыльных сделок. На более ранних годах ведет себя аналогично, с неизменным инастройками.
Вот, тест готов, с 2010, по 2014, 923000 сделок, не пипсовщик, профит в диапазоне от 100, до 1000 пунктов по пятизнаку, лосс в аналогичном диапазоне, все рандомное. Лот 0,01 и 0,02, спред правда 1 пункт, в этом вся проблема, если поставить нормальный спред, то результаты не столь радужные. Но суть в том, что благодаря самоадаптации удалось поднять процент прибыльных сделок. На более ранних годах ведет себя аналогично, с неизменным инастройками.
Как ведет себя на других инструментах с неизменными настройками?
![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Какие есть подходы, какие преимущества какие недостатки.
Прошу высказывать любые мнения.
Плохих ответов не бывает, кроме не высказанных:)