QuantumPip
- Эксперты
- Evgeniy Scherbina
- Версия: 2.3
- Обновлено: 14 сентября 2024
- Активации: 10
Советник QuantumPip ("КвантумПип") - это полностью автоматический советник, который умеет торговать одновременно на 10 символах: AUDCAD, AUDUSD, EURUSD, GBPCAD, GBPCHF, GBPUSD, NZDUSD, USDCAD, USDCHF и USDJPY. Советник также использует цены золота для расчета входов по этим символам.
Советник использует два вида рекуррентной нейронной модели - односетевую (решения "бай" или "селл") и двухсетевую (решения "бай" или неопределенность и "селл" или неопределенность). Таким образом, советник QuantumPip торгует одновременно по 20 стратегиям - по две независимые модели на каждый из 10 символов. Это помогает диверсифицировать риски и увеличить потенциальную прибыльность.
Внимание! Советник QuantumPip использует цены золота в качестве поддерживающего символа для расчета входов. Если в вашем терминале нет золота, то советник не сможет торговать.
Версия для МетаТрейдера 4 здесь.
При создании советника я постоянно консультировался с популярной платформой ChatGPT по техническим и концептуальным вопросам. Разумеется, ChatGPT не является автором этого советника. Возможно, совсем скоро искусственный интеллект станет настолько мощным, что сможет создавать самостоятельные торговые стратегии. Но пока это не так. Я создал QuantumPip. Однако многие идеи были подсказаны ChatGPT.
Среди прочих идей, предложенных ChatGPT:
1) использование цен золота в качестве дополнительных входов для нейронных моделей;
2) как и зачем нужно объединить разные стратегии в одну;
3) указатель дня недели и дня года для учета недельных и сезонных факторов;
4) принципы управления капиталом в торговле на Форексе для частного трейдера и вариант технической реализации.
Помимо концептуальных идей и консультаций по техническим вопросам, ChatGPT предложил название и нарисовал картинку для этого советника.
Запускайте советник на одном графике любого символа. Независимо от вашего текущего графика, советник всегда торгует все свои символы с одного графика.
Советник торгует на дневном графике, поэтому для его тестирования вы можете использовать как "Все тики", так и "OHLC на M1". В последнем случае вы можете значительно увеличить скорость тестирования.
Рекомендации для реальной торговли
- График EURUSD D1
- Депозит 250 USD (лучше 1000 USD)
- Accounting = Smart_Netting
- Money Management = Responsible
- Risk = Reliable
- Max trades per signal = 1
Свойства советника
- Name for Gold >> название для символа золота. Посмотрите в терминале, как называется золото, и впишите. Используются для расчета входов.
- Suffix for symbols >> суффикс понадобится тем, у кого в терминале символы с разными суффиксами. Большинство пользователей могут оставить это поле пустым.
- Accounting >> учет сделок. Smart_Netting - не открывает противоположные сделки, закрывает положительную прибыль при появлении противоположного сигнала. Netting - не открывает противоположные сделки, закрывает как положительную так и отрицательную прибыль при появлении противоположного сигнала. Hedging - может открывать противоположные сделки.
- Money management >> управление капиталом. Responsible - "ответственный" и All_In - "ва-банк". В ответственном режиме советник регулирует количество сделок исходя из наличных средств. В режиме "ва-банк" ограничения сняты.
- Risk >> режим торговли. Ultimate - "максимальный" и Reliable - "надежный". В максимальном режиме параметры обучения нейронной сети "натянуты" для создания красивого исторического графика. Надежный режим использует нейронную модель, при обучении которой значение потери не отличалось от потери в будущем периоде. Поэтому прибыльность надежного режима может быть значительно выше в будущем периоде, чем у максимального режима.
- Max trades per signal >> количество сделок по схожему сигналу. Если сигнал повторяется, то советник открывает новые сделки, пока не достигнет максимума.
- Comment >> комментарий.
- Magic >> волшебное число. Советник использует 2 волшебных числа (magic2 = magic1 + 1). Если вы используете советник с разными волшебными числами на одном счете, они должны отличаться хотя бы на 2.
- Takeprofit >> тейкпрофит
- Trail >> трейл
- Stoploss >> стоплосс. Советник закрывает сделки по результатам своих расчетов. Использование стоплосса номинальное.
- Volume >> объем на одну сделку. Фиксированный объем (пример: 0.02) или процент от доступных средств (пример: 0.015%). Советник печатает реальный объем на вкладке "Эксперты" при запуске или смене таймфрейма. Всегда используйте фиксированный объем для счетов, которые использует не доллар США в качестве валюты депозита (то есть евро, юань, биткойн, австралийский доллар и т. д.).
- Trading start hour >> время начала торговли.
- Trading end hour >> время окончания торговли.
Из разговора с ChatGPT:
Я: Переобучение показывает хороший исторический график, но не может создавать стабильную прибыль в будущем. В то время как правильное обучение нейронной сети рисует посредственный исторический график и показывает приемлемые результаты в будущем. Как вы думаете, почему большинство клиентов не могут понять эту простую истину?
ChatGPT: Проблема переобучения и обобщения моделей машинного обучения, которую вы описываете, действительно является распространенной. Вот несколько причин, по которым это может происходить:
1. **Сложность против простоты**. Концепция переобучения и обобщения включает в себя сложные идеи машинного обучения, которые людям без технического образования может быть трудно понять.
2. **Краткосрочная и долгосрочная эффективность**. Клиентов больше привлекают модели, которые исключительно хорошо работают на исторических данных (переобученные модели), поскольку непосредственные результаты кажутся благоприятными, даже если их нельзя воспроизвести на неизвестном периоде.
3. **Недостаток образования**. Многие клиенты могут не иметь глубокого понимания принципов машинного обучения, что приводит к использованию простых показателей или визуализаций без учета более широких последствий эффективности модели.
4. **Ожидания**. У клиентов могут быть нереалистичные ожидания или неправильные представления о возможностях моделей машинного обучения. Так появляется заблуждение, что машинное обучение может с идеальной точностью предсказывать будущие результаты на основе исторических данных.
Обучение клиентов поиску баланса между переобучением и обобщением, а также важности проверки модели на неизвестном периоде поможет установить реалистичные ожидания и поспособствует лучшему пониманию сложностей, связанных с созданием надежных моделей машинного обучения.
Я: Хорошо. Но почему как бы я, разработчик, ни пытался объяснить принципы машинного обучения, и даже несмотря на показываемые мной картинки, большинство клиентов все равно предпочитают полагаться на красоту переобученных и красивых исторических графиков?
ChatGPT: Может быть несколько причин, по которым клиенты по-прежнему предпочитают модели с переобученными и визуально привлекательными историческими графиками, несмотря на ваши усилия по объяснению принципов машинного обучения. Вот несколько возможных причин такого поведения:
1. **Визуальная предвзятость**. Клиентов могут визуально привлекать модели с красивыми историческими графиками, даже если эти графики являются результатом переобучения. Графическое представление данных может иметь сильное влияние и затмевать технические объяснения.
2. **Немедленные результаты**. Клиенты могут быть более сосредоточены на немедленных или краткосрочных показателях эффективности, а не на долгосрочных обобщениях и будущих результатах. Визуально приятный исторический график может дать им ощущение немедленного успеха.
3. **Сложность**. Концепции машинного обучения могут быть сложными и трудными для понимания людьми без технического образования. Клиентам может быть легче интерпретировать и доверять визуально понятным результатам, а не абстрактным техническим объяснениям.
4. **Предвзятое мнение**. У клиентов могут быть предвзятые представления или предубеждения относительно того, как должна выглядеть успешная модель. Если они увидят визуально привлекательный исторический график, это может подтвердить их убеждения о том, что представляет собой хорошая модель.
5. **Недостаток доверия**. Клиенты могут иметь ограниченное доверие к объяснениям разработчика или к процессу машинного обучения в целом. Отсутствие доверия может привести к тому, что они будут полагаться на визуальные подсказки, а не на технические рассуждения.
Я: Ваше объяснение звучит очень уважительно. Но, может быть, единственная причина, по которой клиенты не покупают стратегии, реализующие принципы машинного обучения, заключается в том, что существует так много недобросовестных разработчиков, которые продают, продают и продают переобученные модели, как если бы это были самые передовые стратегии, доступные на рынке? Хотя на самом деле они втюхивают "баян".
ChatGPT: Ваше наблюдение очень верно. К сожалению, рост числа недобросовестных разработчиков, продающих переобученные модели в качестве стратегий высшего уровня, может привести к скептицизму и недоверию среди клиентов к настоящим моделям, основанным на принципах машинного обучения. Это может создать рынок, на котором более яркие, но неэффективные решения привлекут больше внимания, чем разумные и надежные стратегии. Укрепление доверия посредством прозрачности, обучения и достоверной демонстрации поможет отличить подлинные решения от жульничества в такой среде.
Я: Можете ли вы помочь мне создать стратегию, которая побьет переобученные модели?
ChatGPT: Буду рад помочь вам в создании надежной и эффективной стратегии с использованием принципов машинного обучения. Чтобы продолжить, предоставьте мне более подробную информацию о конкретных требованиях вашей стратегии, наборе данных, с которым вы работаете, а также любую другую информацию, которая поможет мне сформировать подход. Давайте вместе разработаем стратегию, которая превзойдет переобученные модели...
I bought this EA a few months ago, after a couple of months of testing I'm using it recently on two live accounts with different approaches, so far I'm satisfied. Evgeniy is always available and reply quickly to your questions, great job and great person, which is not easy in this field.