Thread: अत्यधिक जटिल कोडिंग और ट्रेडिंग सिस्टम।

यह धागा दिमाग में एक लक्ष्य के साथ ओवरली कॉम्प्लेक्स कोडिंग और ट्रेडिंग सिस्टम पर चर्चा करने के लिए बनाया गया है। प्रदर्शन।

हर चीज, धोखाधड़ी से बाहर कस्टम सॉफ्टवेयर से आध्यात्मिक प्राणियों की सहायता से आप व्यापार में मदद कर सकते हैं। लेकिन क्या यह आपको हर समय व्यापार करने में मदद करेगा?

===============================



मेरी ट्रेडिंग प्रणाली, सरल या जटिल, को अधिकतम करना है ...

जीत %
औसत जीतहानि
स्थिति का आकार

और कम करें ..

drawdowns
तनाव
विवेक

और किसी भी चीज को ध्यान में रखें जो इसकी जांच की संभावनाओं को प्रभावित कर सकता है (समाचार आदि ...)

यदि यह उन लक्ष्यों को पूरा करता है, तो मेरे पास हर व्यापारी सपने देखते हैं। तो मैं व्यापार में संभव है कि सब कुछ सीखने के लिए उत्सुक हूँ
=====================================

मैं हर किसी को किसी भी झुकाव के साथ प्रोत्साहित करने के लिए प्रोत्साहित करता हूं। यदि आप एक-दूसरे के साथ-साथ समुदायों के व्यापार के सामान्य सुधार के लिए मिलकर काम करना चाहते हैं, तो मैं आपको व्यक्तिगत रूप से मुझसे संपर्क करने के लिए प्रोत्साहित करता हूं।

जब मैं चर्चा के परिणामों से संतुष्ट हूं, तो मैं अपनी मुफ्त वेबसाइट पर एक मुफ्त ईबुक और अन्य जानकारी तैयार करूँगा। यह है, (जैसा कि यह एक और द्वारा कहा गया है), आपको पैसे कमाने में मदद करने के लिए। मुझे लगता है कि अगर आप पुस्तक में अपना काम नहीं चाहते थे, तो आप इसे यहां प्रकाशित नहीं करेंगे ...

चूंकि मेरे पास कुछ भी नहीं है जिसे मैंने आगे परीक्षण किया है (मेरा सरल सिस्टम काम करता है, धन्यवाद लूट), मैं एफएफ में अपने बाकी सम्मानित सहयोगियों के लिए मंजिल खोलता हूं ...

Originally Posted by ;

मेरी ट्रेडिंग प्रणाली, सरल या जटिल, को अधिकतम करना है ... विन% औसत जीतहानि स्थिति का आकार और कम करें .. ड्रॉडाउन तनाव विवेकाधिकार

तो आप इन चीजों को कैसे मापते हैं? क्या 20% ड्रॉडाउन के साथ 100% रिटर्न वाले सिस्टम की तुलना में 1% ड्रॉडाउन के साथ 15% रिटर्न वाला सिस्टम है? नमूना परीक्षण के बाहर नमूना बनाम के लिए आप क्या करते हैं? आप कितना डेटा उपयोग करते हैं? आप अपने परीक्षण के लिए किस प्रोग्राम का उपयोग करते हैं? आप अपने परीक्षण में फैलाने के लिए कैसे खाते हैं? क्या आप अनुकूलित करते हैं? आप अपने अनुकूलन के लिए क्या मीट्रिक का उपयोग करते हैं? चार्ट पर अपना पहला सूचक भी डालने से पहले विचार करना बहुत अधिक है। साइमन

Originally Posted by ;

यह थ्रेड ओवरली कॉम्प्लेक्स कोडिंग और ट्रेडिंग सिस्टम पर चर्चा के लिए बनाया गया है

ओह। माफ़ कीजिये। इस में कोई योगदान नहीं ......

1 अनुलग्नक

Originally Posted by ;

तो आप इन चीजों को कैसे मापते हैं? क्या 20% ड्रॉडाउन के साथ 100% रिटर्न वाले सिस्टम की तुलना में 1% ड्रॉडाउन के साथ 15% रिटर्न वाला सिस्टम है? नमूना परीक्षण के बाहर नमूना बनाम के लिए आप क्या करते हैं? आप कितना डेटा उपयोग करते हैं? आप अपने परीक्षण के लिए किस प्रोग्राम का उपयोग करते हैं? आप अपने परीक्षण में फैलाने के लिए कैसे खाते हैं? क्या आप अनुकूलित करते हैं? आप अपने अनुकूलन के लिए क्या मीट्रिक का उपयोग करते हैं? चार्ट पर अपना पहला सूचक भी डालने से पहले विचार करना बहुत अधिक है। साइमन

मुझे उम्मीद है कि अगर आप इनमें से कुछ का जवाब देते हैं तो आपको मैनिनब्लैक पर कोई फर्क नहीं पड़ता। हैलो ड्रॉक मैंने अतीत में आपकी पोस्ट का आनंद लिया है। तो अगर आपको यह समझ में आता है तो मुझे बताएं। ड्रॉडाउन और प्रदर्शन, यह इस बात पर निर्भर करेगा कि किसी के पास उनके खाते में कितना है। जितना अधिक आप उच्च वापसी के लिए जोखिम उठाने के इच्छुक हैं। लेकिन यहां तक ​​कि एक छोटे से खाते के साथ उचित धन प्रबंधन और विविधीकरण निश्चित रूप से यहां कुंजी होगी। एक प्रणाली जिसमें एक बड़ा ड्रॉडाउन और एक बड़ी वापसी है, अभी भी व्यापार किया जा सकता है। यदि आप अपना पैसा सही ढंग से प्रबंधित करते हैं और आपके पास पोर्टफोलियो में ड्रॉडाउन के प्रभाव को कम करने के लिए एक साथ चल रहे अन्य सिस्टम हैं। और चलो खुद को मूर्ख मत बनो कि सबसे बड़ा ड्रॉडाउन फिर से होगा। मर्फी का कानून काम करता है। नमूना डेटा भी इस बात पर निर्भर करेगा कि आपके सिस्टम में कितने ट्रेड लेते हैं, मुझे नमूना डेटा से कुछ सौ व्यापार देखना पसंद है। यदि मैं कोडिंग पोस्ट करता हूं और इस तरह का व्यवसाय है, तो मैं जिस सॉफ्टवेयर का उपयोग कर रहा हूं, लेकिन इस चर्चा का शीर्षक जटिल कोडिंग अच्छी तरह से है। मुझे लगता है कि लोग इसे किसी भी सॉफ्टवेयर में अनुवाद करने में सक्षम होंगे। वे उपयोग कर रहे हैं। ऑप्टिमाइज़ेशन, एक बेहतरीन टूल यदि आप इसे मैट्रिक्स के रूप में सही तरीके से उपयोग करते हैं। अगर सिस्टम केवल एक मुद्रा पर कारोबार किया जाएगा, तो मुझे खाते पर वापसी का उपयोग करना पसंद है। यदि सिस्टम कई मुद्राओं पर कारोबार किया जाएगा तो मुझे लाभ कारक का उपयोग करना पसंद है। ये दो मैट्रिक्स भी ड्रॉडाउन को कम करने के लिए प्रवृत्त होते हैं। बेशक उचित अनुकूलन एक बड़ा मुद्दा है, इसलिए मैं कुछ परिष्कृत सॉफ़्टवेयर के साथ शुरू करूंगा नीचे दी गई तस्वीर ऑप्टिमाइज़ेशन के 3-डी ग्राफ को चलाती है, जब सिस्टम ऑप्टिमाइज़ करने के बाद रिपोर्ट को देखते थे तो सिस्टम को शक्तिशाली वादा किया जाता था लेकिन ग्राफ शो पर एक त्वरित रूप दिखाई देता था अलग-अलग ध्यान रखें कि एक मजबूत प्रणाली में एक फ्लैट क्षेत्र होगा जहां नेट प्रॉफिटर या अंतिम परिणामों में ज्यादा बदलाव किए बिना पैरामीटर बदला जा सकता है।

Originally Posted by ;

चित्र [संपादित करें: उपरोक्त संपादन संपादित करें]] ऑप्टिमाइज़ेशन के 3-डी ग्राफ को चलाने के बाद सिस्टम को शक्तिशाली वादा किया गया था जब आपने ऑप्टिमाइज़ करने के बाद रिपोर्ट को देखा लेकिन ग्राफ पर एक त्वरित रूप अलग दिखाई देता है।

स्पष्ट रूप से मेरी आंखें पुरानी हो रही हैं। मुझे इसे देखने के लिए एक लंबा लगना पड़ा। क्या मैं ग्राफ उत्पन्न करने के लिए आप किस सॉफ्टवेयर का उपयोग कर रहा हूं? धन्यवाद क्लाउड। मैं वास्तव में उम्मीद कर रहा हूं कि आप इस धागे में अपने दांत प्राप्त करें।

आपका वस्त्र कैसे काम करता है? क्लाउड?

Originally Posted by ;

आपका वस्त्र कैसे काम करता है? ?

हैलो बेमाक और वाल्कर भ्रष्टाचार रीना सिस्टम द्वारा 3-डी व्यू नामक सॉफ़्टवेयर द्वारा उत्पादित किया जाता है। ट्रेडस्टेशंस सभी अनुकूलन रनों की एक रिपोर्ट प्रस्तुत करता है। फिर मैं इससे एक टेक्स्ट फ़ाइल बनाता हूं और इसे सॉफ्टवेयर पर खिलाता हूं। यह हजारों सर्वश्रेष्ठ रन लेता है और ग्राफ बनाता है। कल अगर मुझे मौका मिलता है तो मैं तंत्रिका नेटवर्क के बारे में थोड़ा बात करना चाहता हूं क्योंकि ऐसा लगता है कि यह अधिक स्वीकार्य और मुख्यधारा बन गया है, खासकर जब से कुछ सदस्य लाभ बिंदु का उपयोग कर रहे हैं।

बहुत ही रोचक सामान क्लाउड, डॉ। रॉक के लिए तत्पर हैं, मुझे मूल रूप से कुछ भी नहीं पता है कि हम यहां क्या चर्चा कर रहे हैं। मेरा व्यापार पारंपरिक है और सामान्य रूप से व्यापार करने के लिए नया है। क्लाउड ... आप एक व्यापारी को क्या सलाह देंगे जो आपके द्वारा की जाने वाली सामग्री को मास्टर करना चाहता है? क्या किताबें, वेबसाइटें हैं। गुरु, मंत्र जो मुझे जादूगर बनने में मदद कर सकते हैं? अभी के लिए, मैं उन विषयों में से कुछ को चकित कर दूंगा

कूल थ्रेड एमआईबी, मुझे लगता है कि मैं कुछ चीजें साझा करूंगा जो मैं कर रहा हूं। शायद यह अत्यधिक जटिल के बारे में बढ़त और कम करने के बारे में और अधिक होना चाहिए। मुझे पता नहीं है कि बाजारों में वेवेलिक हैं, और यदि आप किसी भी तरह के ऑसीलेटर का उपयोग करते हैं, तो आप सहमत हैं। एक बात मैंने पहले उल्लेख किया है स्क्वायर वेव पैटर्न है। जब बाजार फ्लैट या सीमाबद्ध होता है, तो यह वास्तव में एक चौड़ा आवृत्ति स्पेक्ट्रम के रूप में ऊर्जा का निर्माण कर रहा है। शुरू करने के लिए, मेटाट्रेडर से चार्ट का डेटा निर्यात करें। बस एक चार्ट खोलें, करें जैसे फाइलेंव करें, और यह इसे .csv फ़ाइल के रूप में सहेज लेगा। आप इस फ़ाइल को एक्सेल या ओपनऑफिस में खोल सकते हैं। इस फ़ाइल में कॉलम का एक गुच्छा है। डेटा के एक कॉलम को प्राप्त करने के लिए बंद होने वाली सभी कीमतों को हटाएं जो वास्तव में सिग्नल विश्लेषण टूल की तलाश में दिखता है। मैंने कुछ शेयरवेयर के साथ यह कोशिश की जिसे आप SigView.com पर प्राप्त कर सकते हैं। SigView को स्थापित और चलाने के बाद, आप फ़ाइल मेनू के नीचे एक टेक्स्ट दस्तावेज़ खोल सकते हैं। यह आपको नमूना दर के लिए पूछेगा। मुझे 1000 पसंद है लेकिन इससे कोई फर्क नहीं पड़ता। अब आप अपना चार्ट देखेंगे, और इसे मेटाट्रेडर से आपके द्वारा निर्यात किए गए डेटा के लाइन चार्ट के समान दिखना चाहिए। वहां से, आप कुछ वाकई अच्छे तरीकों से डेटा का उपयोग कर सकते हैं। मुझे यह देखना पसंद है: आवृत्ति स्पेक्ट्रम, जो चोटी आवृत्तियों को दिखाता है जो नमूना में योगदान देता है। यह डेटा में कुछ मामूली छुपे हुए परिशोधन का पर्दाफाश करने में मदद करता है। टाइम एफएफटी, जो ऊपर के साथ छोटे स्लाइस में उपरोक्त करता है। यह स्पेक्ट्रम के विस्तार और संकुचन को दिखा सकता है। अंगूठे के नियम के रूप में, जब स्पेक्ट्रम चौड़ा होता है, तो सिस्टम में बहुत अधिक ऊर्जा होती है। फिल्टर। आप समग्र प्रवृत्ति, साथ ही साथ यादृच्छिक शोर को फ़िल्टर कर सकते हैं। अगर सही तरीके से किया जाता है (और मैं आपको यह बताने के लिए शुरू नहीं कर सकता कि यह सही तरीके से कैसे करें), यह महसूस करना संभव होना चाहिए कि कितनी महत्वपूर्ण आवृत्तियों को ऊपर या नीचे इंगित किया जा रहा है। तो यदि आप इस तरह की चीजें हैं, तो इसे आज़माएं। शायद आप कुछ पैटर्न खोज लेंगे जो कुछ रहस्यमय बाजार चाल को समझाने में मदद करते हैं। यदि आप एक ऐसी प्रणाली की तलाश में हैं जो पहले से ही काम करता है, तो यह नहीं है

1 अनुलग्नक (ओं) ट्रेडिंग सिस्टम सरलता से लेकर अतुलनीय तक जटिलता में हैं। जो क्रुटिंगर मैकुलोक और पिट्स (1 9 43) के पहले तंत्रिका मॉडल के बाद से काफी समय बीत चुका है। लेकिन अब, कंप्यूटर के साथ बहुत सारे घर हैं। ये कृत्रिम तंत्रिका नेटवर्क। बस हर किसी के द्वारा इस्तेमाल किया जा सकता है। वे nonlinear मॉडल हैं, जो कि मानव मस्तिष्क की संरचना के आधार पर ढीले ढंग से आधारित हैं। मैं बहुत सारे विवरण छोड़ने की कोशिश करूंगा क्योंकि मैं जटिल चीजों को खत्म नहीं करना चाहता हूं। बस मूल बातें। हमारे सरल कृत्रिम तंत्रिका नेटवर्क में इनपुट इनपुट करना होगा इन इनपुट कुछ भी हो सकता है। वे पहले दो न्यूरॉन्स में जाएंगे, प्रत्येक छोटा सा डेटा वजन से {वजन का स्तर} जैसा होगा, वे तीन अन्य न्यूरॉन्स पर जाएंगे, जो कि एक दूसरे से जुड़े हुए हैं, जो कि इस प्रक्रिया को संसाधित किया जाएगा। यह जानकारी तब आउटपुट न्यूरॉन को भेजी जाएगी, सूचना संसाधित की जाएगी और अधिक वजन जोड़ा जाएगा। फिर इन सभी भारों {महत्व के इन स्तरों}। जोड़ा जाएगा। इस जानकारी के आधार पर। हम या तो ब्रिटिश पाउंड खरीद लेंगे या बेचेंगे क्योंकि यह एक ब्रूट फोर्स ऑप्टिमाइज़र में चल रहा है। यह वापस आ जाएगा कि यह अभी खो गया है या एक्स डॉलर की राशि बना है, तंत्रिका नेटवर्क ने सीखा होगा कि जिस समाधान के साथ यह अभी आया था वह कचरा या अच्छा था और वहां से। यह एक और समाधान का प्रयास करेगा। प्रक्रिया तब तक दोहराएगी जब तक कि यह इस समस्या का सबसे अच्छा समाधान न हो। यह तंत्रिका नेटवर्क सबसे सरल है। यह केवल एक पूर्वानुमान सीखना है, जिसका अर्थ है कि जानकारी केवल इनपुट से आउटपुट तक एक तरफ जाती है और फिर यह फिर से कोशिश करती है कि यह बेहतर समाधान के साथ आ सकता है या नहीं। थोड़ा अधिक जटिल तंत्रिका नेटवर्क वापस प्रसार का उपयोग करता है जिसका अर्थ है कि सूचना आगे बढ़ती है और पीछे की ओर न्यूरॉन्स समाधान के साथ आने का प्रयास करेंगे। त्रुटि दर की गणना की जाएगी। त्रुटि जितनी छोटी होगी, समस्या को हल करने के करीब है। यह जानकारी वापस न्यूरॉन्स को पारित किया जाएगा। इसलिए वे समझते हैं कि वे गलत दिशा या सही में आगे बढ़ रहे हैं। ((हम इसे भी देख सकते हैं)) वजन सकारात्मक या नकारात्मक हो सकता है। ताकि इसमें ज्यादा समय न लगे। हम केवल -1, 0 या 1 का उपयोग करते हैं क्योंकि हमारे पास नौ क्षेत्र हैं जहां वजन जोड़ा जा सकता है और उन बिंदुओं पर तीन अलग-अलग वजन लगाए जा सकते हैं। यह हमें 1 9, 683 विभिन्न संयोजन देता है। एक और अधिक परिष्कृत समाधान के लिए। हम इसे -10 से 10 तक जाने की इजाजत दे सकते हैं, और इसी तरह, लेकिन यह ट्रेडस्टेशन में बहुत समय लेने वाला होगा। इसे यथासंभव सरल रखें। केवल दो इनपुट, हम इसे अपने आप की तुलना में तीन की एक साधारण चलती औसत दे देंगे। तीन अवधि पहले। दूसरा इनपुट पांच अवधि पहले की तुलना में तीन की सरल चलती औसत होगी। याद रखें कि ये इनपुट कुछ भी हो सकते हैं, उदाहरण: सोने की समाप्ति कीमत। आरएसआई, एडीएक्स एक अलग मुद्रा, और इसी तरह। यहां एकमात्र अंतर यह है कि एक सिस्टम डिजाइनर के रूप में। हमें यह जानने की ज़रूरत नहीं है कि क्या चलती औसत एक अवधि पहले और उससे कम हैपांच अवधि पहले दो अवधि पहले थोड़ा अधिक था। तो इतने पर। यह सभी तंत्रिका नेटवर्क द्वारा पता लगाया जाएगा। और प्रत्येक के लिए महत्व का स्तर भी पता लगाया जाएगा। ट्रेडस्टेशन नाम के लिए फ़ंक्शन: हेटेंजेन्ट इनपुट: एक्स (न्यूमेरिक सिंपल), {फ़ंक्शन में इनपुट} NTerms (न्यूमेरिक सिंपल); {# श्रृंखला में शर्तें} Var: pi (3.1415926536), योग (0), ii (0); योग = 0 .; Ii = 0 से NTerms के लिए Sum = Sum 1./(ॉवर (((ii 0.5) * pi), 2) पावर (x, 2)); समाप्त; Htangent = Sum * 2 * x; __________________________________________________ ___________________________ ट्रेडस्टेशन नाम के लिए सिग्नल: तंत्रिका नेट सरल इनपुट: synapse1 (0), synapse2 (0), synapse3 (0), synapseA1 (0), synapseA2 (0), synapseA3 (0), synapseB1 (0), synapseB2 (0) , synapseB3 (0); Var: inputneuron1 (0), inputneuron2 (0), Hiddenneuron1 (0), Hiddenneuron2 (0), Hiddenneuron3 (0), न्यूरॉनऑट (0); {इनपुट} यदि (औसत (सी, 3) - औसत (सी, 3) [2]) gt; 0 फिर inputneuron1 = 1 अन्य इनपुटneuron1 = -1; अगर (औसत (सी, 3) - औसत (सी, 3) [5]) gt; 0 फिर inputneuron2 = 1 अन्य इनपुटneuron2 = -1; {तंत्रिका नेट} Hiddenneuron1 = Htangent (synapse1 * inputneuron1 synapseA1 * inputneuron2, 50); Hiddenneuron2 = Htangent (synapse2 * inputneuron1 synapseA2 * inputneuron2, 50); Hiddenneuron3 = Htangent (synapse3 * inputneuron1 synapseA3 * inputneuron2, 50); neuronOut = Htangent (synapseB1 * Hiddenneuron1 synapseB2 * Hiddenneuron2 synapseB3 * Hiddenneuron3, 50); {खरीद या बेचें} यदि न्यूरॉनऑट gt; = 0.5 फिर उच्च स्टॉप पर अगली बार खरीदें; अगर न्यूरॉनऑट लेफ्टिनेंट; = -0.5 फिर कम स्टॉप पर अगली बार बेचें; __________________________________________________ _______ तंत्रिका नेट अब महंगा नहीं है, आप उन्हें लगभग 70 से 150 रुपये के लिए एक्सेल में चल सकते हैं, बस एक्सेल शीट में अपने सभी डेटा दर्ज करें और इसे शहर में जाने दें। मैंने सोचा कि यह साफ है अगर आप कोडिंग प्रक्रिया को देख सकते हैं जो पीछे रहता है। शायद अगली बार, हम अधिक जटिल तंत्रिका नेट पर एक नज़र डाल सकते हैं, जहां त्रुटि दर की गणना पिछले प्रसार के साथ की जाती है। और इसके बजाय यह पता लगाने के लिए कि रीयल-टाइम में कुछ कैसे उपयोग करें, हम अगले कुछ दिनों के लिए बंद होने की कीमत का अनुमान लगाएंगे।