Desenvolvimento da estratégia de negociação usando modelagem neuro-difusa
Modelagem difusa de negociação de ações com castiçal fuzzy.
Destaques.
Uma metodologia para modelar regras de negociação para padrões de castiçal usando lógica fuzzy.
O sistema de comércio difuso adapta três padrões conhecidos de castiçal a regras difusas.
O desempenho do sistema fuzzy é testado em dois portfólios de diferentes mercados de ações.
O sistema fuzzy é mais lucrativo do que uma versão nítida das regras candlestick.
A negociação difusa é mais avessa ao risco do que a estratégia de compra e retenção (B e H) usada como benchmark.
Este trabalho propõe uma metodologia para detectar padrões candlestick em um sistema de negociação de ações usando lógica fuzzy. A abordagem difusa torna possível explicar a imprecisão e a incerteza das características do padrão. Ainda mais, o uso de regras difusas permite que inclua essa incerteza em um sistema de decisão comercial que não apenas aconselha o investidor quando, mas também, quanto de capital investir. Desta forma, o sistema inteligente ajuda os especialistas a usar seus conhecimentos, ou seja, as regras baseadas em candelabros, de uma forma mais natural e realista do que a padrão baseada em regras nítidas. No trabalho, ilustramos esta metodologia com a geração de um sistema de negociação difuso que usa três conhecidos padrões de candelabro que foram fuzzificados. O desempenho deste sistema inteligente de negociação de ações é testado em dois portfólios de diferentes mercados de ações, Nasdaq-100 e Eurostoxx, e é comparado com sua contraparte nítida e a clássica estratégia de negociação Buy-and-Hold. Nosso sistema de comércio baseado em castiçal difuso não só melhora o reconhecimento de padrões em relação à sua versão nítida, mas também fornece resultados promissores, pois exibe um comportamento mais estável nos mercados analisados e obtém mais lucros de maneira menos arriscada do que o outro sistemas de negociação considerados.
Escolha uma opção para localizar / acessar este artigo:
Verifique se você tem acesso através de suas credenciais de login ou sua instituição.
Lógica difusa para criar estratégias de negociação manuais.
Introdução.
Um rápido desenvolvimento da tecnologia levou a uma tendência mais forte de utilização de sistemas de negociação automatizados nos mercados monetários modernos. No entanto, muitos traders ainda continuam usando o comércio manual. Prós e contras de ambas as abordagens comerciais são muito conhecidos: o comércio automatizado não possui flexibilidade para mudanças constantes do mercado e o comércio manual, pelo contrário, pode ser muito flexível devido a um fator de interferência humano freqüente. De fato, nessa comparação, esses são dois extremos da mesma essência.
No meu artigo anterior, eu dediquei exemplos, onde tentei compensar as desvantagens do comércio automatizado, aplicando a teoria da lógica difusa, por exemplo, por meio de uma formalização de estratégia excessivamente rígida, aplicada em um robô comercial ou um indicador. Neste artigo, será considerada uma oportunidade para melhorar a estratégia de negociação manual. O uso de tecnologia moderna, mesmo no regime de negociação manual, onde a decisão final sempre cabe aos comerciantes, traz mais benefícios do que danos.
Selecionando estratégia manual com uma formalização específica de condições.
Muitos comerciantes modernos escolhem assumir a responsabilidade de entrar e sair de posições, em vez de confiar em sistemas automatizados. Eles precisam desenvolver sua própria estratégia de negociação que levaria em conta todos os resultados possíveis do comportamento do mercado. Depois, um teria que segui-lo estritamente e resistir a quaisquer impulsos que pudessem ser provocados pelo medo e pela ganância.
Portanto, primeiro precisamos de uma estratégia de negociação. Deixe-me descrever-lhe três estágios de como vamos construí-lo.
Estágio No1. Encontrando e identificando instrumentos que serão usados para nossa estratégia. Estágio No2. Definindo condições específicas usadas por um comerciante para abrir uma posição no mercado. Estágio No3. Definindo condições específicas quando uma posição terá que ser fechada com resultado positivo ou negativo.
Na primeira etapa, selecionei três indicadores para construir uma estratégia de negociação como exemplo:
Vista geral selecionada e configurações do terminal de negociação MQL4:
Fig. 1. Visão geral das configurações de estratégia.
Na segunda etapa, descobriremos uma maneira de usar instrumentos selecionados, condições para o seu funcionamento e também os parâmetros de posição para a entrada no mercado.
Vamos começar do começo.
Nosso primeiro indicador é ADX. Como se vê a partir do fig. 1, o período do indicador especificado é igual a 10. Além disso, um nível para a linha de tendência principal (cor verde) igual a 30 foi definido especificamente. Qualquer valor que iguala ou exceda, será considerado como um sinal positivo para entrada no mercado. Vale a pena notar que o sinal de compra deste indicador será o caso quando + DI (linha tracejada verde) for maior que - DI (linha tracejada vermelha). Consequentemente, o sinal de venda enfrenta uma situação inversa quando - DI é superior a + DI. O segundo indicador é AC. Aqui vamos usar os sinais descritos na documentação oficial. Especificamente, se o valor do indicador for inferior a 0 e cresce nas barras analisadas e duas anteriores, então é um sinal de compra. Portanto, se o valor do indicador estiver acima de 0 e cai nas barras analisadas e duas anteriores, obtemos um sinal de venda. O terceiro indicador é RVI. Vamos definir o período de operação igual a 10. Como condição para a compra, determinaremos o momento em que a linha de sinal (vermelho fino) cruza a linha principal (verde). Nesta interseção, o valor da linha na barra analisada deve estar abaixo do ponto zero. Da mesma forma, estabelecemos condições de venda: a linha de sinal cruza a linha principal, mas os valores estão posicionados acima de zero. A próxima condição para uma operação será um cronograma horário (H1). A condição para a entrada de posição implica a passagem de sinais semelhantes dos três indicadores selecionados. E, finalmente, vamos decidir sobre o tamanho da posição. Por exemplo, o seguinte será definido: 0,01 lote, tire lucro de 50 pontos, pare a perda de 30 pontos.
Os termos serão formalizados para melhor clareza.
Entrando em uma posição longa (sinal de compra)
A linha verde principal do indicador ADX mantém um valor maior ou igual a 30, enquanto o valor + DI é maior que - DI. O valor AC cresce na barra atual e é maior do que nas duas barras anteriores, que também crescem consistentemente. Visualmente, estas são três colunas do histograma verde, onde cada coluna é menor do que a anterior, e as três estão posicionadas na área negativa. A linha do sinal RVI (vermelho fino) cruza a linha principal (verde), ambos crescem, mas ainda permanecem abaixo do ponto zero. Compramos com 0,01 lote, colocamos Take Profit de 50 pontos e Stop Loss de 30 pontos. Inserindo uma posição curta (sinal de venda) A linha verde principal do indicador ADX mantém um valor que excede ou é igual a 30, enquanto o valor + DI está abaixo de - DI. O valor AC cai na barra atual e é menor do que nas duas barras anteriores que continuam a cair consistentemente. Visualmente, estas são três colunas do histograma vermelho, onde cada coluna é menor do que a anterior, e os valores dos três estão acima de zero. A linha de sinal RVI (vermelho fino) cruza a linha principal (verde), ambas diminuem, mas permanecem na área positiva. Vendemos com 0,01 lote, colocamos Take Profit de 50 pontos e Stop Loss de 30 pontos.
Tudo o que precisamos fazer é determinar como sair da posição. Como condição para sair, estabelecemos o preço alvo que obtivemos anteriormente: alcançar lucro de 50 pontos ou executar a Stop Loss de 30 pontos.
Então, nossa estratégia de negociação agora está definida. Nós estabelecemos as condições para abrir e fechar posições, selecionar os indicadores e definir seus parâmetros operacionais, definir os tamanhos de entrada de posição e seus objetivos. E, finalmente, decidimos sobre os eventos para sair do mercado.
Na próxima etapa, vamos verificar a estratégia de negociação criada em condições reais. A primeira coisa que precisamos entender é que não existem estratégias ideais em uma perspectiva de longo prazo e absolutamente todas as etapas do mercado. E os comerciantes que usam negociação automatizada e aqueles que comercializam manualmente observam com freqüência que seu sistema prova-se de forma diferente em várias condições. Além disso, não é incomum quando as condições iniciais no sistema comercial já especificado poderiam ter apresentado melhores resultados.
Por exemplo, em relação ao nosso sistema, um comerciante pode ter percebido que o set Take Profit poderia ter sido feito mais alto. Isso não é porque ele simplesmente deseja ganhar mais, mas porque ele constantemente analisa seu sistema, e suas estatísticas mostram que depois de fechar negociações bem sucedidas, o preço continuou se movendo na direção desejada por algum tempo. Portanto, um comerciante pode ter uma pergunta razoável: como aplicar dados estatísticos e observações obtidas para o seu sistema de negociação, a fim de melhorar os resultados?
Remediando as deficiências da formalização estrita com lógica difusa.
Vejamos os indicadores usados em nosso sistema a partir da perspectiva da teoria da lógica difusa. No meu artigo anterior, tentei transmitir a sua principal vantagem: a flexibilidade na análise das partes da estratégia de negociação em que se aplica categorização rigorosa. A lógica difusa estava desfocando limites rigorosos, dando uma imagem mais ampla de avaliação e reação do sistema nas seções de fronteira de sua operação. Houve também um exemplo de uma abordagem mais adaptável à operação do indicador ADX que usamos. Em primeiro lugar, uma estrita divisão entre tendências fracas, médias e fortes foi aplicada, mas essas categorias foram borradas e a determinação da força da tendência ainda não estava estritamente vinculada à subjetividade dos valores dos indicadores.
Mas voltemos ao nosso sistema e nos perguntemos: como tudo isso pode nos ajudar?
Imagine que nosso comerciante observa o mercado e vê o sinal de seu primeiro indicador: ADX chegou a 32, por exemplo. Ele marca isso e aguarda confirmação de outros dois indicadores. Logo o sinal de CA chega, enquanto ADX mostra aumento para até 40. A linha de sinal RVI cruza a linha principal depois de algum tempo, o que significa que todas as três condições para entrar na posição foram finalmente atendidas. ADX já alcançou o ponto 45. Mas o valor absoluto do ADX em nosso sistema não é tão importante. O principal é que ele excede 30. Portanto, um comerciante segue suas regras e entra no mercado com 0,01 lotes, Tire o Lucro em 50 pontos e Stop Loss em 30.
Agora, vamos simular outro cenário possível. No começo, a situação se desenvolve da mesma forma que no primeiro caso. ADX = 32, o sinal chega de AC, ADX atinge simultaneamente o ponto 40. Mas quando o último sinal faltando para a abertura da posição chega do RVI, então os foguetes ADX para 55, em vez de 45. Ao comparar as duas opções descritas, mostra que o segundo sinal é mais forte do que o anterior, mas nosso comerciante ainda abre o posição com o mesmo lote e os mesmos valores de Take Profit e Stop Loss.
Aqui encontramos a primeira desvantagem de nossa estratégia. Somente a existência do sinal recebido é avaliada, sem prestar muita atenção à qualidade. E mesmo se conseguimos avaliar e definir a categoria, a precisão da avaliação ainda será perdida em áreas de transição.
Então, como podemos aprovar um caso particular com os indicadores ADX, RVI e vincular seus parâmetros à posição que usamos para a entrada no mercado? Para isso, precisamos realizar as seguintes etapas:
Para estabelecer categorias claras de avaliação da força da tendência (ADX) e Índice de Vigor Relativo (RVI). Este será um sinal de entrada, com base no qual tomaremos uma decisão adicional. Para estabelecer categorias claras dos objetivos de nossa posição (Take Profit ou Stop Loss em nossa estratégia, embora possamos definir aqui muito tamanho). Este é um sinal de saída que irá corrigir a nossa posição no mercado, dada a força da tendência. Para descrever as categorias de sinais de entrada e saída com funções de associação da teoria dos conjuntos difusos. Para criar uma interface que exiba recomendações para alterar uma posição da estratégia inicial com base nos novos termos. Para criar configurações flexíveis para alterar as funções de associação que permitiriam corrigir este sistema de recomendação quando necessário.
Para começar, vamos descrever a primeira variável de entrada - valor da força da tendência.
1. Vamos definir 4 categorias de força de tendência: baixa, moderada, média e alta. É assim que vai olhar:
Fig. 2. Força de tendência visual dividida em categorias.
2. Para definir as categorias do sinal de saída, é necessário determinar como a categoria ADX influenciará nossa posição. Normalmente, quanto maior a tendência, mais dura. Portanto, procederemos de acordo: dependendo de onde o ADX está no momento em que os três sinais estratégicos são recebidos, aumentaremos o Take Profit em 10 - 50 pontos.
As seguintes categorias serão inseridas para o valor do objetivo de lucro que será adicionado aos 50 pontos iniciais de nossa estratégia.
categoria low_take: baixa tendência, adicione 10 a 20 pontos aos objetivos. categoria mod_take: tendência moderada, adicione 20 a 30 pontos aos objetivos. categoria med_take: tendência média, adicione 30 a 40 pontos para os objetivos. high_take categoria: alta tendência, adicionar 40 - 50 pontos às metas.
3. Na etapa seguinte, descreveremos as condições estabelecidas anteriormente com as funções de associação da teoria dos conjuntos fuzzy. A descrição de quatro categorias de tendências é a seguinte:
Fig. 3. Descrição de quatro categorias de tendências da lógica difusa.
Conforme mostrado na fig. 3, cada categoria foi definida pela função de associação, tais como: baixa tendência e alta tendência com duas funções de trapézio e moderada e média com duas funções triangulares.
Agora, vamos definir o mesmo para o RVI.
1. Vamos definir as categorias para Relative Vigor Index. Haverá quatro: baixo, médio, alto e alto. É assim que vai olhar:
Fig. 4. Divisão visual do Índice de Vigor Relativo por categoria.
2. Agora, descreveremos as categorias apresentadas com as funções de associação. As funções do trapézio serão usadas para descrever categorias baixas e superiores, e funções triangulares serão aplicadas como para categorias médias e altas.
Fig. 5. Descrição das categorias do índice RVI.
Similarmente, descreveremos quatro categorias para valores de objetivos de lucro: primeira e quarta categorias (10-20 e 40-50 pontos) usando funções de trapézio, e duas restantes (20-30 e 30-40 pontos) - com funções triangulares. É assim que a descrição do nosso sinal de entrada pareceria.
Fig. 6. Descrição das categorias para valores de metas de lucro.
Implementação da interface do painel para exibir recomendações para alterar a posição.
Ao construir o painel de informações, selecionamos quatro parâmetros para observações:
Valor ADX. Somente quando critérios especificados são satisfeitos, por exemplo - 30 ou acima. Valor RVI. Apenas desde que seja superior a 0,1 (sinal de venda), ou abaixo de -0,1 (para sinal de compra). O número recomendado de pontos que devem ser adicionados ao objetivo inicial de 50. Tire o valor do lucro no formato do preço do instrumento de negociação (tendo em conta o preço inicial e as recomendações sobre como aumentá-lo).
A aparência geral da estratégia de negociação em plena implementação será a seguinte (fig.6).
Fig. 7. Implementação completa, aparência geral e configuração da estratégia de negociação.
Agora vamos analisar esta implementação de painel usando ferramentas MQL4 e biblioteca FuzzyNet.
Implementamos e analisamos os principais blocos lógicos deste painel informativo com ferramentas MQL4.
Definimos as propriedades iniciais e conectamos a biblioteca para operar com lógica difusa. Vamos definir a opção para encontrar o painel na janela do gráfico. Definiremos um buffer de indicador e sua cor (verde) para um indicador de seta da barra que analisamos.
Examinaremos o primeiro bloco de parâmetros de entrada em mais detalhes. Ele contém os seguintes elementos:
fontSize - tamanho da fonte da informação textual (intervalo recomendado 8 - 15). adx_period - período de operação do indicador ADX. num_bar - número de barras para as quais o sistema é calculado. Screen_corner - ângulo para exibir o painel. label_clr - cor do texto do cabeçalho. textColor - texto de cor do valor.
O segundo bloco de entrada Fuzzy Logic Parameters contém a maioria dos parâmetros para configurações flexíveis de todas as funções de associação, descrevendo tanto a entrada (força de tendência ADX, índice RVI) quanto os parâmetros de saída (valor recomendado de pontos de lucro).
No próximo bloco, declaramos variáveis, nomes de cabeçalhos, o modelo real do painel de informações (tamanho, localização, fonte e outros) e configura os parâmetros de exibição do elemento que indica a barra atual (a flecha no nosso caso).
Agora, dê uma olhada no bloco principal de sinais de processamento dos indicadores ADX e RVI.
As condições são definidas em que valores de indicadores satisfazem os sinais de compra e venda. Quando eles combinam, os valores são manipulados com a função mamdani (double t, double v) e exibidos no painel. Tudo isso tem a seguinte forma: valores de indicadores atuais mostrando que recebemos um sinal de compra ou venda; Recomende Take Profit (em pontos e valor numérico).
A função cria o sistema de lógica difusa. Ele contém dois sinais de entrada dos indicadores - tendência e vigor (cada um deles é composto por quatro termos descritos por funções de associação) e um sinal de saída. Quatro regras com as quais os sinais de entrada e saída estão conectados também estão incluídas no sistema.
Passemos ao bloco final - "Funções adicionais". O primeiro - tp_prc (dupla captura) converte o valor Take Profit em pontos para um valor numérico do preço atual do instrumento monetário. O segundo define o número de sinais no instrumento monetário atual.
Gostaria também de chamar a atenção para a correção das configurações e re-verificação da correção dos parâmetros na seção Parâmetros da lógica difusa ao testar. Eu recomendo confiar na sua representação gráfica inicial na fig. 3, 5, 6, uma vez que valores incorretos podem levar a erros e operação incorreta de todo o sistema. Por favor, seja cuidadoso!
Conclusão.
Em conclusão, vamos resumir o que aprendemos.
A primeira parte do trabalho para criar uma estratégia de negociação manual com lógica fuzzy está no desenvolvimento de regras estritamente formalizadas dessa estratégia. Isso foi examinado nos estágios No1 - No3. Em seguida, é necessário encontrar desvantagens da formalização rigorosa onde se aplica uma categorização rigorosa de quaisquer blocos ou parâmetros estimados. No exemplo fornecido, uma parte da estratégia que não nos permitiu determinar o momento da entrada no mercado com suficiente flexibilidade foi encontrada. Além disso, todas as categorias claras são descritas usando a teoria dos conjuntos fuzzy e, assim, tornam-se mais flexíveis. Agora, nos valores do boarder, pode haver uma pertença a não apenas uma categoria específica como antes, mas ambas simultaneamente em uma extensão diferente. Esta estratégia é implementada na forma do indicador, painel ou alerta. Neste artigo, um painel na linguagem MQL4 foi selecionado. Consideramos a oportunidade de melhorar a estratégia de negociação manual aplicando a teoria dos setores difusos. O uso do exemplo revelou mais detalhes sobre como a estratégia de negociação já formada é modificada e complementada pela aplicação de lógica difusa e destruição das falhas descobertas.
Traduzido do russo pela MetaQuotes Software Corp.
Maximizando os negócios vencedores usando um sistema de negociação de ações inteligente da rede neural RSPOP.
A. Tan C. Quek Autor do e-mail K. C. Yow.
A crescente dependência de técnicas de Inteligência Computacional como Redes Neurais Artificiais e Algoritmos Genéticos para formular decisões comerciais desencadeou uma cadeia de pesquisa em identificações de previsão financeira e negociação. Muitos esforços de pesquisa focados no aprimoramento da capacidade preditiva e na identificação de pontos decisivos. Poucos realmente apresentaram resultados empíricos usando dados ao vivo e regras reais de negociação técnica. Este artigo propôs um novo sistema de negociação de ações inteligentes da RSPOP, que combina a capacidade de previsão superior do RSPOP FNN e o uso de regras de negociação de indicadores de força média e taxa de força relativa amplamente aceitas. O sistema é demonstrado de forma empírica utilizando dados reais de estoque vivo para obter retornos multiplicadores significativamente mais elevados do que um sistema de comércio de regras técnicas convencionais. É capaz de superar a estratégia buy-and-hold e gerar várias dobras de retornos em dólar ao longo de um horizonte de investimento de quatro anos. A Percentagem de Negociações vencedoras aumentou significativamente de uma média de 70% para mais de 92% usando o sistema em comparação com o sistema comercial convencional; demonstrando a capacidade do sistema de filtrar sinais de negociação errados gerados por regras técnicas e antecipar qualquer troca perdedora. O sistema é projetado com base na premissa de que é possível aproveitar as oscilações do preço de um contador de ações, sem a necessidade de prever preços-alvo.
Preview.
Referências.
Informações sobre direitos autorais.
Autores e afiliações.
A. Tan 1 C. Quek 1 Email autor K. C. Yow 1 1. Centro de Inteligência Computacional, Escola de Engenharia Informática Nanyang Technological University Singapura Singapura.
Sobre este artigo.
Recomendações personalizadas.
Cite o artigo.
.RIS Papers Reference Manager RefWorks Zotero.
.BIB BibTeX JabRef Mendeley.
Acesso ilimitado ao artigo completo Download instantâneo Inclua o imposto de vendas local, se aplicável.
Cite o artigo.
.RIS Papers Reference Manager RefWorks Zotero.
.BIB BibTeX JabRef Mendeley.
Mais de 10 milhões de documentos científicos ao seu alcance.
Switch Edition.
&cópia de; 2017 Springer International Publishing AG. Parte de Springer Nature.
Comments
Post a Comment