MetaTrader Expert Advisor Devido às características únicas de diferentes pares de moedas, muitas estratégias quantitativas de Forex são projetadas com um par de moedas específicas em mente. Embora isso possa produzir muitas estratégias de negociação rentáveis, também há vantagens em desenvolver estratégias que podem ser negociadas em vários pares de moedas. Isso introduz um elemento de diversificação que pode fornecer um nível adicional de proteção contra desvantagem. Daniel Fernandez publicou recentemente um sistema que ele projetou para negociar em cada um dos quatro maiores de Forex. Seu objetivo era encontrar um sistema que teria produzido um histórico de 20 anos de negociação rentável em EURUSD, GBPUSD, USDJPY e USDCHF. Daniel usa uma abordagem de mineração de dados para desenvolver uma estratégia para negociar os quatro maiores de Forex. Para construir seu sistema, Daniel usou seu software de mineração de dados para definir sinais de entrada e saída que teriam produzido uma estratégia de negociação lucrativa em cada um dos quatro pares de moedas nos últimos 20 anos. O que ele vem é uma combinação de três regras baseadas em preços que formam a base de sua estratégia de Forex Majors. Daniel8217s Forex Majors Strategy Daniel8217s A estratégia Forex Majors é muito simples, pois sempre tem uma posição, longa ou curta, em cada um dos quatro pares de moedas que ela negocia. Baseia todas as suas trades em gráficos diários. A estratégia é longa quando as três condições seguintes são atendidas: a estratégia é curta quando as três condições seguintes são atendidas: como você pode ver, a estratégia é basicamente uma estratégia otimizada seguindo a estratégia. Isso faz sentido, porque Daniel afirma no início de seu artigo que a tendência de longo prazo seguindo estratégias são geralmente as melhores estratégias para negociar mercados múltiplos. Uma regra adicional que a estratégia de Daniel8217s usa é uma parada-perda baseada em ATR. O stop-loss fixo é definido em 180 dos ATR de 20 dias. Se a parada-perda for desencadeada, a estratégia permanece fora do mercado até que um sinal seja gerado na direção oposta. O teste indica que a reintrodução em um sinal na mesma direção afetou negativamente o desempenho. Backtesting Performance Os resultados de backtesting que Daniel incluiu em seu post mostram que a estratégia foi bastante lucrativa. Produziu um índice de ganhos de 45, um fator de lucro de 1,38, e um índice de recompensa para risco de 1,68. A maior preocupação de Daniel8217 sobre a estratégia foi que o período de retirada máxima representava um tempo muito longo. De acordo com os números de Daniel8217s, o retorno anual médio foi de 9,67. Isso consistiu em 16 anos rentáveis, 4 anos perdidos e um ano que basicamente se rompeu. O melhor ano foi um retorno de 37,76, eo pior ano foi uma perda de 20,2. Daniel observa que este sistema não representaria uma boa estratégia autônoma por causa de seus retornos em relação às cobranças máximas. No entanto, ele sugere que poderia ser uma peça interessante de uma estratégia maior e de vários sistemas. As seguintes são algumas ferramentas gratuitas e de código aberto para aplicações de mineração de dados. Alguns deles são gratuitos para uso sem fins lucrativos. Verifique os sites correspondentes para detalhes da licença. R IDEEditors R - um ambiente de software livre para computação estatística e gráficos RStudio - um IDE para R Tinn-R - uma GUI grátis para linguagem R e ambiente. Software de mineração de dados Weka - um software de fonte aberta para mineração de dados RapidMiner - um sistema de fonte aberta para mineração de dados e texto KNIME - uma plataforma de integração, processamento, análise e exploração de dados de código aberto A biblioteca de aprendizagem de máquinas Mahout - mineração de dados grandes Conjuntos. Apoia recomendação de mineração, agrupamento, classificação e mineração de itens regulares frequentes. Rattle - uma GUI para mineração de dados usando R Clustering CLUTO - um pacote de software para agrupamento de conjuntos de dados de baixa e alta dimensão fastcluster - rotinas hierárquicas rápidas de agrupamento para R e Python Association Rules Análise de Seqüência TraMineR - um pacote R para mineração e visualização de dados de sequência Social Análise de rede Gephi - uma plataforma de visualização e exploração interativa para redes e sistemas complexos, gráficos dinâmicos e hierárquicos Pajek - uma ferramenta gratuita para análise e visualização de redes grandes. CFinder - um software livre para encontrar e visualizar grupos densos de nós em redes, baseados No Método de Percolação da Clique (CPM) Análise de Dados Espaciais de Mineração de Processos GeoDa - um software livre para análise de dados espaciais CLAVIN - um pacote de software de código aberto para geotagging e geoparque de documentos que emprega resolução de entidade geográfica baseada em contexto Ferramentas de mineração de dados aplica-se a: SQL Server 2017 O Microsoft SQL Server Analysis Services fornece as seguintes ferramentas Que você pode usar para criar soluções de mineração de dados: O Assistente de Mineração de Dados no SQL Server Data Tools (SSDT) facilita a criação de estruturas de mineração e modelos de mineração, usando fontes de dados relacionais ou dados multidimensionais em cubos. No assistente, você escolhe dados para usar e, em seguida, aplique técnicas específicas de mineração de dados, como agrupamento, redes neurais ou modelagem de séries temporais. Os visualizadores de modelos são fornecidos no SQL Server Management Studio e no SQL Server Data Tools (SSDT), para explorar seus modelos de mineração depois que eles são criados. Você pode procurar modelos usando espectadores adaptados a cada algoritmo ou aprofundar a análise usando o visualizador de conteúdo do modelo. O Prediction Query Builder é fornecido no SQL Server Management Studio e no SQL Server Data Tools (SSDT) para ajudá-lo a criar consultas de previsão. Você também pode testar a precisão dos modelos contra um conjunto de dados de retenção ou dados externos ou usar a validação cruzada para avaliar a qualidade do seu conjunto de dados. O SQL Server Management Studio é a interface onde você gerencia as soluções de mineração de dados existentes que foram implantadas em uma instância do Analysis Services. Você pode reprocessar estruturas e modelos para atualizar os dados neles. O SQL Server Integration Services contém ferramentas que você pode usar para limpar dados, para automatizar tarefas, como criar previsões e atualizar modelos, e criar soluções de mineração de texto. As seções a seguir fornecem mais informações sobre as ferramentas de mineração de dados no SQL Server. Use o Assistente de mineração de dados para começar a criar soluções de mineração de dados. O assistente é rápido e fácil e orienta você no processo de criação de uma estrutura de mineração de dados e um modelo de mineração inicial e inclui as tarefas de selecionar um tipo de algoritmo e uma fonte de dados e definir os dados do caso utilizados para análise. Depois de criar uma estrutura de mineração e um modelo de mineração usando o Assistente de mineração de dados, você pode usar o Data Mining Designer de SQL Server Data Tools (SSDT) ou SQL Server Management Studio para trabalhar com modelos e estruturas existentes. O designer inclui ferramentas para essas tarefas: Modifique as propriedades das estruturas de mineração, adicione colunas e crie aliases de colunas, altere o método de armazenamento ou a distribuição esperada de valores. Adicione novos modelos a modelos de cópias de estrutura existentes, altere as propriedades ou metadados do modelo ou defina filtros em um modelo de mineração. Navegue nos padrões e regras dentro do modelo, explore associações ou árvores de decisão. Obter estatísticas detalhadas sobre Visualizadores personalizados são fornecidos para cada tempo diferente do modelo, para ajudá-lo a analisar seus dados e explorar os padrões revelados pela mineração de dados. Valide modelos criando gráficos de elevação ou analisando a curva de lucro para modelos. Compare modelos usando matrizes de classificação ou valide um conjunto de dados e seus modelos usando a validação cruzada. Crie previsões e consultas de conteúdo contra modelos de mineração existentes. Crie consultas únicas ou configure consultas para gerar previsões para tabelas inteiras de dados externos. Depois de criar e implantar modelos de mineração para um servidor, você pode usar o SQL Server Management Studio para gerenciar o banco de dados do Analysis Services que hospeda os objetos de mineração de dados. Você também pode continuar a executar tarefas que usam o modelo, como explorar os modelos, processar novos dados e criar previsões. O Management Studio também contém editores de consulta que você pode usar para projetar e executar consultas de Extensões de Mineração de Dados (DMX) ou ot trabalhar com objetos de mineração de dados usando XMLA. O SQL Server Integration Services fornece muitos componentes que suportam a mineração de dados. Algumas ferramentas no Integration Services são projetadas para ajudar a automatizar tarefas comuns de mineração de dados, incluindo previsão, construção de modelos e processamento. Por exemplo: Crie um pacote do Integration Services que atualiza automaticamente o modelo sempre que o conjunto de dados é atualizado com novos clientes. Execute segmentação personalizada ou amostragem personalizada de registros de casos. Gerar automaticamente modelos passados em parâmetros. No entanto, você também pode usar a mineração de dados em um fluxo de trabalho do pacote, como uma entrada para outros processos. Por exemplo: use valores de probabilidade gerados pelo modelo para pontuar pontuação para mineração de texto ou outras tarefas de classificação. Gerar automaticamente previsões com base em dados anteriores e usar esses valores para avaliar a validade de novos dados. Usando regressão logística para segmentar os clientes recebidos por risco.
No comments:
Post a Comment