استراتژی شبکه عصبی – استراتژی های معاملاتی – 24 جولای 2023

در مرحله 2؛

ابتدا باید مشخص کنیم که هدف نهایی داده ها چیست.

در این مورد: هدف من جدا کردن این است که کدام نقطه را بخرم، کدام نقطه را بفروشم، در کدام نقطه سود ببرم، در کدام نقطه توقف ضرر داشته باشم، در آن زمان، RSI، MA، CCI، ATR قیمت درخواستی، قیمت پیشنهادی چقدر است.

مثل این است که شما دوباره یک فیلم را تماشا می کنید و می توانید بخش هایی از فیلم را که از آنها نکات لازم را انتخاب می کنید، کاملاً بشناسید و خلاصه فیلم را ذخیره کنید و خلاصه تری بسازید (مانند کلیپ های نقد فیلم).

معنای این درمان این است: بسازید که چگونه موقعیت ها در گذشته اتفاق افتاده اند، این موقعیت ها پاسخ های روشنی دارند.

• سناریوها در اینجا عبارتند از: RSI, MA, CCI, ATR, Ask/Bid قیمت
• پاسخ ها عبارتند از: ورود خرید/فروش، برداشت سود/ توقف

این داده ها مدلی برای استفاده در مرحله 3 خواهند بود

3. داده ها را پردازش کنید و تصمیمات تجاری بگیرید

در مرحله 3:

نقطه پردازش را تعیین کنید. مشابه: برای هر 1000 Point یک موقعیت را انتخاب کنید

ما موقعیت‌های فعلی را با موقعیت‌های گذشته مقایسه می‌کنیم، اگر یکسان است، همان تصمیم‌هایی را بگیریم که نتایج در گذشته داشته‌اند.

با جزئیات بیشتر صحبت کنید:

ما اندیکاتورهای فعلی (RSI، MA، CCI، قیمت Ask/Bid) را از طریق تمام موقعیت‌های گذشته ایجاد شده در مرحله 2، یعنی RSI، MA، CCI، قیمت Ask/Bid مقایسه می‌کنیم.

اگر مشابه همه شاخص‌ها با شباهت، به عنوان مثال بیشتر از 90% باشد، دستورات خرید/فروش، برداشت سود/توقف را مانند داده‌های گذشته اجرا کنید.

توجه داشته باشید که اگر بخواهید چقدر پویا می توانید اجازه سفارشی سازی را بدهید.

در این مرحله 2 مورد اتفاق می افتد

مورد 1:

نتیجه فعلی مانند نتیجه داده های گذشته است، سپس وضعیت و نتیجه را دوباره در آرایه داده های گذشته ذخیره می کنیم.

مورد 2:

نتیجه فعلی صحیح نیست، برخلاف داده های گذشته، ما این وضعیت را اصلاح می کنیم و نتیجه را در آرایه داده های گذشته ذخیره می کنیم

بهینه سازی: برای مرور سریعتر

ابتدا بر اساس دسته بندی دقت داده های تاریخی مرور کنید.

ابتدا با وضعیت گذشته با دقت بالا مقایسه کنید، اگر موردی وجود نداشت، سپس به سطح متوسط ​​بروید، به سطح پایین ادامه دهید، اگر موقعیتی وجود نداشت مرحله 4 را اضافه کنید

4. به روز رسانی داده های جدید

در مرحله 4: می توانیم به صورت زیر رفتار کنیم، هر 100000 Point یعنی تجربه 100 موقعیت، می توانیم مرحله 1 و مرحله 2 را تکرار کنیم.

هدف این است که داده ها را به روز کنید، داده های جدید دریافت کنید و از آنجا داده ها دقیق تر و دقیق تر می شوند

این الگوریتمی است که در کلمات توضیح داده شده است:

من برای ایجاد یک استراتژی خودکار به این توصیفات اساسی تکیه خواهم کرد، در طول فرآیند ساخت، مطمئناً مشکلات زیادی وجود خواهد داشت که باید رسیدگی شود، شاید زمان تکمیل بیشتر از حد انتظار باشد.

منتظر نظرات و حمایت شما هستیم

لطفا برای دریافت اطلاعیه های جدید فالو کنید

کانال من: https://www.mql5.com/en/channels/autocontroltrade