رویکردی جدید برای بهینه‌سازی مشاور متخصص – تحلیل‌ها و پیش‌بینی‌ها – 22 دسامبر 2024

خلاصه

این مقاله استدلال می‌کند که شیوه‌های توسعه سنتی EA، که اغلب بر دوره‌های یادگیری بیش از حد طولانی تکیه می‌کنند، می‌توانند منجر به تناسب بیش از حد و مانع عملکرد در بازارهای پویا شوند. با تمرکز بر بهینه سازی کوتاه مدت و انطباق مداوم، معامله گران می توانند EA های قوی و سودآورتری ایجاد کنند. نکته کلیدی این است که به طور مداوم پارامترهای EA بر اساس داده‌های بازار اخیر، انجام آزمایش‌های دقیق خارج از نمونه، و اجرای استراتژی‌های مدیریت ریسک قوی است. این رویکرد به EA اجازه می دهد تا بهتر با شرایط بازار در حال تحول سازگار شوند که منجر به بهبود عملکرد و کاهش ریسک می شود.

مقدمه

هدف مشاوران خبره (EAs) گرفتن ویژگی های رفتاری ذاتی ابزارهای معاملاتی است. EAهای مؤثر بر درک دقیق این ویژگی ها متکی هستند که یادگیری مداوم از داده های تاریخی را ضروری می کند. با این حال، رویه رایج در جامعه MQL5 بر دوره های یادگیری بیش از حد طولانی، که اغلب چندین سال را در بر می گیرد، تأکید دارد. این رویکرد، در حالی که به ظاهر احساس امنیت را فراهم می‌کند، می‌تواند به بیش از حد تناسب منجر شود و مانع سازگاری با پویایی بازار در حال تحول شود.

خطرات یادگیری بلند مدت:

بیش از حد برازش

دوره های طولانی یادگیری، خطر بیش از حد برازش را افزایش می دهد، جایی که EA بیش از حد با شرایط بازار گذشته، از جمله ناهنجاری ها و سر و صدا، هماهنگ می شود. این می تواند منجر به عملکرد ضعیف در هنگام تغییر شرایط بازار شود.

احساس امنیت کاذب

ارائه دهه‌ها نتایج پس‌آزمون با منحنی‌های ارزش به ظاهر پایدار می‌تواند توهمی از ایمنی ایجاد کند. با این حال، این نتایج ممکن است به طور دقیق عملکرد دنیای واقعی را منعکس نکنند، به ویژه در بازارهای نوسان یا به سرعت در حال تغییر.

خواندن تاریخ، نه پیش بینی آینده

EAهایی که در دوره‌های بسیار طولانی آموزش دیده‌اند، اغلب به «خوانندگان تاریخ» تبدیل می‌شوند و به‌جای شناسایی و انطباق با الگوهای در حال تحول بازار، به‌طور مؤثری اقدام قیمت گذشته را به خاطر می‌سپارند.

بزرگ توقف-زیان ریسک بالای دمیدن حساب ها

بخش قابل توجهی از کاربران MQL5 به اندازه کافی EA های خود را آزمایش یا بهینه نمی کنند. بیایید EA را در نظر بگیریم که در پنج سال گذشته حداکثر 1400 دلار کاهش داشته است. این در حالت ایده‌آل باید حداکثر ریسک قابل قبول ما را نشان دهد. اگر این EA با ضررهای قابل توجهی مواجه شد، باید به دستور توقف ضرر (SL) خود پایبند باشیم تا زمانی که حداکثر 1400 دلار کاهش یابد یا از آن فراتر رود. با این حال، روان‌شناسی انسان اغلب ما را وسوسه می‌کند که به امید بهبودی، بیشتر از آنچه باید در موقعیت‌هایی قرار بگیریم.

چه می‌شود اگر آزمایش‌های برگشتی طولانی‌مدت ما نادرست بود، و حداکثر برداشت واقعی EA از 1400 دلار فراتر رفت؟ این می تواند منجر به زیان های قابل توجه و غیرمنتظره شود که به طور بالقوه کل حساب معاملاتی را به خطر می اندازد. این سناریو دارای خطر قابل توجهی از زیان حساب است.

با در نظر گرفتن دقیق پارامترهای ریسک و انجام بک‌آزمایش کامل، می‌توانیم برای به حداقل رساندن این موقعیت‌های استرس‌زا و افزایش تجربه معاملاتی خود تلاش کنیم.

موردی برای بهینه سازی کوتاه مدت:

سازگاری با بازارهای در حال تحول

تمرکز بر دوره‌های یادگیری کوتاه‌تر، مانند 5 تا 6 ماه، به EA اجازه می‌دهد تا به طور مؤثرتری با روندهای اخیر بازار، از جمله چرخه‌های کوتاه‌مدت، نوسانات ناشی از اخبار و تغییرات در احساسات بازار، سازگار شود.

کاهش ریسک

با تمرکز بر رفتار اخیر بازار، EA می‌تواند ریسک‌های فعلی مانند تغییرات ناگهانی بازار یا رویدادهای پیش‌بینی نشده را بهتر ارزیابی و کاهش دهد. این می تواند منجر به مدیریت ریسک واقع بینانه تر و کاهش افت سرمایه شود.

عملکرد بهبود یافته

با انطباق مداوم با شرایط متغیر بازار، بهینه‌سازی کوتاه‌مدت می‌تواند منجر به بهبود عملکرد و بازده بالقوه بالاتر در مقایسه با EAهایی شود که بر روی داده‌های ثابت و بلندمدت آموزش دیده‌اند.

برخی ملاحظات بیشتر:

شرح مختصری از ویژگی های چرخه ای کوتاه مدت

ویژگی‌های دوره‌ای کوتاه‌مدت تحت تأثیر عوامل مختلف، مانند انتشار داده‌های کلان اقتصادی، احساسات بازار، رویدادهای ژئوپلیتیکی و تصمیم‌گیری‌های سیاست بانک مرکزی. این چرخه ها اغلب توسط روانشناسی معامله گر، نقدینگی بازار و استراتژی های معاملاتی الگوریتمی هدایت می شوند. در اینجا خلاصه ای از ویژگی های معمولی و مدت زمان آمده است:

1. چرخه های روزانه

مدت: ساعت تا یک روز.

خصوصیات:

معمولاً توسط جلسات بازار (به عنوان مثال، ساعات معاملات آسیایی، اروپایی و ایالات متحده) هدایت می شود.

نوسانات در طول افتتاحیه های کلیدی بازار و انتشار داده های اقتصادی عمده (به عنوان مثال، حقوق و دستمزد غیرکشاورزی، اعلامیه های بانک مرکزی اروپا، یا تصمیمات نرخ بهره فدرال رزرو) افزایش می یابد.

الگوها اغلب شامل معاملات محدوده در ساعات کم حجم و شکست در جلسات با حجم بالا هستند.

2. چرخه های چند روزه

مدت: 2-5 روز

خصوصیات:

اغلب به تغییرات احساسات کوتاه‌مدت، مانند موقعیت‌یابی پیش از رویدادهای مهم اقتصادی یا ژئوپلیتیکی مرتبط است.

شامل الگوهایی مانند “اثر دوشنبه” یا جنبش های ارتجاعی پس از اخبار آخر هفته است.

این چرخه ها ممکن است منعکس کننده حرکت های اصلاحی پس از روندهای قوی یا ادغام در اطراف سطوح فنی خاص باشند.

3. چرخه های هفتگی یا دو هفته ای

مدت: 1-3 هفته

خصوصیات:

ممکن است با چرخه های جلسات بانک مرکزی، به ویژه برای بانک مرکزی اروپا یا فدرال رزرو هماهنگ باشد.

منعکس کننده تعدیل بازار برای تغییرات در انتظارات سیاست پولی یا داده های در حال تحول اقتصاد کلان است.

معامله گران اغلب به این موارد به عنوان بخشی از یک “مین روند” در یک روند گسترده تر اشاره می کنند.

4. چرخه های فصلی

مدت: چند هفته تا چند ماه.

خصوصیات:

تمایلات فصلی می‌تواند به دلیل عوامل اقتصادی تکرار شونده مانند جریان‌های پایان سال مالی، مهلت‌های مالیاتی، یا بازگشت شرکت‌ها به وطن ایجاد شود. دوره‌های اواسط سال و پایان سال اغلب الگوهای معاملاتی متمایزی را نشان می‌دهند که به تعادل مجدد پرتفوی یا فعالیت پوشش ریسک مرتبط است.

با تجزیه و تحلیل ویژگی های کوتاه مدت عمل قیمت، می توانیم الگوهای چرخه ای کلیدی را شناسایی کنیم. اگر دوره یادگیری به اندازه کافی طولانی را انتخاب کنیم، EAهای ما به طور بالقوه می توانند از این الگوها بیاموزند، که معمولاً شامل موارد زیر است:

چرخه های درون روزی

چرخه های چند روزه

چرخه های هفتگی یا دو هفته ای

چرخه های فصلی

این چرخه ها بینش های ارزشمندی را در مورد رفتار بازار ارائه می دهند و می توانند فرصت های معاملاتی بالقوه را ارائه دهند. با این حال، تمرکز بر داده های تاریخی مربوط به 8 سال پیش ممکن است برای شرایط فعلی بازار مناسب نباشد. برای انطباق با پویایی بازار در حال تحول، باید یادگیری از آخرین اقدام قیمت را در اولویت قرار دهیم.

روش شناسی:

1- تعریف دوره یادگیری:

یک دوره آموزشی مناسب را تعیین کنید. مطالعه فوق نشان می دهد که معمولاً دوره آموزشی 5-6 ماهه باید کافی باشد. می‌توان آن را با توجه به فرکانس معاملاتی دلخواه و دوره‌های معمول چرخه ابزار کوتاه کرد.

2- بهینه سازی:

پارامترهای EA را در پنجره یادگیری تعریف شده بهینه کنید.

3- تست خارج از نمونه:

برای ارزیابی عملکرد EA در مورد داده‌هایی که در فرآیند بهینه‌سازی استفاده نمی‌شوند، آزمایش‌های خارج از نمونه دقیق، از جمله تست‌های رو به جلو و عقب انجام دهید.

4 – بهینه سازی مجدد منظم:

برای اطمینان از تطابق مداوم با شرایط در حال تحول بازار، EA را به صورت دوره‌ای، به طور ایده‌آل ماهانه یا دو هفته‌ای یا حتی بیشتر برای استراتژی‌های معاملاتی با فرکانس بالا، مجدداً بهینه کنید.

برنامه

اگر امروز 21 دسامبر است، می توانیم روال بهینه سازی خود را به صورت زیر تنظیم کنیم:

وقتی این رویکرد را برای یک الگوریتم معاملاتی اعمال می کنیم، منحنی ارزش ویژه زیر را داریم. با نگاه کردن به آن، این فایل مجموعه پذیرفته می شود زیرا در تست های نمونه و خارج از آن عملکرد خوبی دارد.

چگونه باید ریسک خود را مدیریت کنید؟

رویدادهای خبری مهم یا انتشار داده‌های اقتصادی می‌توانند به طور ناگهانی احساسات بازار را تغییر دهند و به طور بالقوه از محدوده دوره یادگیری برای EA ما فراتر بروند.

اجرای دستور توقف ضرر (SL) برای مدیریت ریسک بسیار مهم است. سطح SL باید به دقت تعیین شود تا از تنظیمات بیش از حد فشرده جلوگیری شود، که می تواند منجر به خروج زودهنگام مکرر شود، یا تنظیمات بیش از حد شل، که ممکن است به اندازه کافی از سرمایه در شرایط نامطلوب بازار محافظت نکند.

در حالت ایده آل، SL باید طوری تنظیم شود که زیان های احتمالی را به مقداری محدود کند که از میانگین سود یک روز تجاوز نکند. به عنوان مثال، اگر میانگین سود روزانه شما 40 دلار است، SL نباید از این مقدار تجاوز کند.

در حالی که ممکن است هنگام معامله انحصاری با EA مقداری انعطاف وجود داشته باشد، به طور کلی توصیه می شود ضرر احتمالی را به حداکثر سود متوسط ​​سه روز محدود کنید.

بر این اساس، پارامترهای EA و اندازه موقعیت شما باید طوری تنظیم شود که با این دستورالعمل مدیریت ریسک هماهنگ باشد.

در مثال خاص ما، باید یک دستور توقف ضرر را زمانی که مبلغ بازپرداخت (DD) از 45 دلار فراتر رفت، با یک بافر جزئی برای ایمنی بیشتر اجرا کنیم. توجه به این نکته ضروری است که حداکثر برداشت بلند مدت (DD) برای این مشاور متخصص به طور بالقوه می تواند به 700 دلار یا حتی 800 دلار برسد. با تغییر تمرکز خود به بهینه سازی کوتاه مدت و انطباق با شرایط اخیر بازار، پتانسیل کاهش قابل توجهی را به میزان قابل توجهی کاهش داده ایم. این رویکرد مدیریت ریسک را در اولویت قرار می دهد و هدف آن به حداقل رساندن تأثیر رویدادهای غیرمنتظره بازار بر حساب معاملاتی است.

نتیجه گیری

معامله گران با پذیرش بهینه سازی کوتاه مدت و تمرکز بر رفتار اخیر بازار، می توانند سازگاری، عملکرد و مدیریت ریسک EA های خود را افزایش دهند. این رویکرد به یک رویکرد فعال تر و پویاتر برای مدیریت EA نیاز دارد، اما در نهایت می تواند به سیستم های معاملاتی قوی تر و سودآورتر منجر شود.