Handels Generator

Erstellen eines Trading-Systems innerhalb des Trading-Systems Lab Trading System Lab erzeugt automatisch Trading-Systeme auf jedem Markt in wenigen Minuten mit einem sehr fortgeschrittenen Computerprogramm, bekannt als AIMGP (automatische Induktion von Maschinencode mit genetischer Programmierung). Erstellung eines Handelssystems im Trading System Lab erfolgt in 3 einfachen Schritten. Zunächst wird ein einfacher Präprozessor ausgeführt, der automatisch die notwendigen Daten aus dem Markt extrahiert und vorbehandelt, mit denen Sie arbeiten möchten. TSL akzeptiert CSI, MetaStock, AIQ, TradeStation, kostenlose Internetdaten, ASCII-, TXT-, CSV-, CompuTrac-, DowJones-, FutureSource-, TeleChart2000v3-, TechTools-, XML-, Binär - und Internet-Streaming-Daten. Zweitens wird der Trading System Generator (GP) für mehrere Minuten oder mehr laufen, um ein neues Handelssystem zu entwickeln. Sie können Ihre eigenen Daten, Muster, Indikatoren, Intermarket-Beziehungen oder fundamentale Daten innerhalb der TSL verwenden. Drittens ist das entwickelte Trading System formatiert, um neue Trading System Signale von TradeStation oder vielen anderen Handelsplattformen zu produzieren. TSL wird automatisch schreiben Sie eine einfache Sprache, Java, Assembler, C-Code, C-Code und WealthLab Script Language. Das Handelssystem kann dann manuell gehandelt, über einen Broker gehandelt oder automatisch gehandelt werden. Sie können das Handelssystem selbst erstellen, oder wir können es für Sie tun. Dann können Sie oder Ihr Broker das System entweder manuell oder automatisch handeln. Trading System Labs Genetic Programm enthält mehrere Features, die die Möglichkeit der Kurvenanpassung zu reduzieren, oder die Herstellung eines Trading-System, das nicht weiter in die Zukunft durchzuführen. Erstens, die entwickelten Trading-Systeme haben ihre Größe auf die niedrigstmögliche Größe durch so genannte Parsimony Pressure, Zeichnung aus dem Konzept der minimalen Beschreibung Länge geschnitten. Somit ist das resultierende Handelssystem so einfach wie möglich und es wird allgemein angenommen, dass je einfacher das Handelssystem ist, desto besser wird es in die Zukunft durchführen. Zweitens wird die Zufälligkeit in den evolutionären Prozess eingeführt, wodurch die Möglichkeit reduziert wird, Lösungen zu finden, die lokal, aber nicht global optimal sind. Zufälligkeit wird nicht nur über die Kombinationen des in den entwickelten Handelssystemen verwendeten genetischen Materials, sondern auch über Parsimony Pressure, Mutation, Crossover und andere übergeordnete GP-Parameter eingeführt. Out of Sample-Tests werden durchgeführt, während das Training mit statistischen Informationen durchgeführt wird, die sowohl im Test - als auch im Out-of-Sample-Handelssystemtest angezeigt werden. Ausführungsprotokolle werden dem Benutzer für Trainings-, Validierungs - und Out of Sample-Daten präsentiert. Gut verhalten Aus der Sample Performance kann ein Hinweis sein, dass das Trading System mit robusten Eigenschaften entwickelt. Eine wesentliche Verschlechterung der automatischen Probenentnahme im Vergleich zu den Stichprobenprüfung kann bedeuten, dass die Schaffung eines robusten Handelssystems im Zweifel ist oder dass das Terminal oder das Eingabeset möglicherweise geändert werden muss. Schließlich wird das Terminal-Set sorgfältig ausgewählt, um die Auswahl des anfänglichen genetischen Materials nicht auf eine bestimmte Markt-Bias oder - Stimmung zu beschränken. TSL startet nicht mit einem vordefinierten Handelssystem. In der Tat wird nur das Eingabeset und eine Auswahl von Markteintrittsmodus oder - modi für die automatische Eintrittssuche und - zuordnung anfänglich hergestellt. Ein Muster - oder Indikatorverhalten, das als bullische Situation betrachtet werden kann, kann innerhalb des GP verwendet, verworfen oder invertiert werden. Keinem Muster oder Indikator ist eine bestimmte Marktbewegungsvorspannung vorab zugewiesen. Dies ist eine radikale Abkehr von der manuell generierten Trading-System-Entwicklung. Ein Handelssystem ist ein logischer Satz von Anweisungen, die dem Händler sagen, wann man einen bestimmten Markt kaufen oder verkaufen kann. Diese Anweisungen erfordern selten einen Eingriff durch einen Händler. Handelssysteme können manuell gehandelt werden, indem man Handelsanweisungen auf einem Computerbildschirm beobachtet oder gehandelt werden kann, indem dem Computer erlaubt wird, Trades automatisch in den Markt einzutragen. Beide Methoden sind heute weit verbreitet. Es gibt mehr professionelle Geldmanager, die sich als systematische oder mechanische Händler als diejenigen, die sich als discretionary, und die Leistung der Systematische Geld-Manager ist in der Regel überlegen, dass der diskretionäre Geld-Manager. Studien haben gezeigt, dass Handelskonten in der Regel häufiger Geld verlieren, wenn der Kunde nicht mit einem Handelssystem. Der deutliche Anstieg der Handelssysteme in den letzten zehn Jahren zeigt sich vor allem in den Rohstoff-Brokerfirmen, doch Aktien - und Anleihenmarkt-Brokerhäuser werden zunehmend von den Vorteilen durch den Einsatz von Trading Systems erkannt und einige haben damit begonnen, Trading Systems anzubieten Einzelhandelskunden. Die meisten Investmentfonds-Manager sind bereits mit anspruchsvollen Computer-Algorithmen, um ihre Entscheidungen zu treffen, was heiße Lager zu holen oder was Sektor Rotation ist für. Computer und Algorithmen haben sich zu Mainstream-Investitionen entwickelt, und wir erwarten, dass sich dieser Trend fortsetzen wird, da jüngere, computergesteuerte Investoren weiterhin erlauben, dass Teile ihres Geldes von Trading Systems verwaltet werden, um das Risiko zu senken und die Rendite zu erhöhen. Die riesigen Verluste, die von Investoren, die an Aktien und Investmentfonds beteiligt waren, teilnahmen, während der Aktienmarkt in den vergangenen Jahren geschmolzen war, fördern diese Entwicklung in Richtung eines disziplinierten und logischeren Ansatzes für Aktieninvestitionen. Der durchschnittliche Investor erkennt, dass er oder sie derzeit ermöglicht viele Aspekte ihres Lebens und das Leben ihrer Lieben zu halten oder kontrolliert werden von Computern wie die Autos und Flugzeuge, die wir für den Transport, die medizinische Diagnosegeräte verwenden wir für die Gesundheitsversorgung, Die Heizungs - und Kühlregler, die wir für die Temperaturregelung verwenden, die Netze, die wir für internetbasierte Informationen nutzen, auch die Spiele, die wir für die Unterhaltung spielen. Warum dann einige Einzelhandels-Investoren glauben, dass sie aus der Hüfte in ihren Entscheidungen, was Aktien oder Investmentfonds zu kaufen oder zu verkaufen und zu erwarten, um Geld zu verdienen Schließlich ist der durchschnittliche Investor hat sich vorsichtig von der Beratung und Informationen durch skrupellose Broker weitergegeben , Buchhalter, Corporate Principals und Finanzberater. In den vergangenen 20 Jahren haben Mathematiker und Softwareentwickler Indikatoren und Muster auf Lager - und Rohstoffmärkten durchsucht, die nach Informationen suchen, die auf die Richtung des Marktes hinweisen. Diese Informationen können verwendet werden, um die Leistung von Handelssystemen zu verbessern. Im Allgemeinen ist diese Entdeckung Prozess durch eine Kombination aus Versuch und Irrtum und anspruchsvoller Data Mining erreicht. Typischerweise dauert der Entwickler Wochen oder Monate der Anzahl Knirschen, um ein potentielles Handelssystem zu erzeugen. Viele Male dieses Trading System wird nicht gut funktionieren, wenn tatsächlich in der Zukunft aufgrund der sogenannten Kurvenanpassung verwendet. Im Laufe der Jahre gab es viele Trading-Systeme (und Trading-System-Entwicklungsunternehmen), die gekommen und gegangen, wie ihre Systeme im Live-Handel gescheitert sind. Die Entwicklung von Trading-Systemen, die weiterhin in die Zukunft führen, ist schwierig, aber nicht unmöglich zu bewerkstelligen, obwohl kein ethischer Entwickler oder Geldmanager eine unbedingte Garantie dafür geben wird, dass jedes Trading System oder auch irgendwelche Aktien, Anleihen oder Investmentfonds fortbestehen werden Um Gewinne in die Zukunft für immer zu produzieren. Was hat Wochen oder Monate für die Trading-System-Entwickler zu produzieren in der Vergangenheit kann nun in wenigen Minuten durch den Einsatz von Trading System Lab produziert werden. Trading System Lab ist eine Plattform für die automatische Generierung von Handelssystemen und Handelsindikatoren. TSL nutzt eine Hochgeschwindigkeits-Genetic Programming Engine und wird Trading-Systeme mit einer Geschwindigkeit von über 16 Millionen System-Bars pro Sekunde basierend auf 56 Eingaben produzieren. Man beachte, daß nur wenige Eingaben tatsächlich verwendet werden oder notwendig sind, was zu allgemein einfach entwickelten Strategiestrukturen führt. Mit etwa 40.000 bis 200.000 Systemen, die für eine Konvergenz benötigt werden, kann die Zeit bis zur Konvergenz für jeden Datensatz angenähert werden. Beachten Sie, dass wir nicht einfach eine brutale Kraftoptimierung bestehender Indikatoren durchführen, die nach optimalen Parametern suchen, aus denen in einem bereits strukturierten Trading System zu verwenden ist. Der Handelssystem-Generator beginnt an einem Nullpunkt-Ursprung, der keine Annahmen über die Bewegung des Marktes in der Zukunft macht, und entwickelt dann Handelssysteme zu einer sehr hohen Rate, die auf dem Markt vorhandene Informationen kombiniert und neue Filter, Funktionen, Bedingungen und Beziehungen formuliert Schreitet zu einem gentechnisch veränderten Handelssystem voran. Das Ergebnis ist, dass ein ausgezeichnetes Handelssystem in wenigen Minuten auf 20-30 Jahren der täglichen Marktdaten auf nahezu jedem Markt erzeugt werden kann. In den letzten Jahren gab es mehrere Ansätze für Trading System Optimierung, die den weniger leistungsfähigen genetischen Algorithmus beschäftigen. Genetische Programme (GPs) sind überlegene genetische Algorithmen (GAs) aus mehreren Gründen. Zuerst konvergieren GPs auf einer Lösung mit einer exponentiellen Rate (sehr schnell und schneller), während genetische Algorithmen mit einer linearen Rate (viel langsamer und nicht immer schneller) konvergieren. Zweitens generieren die Hausärzte tatsächlich den Handelssystem-Maschinencode, der das genetische Material (Indikatoren, Muster, Zwischenmarktdaten) auf einzigartige Weise kombiniert. Diese einzigartigen Kombinationen sind möglicherweise nicht intuitiv offensichtlich und erfordern keine anfänglichen Definitionen durch den Systementwickler. Die einzigartigen mathematischen Beziehungen können neue Indikatoren oder Varianten der technischen Analyse werden, die noch nicht entwickelt oder entdeckt wurden. GAs, auf der anderen Seite, einfach für optimale Lösungen suchen, wie sie über die Parameter-Bereich sie nicht entdecken neue mathematische Beziehungen und nicht schreiben ihre eigenen Handelssystem-Code. GPs erstellen Trading-System-Code von verschiedenen Längen, mit variabler Länge Genome, wird die Länge des Handelssystems durch die so genannte nicht-homologe Crossover ändern und wird vollständig verwerfen ein Indikator oder Muster, das nicht zur Effizienz des Handelssystems beitragen. GAs verwenden nur Befehlsblöcke mit fester Grße, wobei nur homologe Crossover verwendet werden und keine variable Länge des Handelssystemcodes erzeugt werden, noch werden sie einen ineffizienten Indikator oder ein Muster so leicht wie ein GP verwerfen. Schließlich sind genetische Programme ein neuer Fortschritt auf dem Gebiet des maschinellen Lernens, während genetische Algorithmen vor 30 Jahren entdeckt wurden. Genetische Programme umfassen alle Hauptfunktionen der Genetischen Algorithmen Crossover, Reproduktion, Mutation und Fitness, aber GPs umfassen viel schnellere und robuste Funktionen, so dass GPs die beste Wahl für die Herstellung von Trading Systems. Der GP in TSLs Trading System Generator ist der schnellste GP derzeit verfügbar und ist nicht in einer anderen Finanzmarkt-Software in der Welt. Die genetische Programmierung Algorithmus, Trading Simulator und Fitness-Motoren innerhalb TSL verwendet über 8 Jahre zu produzieren. Trading System Lab ist das Ergebnis von Jahren harter Arbeit durch ein Team von Ingenieuren, Wissenschaftlern, Programmierern und Händlern, und wir glauben, stellt die modernste Technologie zur Verfügung heute für den Handel der Märkte. Disclaimer HYPOTHETISCH ODER SIMULATED LEISTUNGSERGEBNISSE HABEN BESTIMMTE INHERENTEN BESCHRÄNKUNGEN. EINE AKTUELLE LEISTUNGSAUFNAHME, SIMULATIVE ERGEBNISSE NICHT VERTRETEN. WENN DIE HÄNDE NICHT TATSÄCHLICH AUSGEFÜHRT WERDEN KÖNNEN, KÖNNEN DIE ERGEBNISSE AUSSERDEM AUF DIE AUSWIRKUNGEN AUF BESTIMMTE MARKTFAKTOREN ENTSTANDEN WERDEN KÖNNEN. SIMULATED HANDELSPROGRAMME IM ALLGEMEINEN SIND AUCH AUF DIE TATSACHE, DIE SIE MIT DEM VORTEIL VON HINDSIGHT ENTWERFEN. KEINE REPRÄSENTATION IST GEMACHT, DASS JEDE KONTO ODER GELTEND ZU ERWERBENDE GEWINNE ODER VERLUSTE VERÄNDERT WIRD. EasyLanguage und TradeStation sind eingetragene Warenzeichen von TradeStation Technologies, Inc. Einleitung Eine der größten Trends im Einzelhandel in den letzten zehn Jahren war die Zunahme der Popularität des automatisierten Handels. Bei dieser Art des Handels, auch bekannt als automatisierte Orderausführung, werden Kauf - und Verkaufssignale, die von einem Handelssystem generiert werden, automatisch von einer Plattform ausgeführt, die mit dem Händler-Brokerage-Konto verbunden ist. Dies ermöglicht eine Freisprecheinrichtung, die eine schnellere Ausführung, weniger Fehler und die Fähigkeit ermöglicht, kürzere Zeitrahmen mit höherfrequenten Strategien zu handeln. Da immer mehr Händler zum automatisierten Handel gezogen sind, hat sich das Interesse an systematischen Handelsstrategien erhöht. Während einige Trader ihre eigenen Trading-Strategien zu entwickeln, haben viele Händler die Programmierkenntnisse, die notwendig sind, um ihre Ideen umzusetzen. Andere Händler fehlen die spezifischen Kenntnisse der technischen Handelsmethoden oder die Erfahrung, die erforderlich ist, um eine tragfähige Strategie zu entwerfen. Selbst für Händler, die über die notwendigen Fähigkeiten für die Entwicklung von Handelssystemen verfügen, ist der beträchtliche Zeit - und Aufwand für die Entwicklung einer guten Strategie oft eine Abschreckung. Eine kürzlich entwickelte Lösung für dieses Problem ist die Verwendung von Computer-Algorithmen, um automatisch zu generieren Handelssystem-Code. Das Ziel dieses Ansatzes ist es, viele der Schritte im traditionellen Prozess der Entwicklung von Handelssystemen zu automatisieren. Im traditionellen, manuellen Ansatz zur Strategieentwicklung wählt der Trader Elemente der Handelsstrategie, die auf vorherigen Erfahrungen basieren, und Kenntnisse über technische Indikatoren, Einstiegs - und Ausstiegstypen sowie Strategieentwurf. Häufig basiert eine Strategie auf einer Markthypothese, dh einer Idee, wie der Markt funktioniert. Eine tragfähige Handelsstrategie wird typischerweise durch ein langes Trial-and-Error-Verfahren mit zahlreichen Iterationen, Revisionen und Tests entwickelt, bis akzeptable Ergebnisse erzielt werden. Dieser traditionelle Prozess der Entwicklung von Handelssystemen ist extrem zeitaufwändig und beinhaltet systematisch Beseitigung vieler Ideen, die einfach nicht funktionieren. Außerdem haben alle Händler Vorurteile darüber, wie die Märkte funktionieren, und diese Verzerrungen können den Systementwicklungsprozess beeinflussen. In einigen Fällen können diese Vorurteile hilfreich sein, aber sie können auch die möglichen Systeme einschränken, die der Händler berücksichtigen könnte. Anstatt mit einer voreingenommenen Ansicht und einem begrenzten Satz von Regeln, beginnt ein automatischer Code-Generator mit einem großen Satz von Regeln und sucht in einer unvoreingenommenen Weise für die Kombinationen, die arbeiten, während schnell die Beseitigung diejenigen, die nicht. Dieses Papier stellt einen Überblick über die automatische Codegenerierung für den Bau von Handelssystemen. Es werden sowohl einfache als auch komplexe Methoden diskutiert. Eine einfache Ad-hoc-Methode wird vorgestellt, die in der Scripting-Sprache von TradeStations EasyLanguage implementiert werden kann, um grundlegende Preismuster-basierte Strategien zu finden. Ein komplexer Ansatz auf der Grundlage der genetischen Programmierung wird ebenfalls diskutiert. Die automatische Erstellung von Handelssystemen ist eine attraktive Idee. Es gibt jedoch auch einige Nachteile. Zum einen sind rigorose Ansätze wie solche, die auf genetischer Programmierung beruhen, komplex und schwer umsetzbar. Auch die automatische Codeerzeugung beruht im Allgemeinen auf der historischen Simulation, dh ihrem Optimierungsprozess. Daher ist das Risiko einer Überanpassung zu berücksichtigen. Diese Vorbehalte werden ebenfalls diskutiert. Der grundlegende Ansatz Der grundlegende Algorithmus für den Bau von Handelssystemen mit automatischer Codegenerierung ist unten in Abb. 1. Es beginnt mit einer Methode zur Kombination verschiedener Elemente der Handelsstrategie. Diese Elemente können verschiedene technische Indikatoren, wie z. B. gleitende Durchschnittswerte, Stochastik, und so weiter verschiedene Arten von Ein-und Ausreise Bestellungen und logische Bedingungen für den Eintritt und Ausstieg aus dem Markt. Abbildung 1. Grundlegender Algorithmus für automatisierte Strategieentwicklung. Nachdem die verschiedenen Elemente zu einer kohärenten Strategie zusammengefasst sind, können sie auf dem Markt oder den Märkten von Interesse ausgewertet werden. Dies erfordert Marktdaten Preise, Volumen, offene Zinsen, etc. für jeden Markt. Im Allgemeinen würden Sie auch eine Reihe von Build-Ziele zu helfen, Rang oder punkten Sie jede Strategie. Beispiele für Build-Ziele umfassen verschiedene Leistungsmaße, wie etwa den Nettogewinn, den Drawdown, den Prozentsatz der Gewinner, den Gewinnfaktor und so weiter. Diese könnten als Mindestanforderungen, wie etwa ein Gewinnfaktor von mindestens 2,0, oder als Maximierungsziele, wie die Maximierung des Reingewinns, angegeben werden. Die Strategiegenerierungs - und Bewertungsschritte werden wiederholt, bis die Beendigungskriterien erfüllt sind. Die Abbruchkriterien könnten so einfach sein wie die Schaffung einer vorbestimmten Anzahl von verschiedenen Strategien, oder der Prozess kann gestoppt werden, nachdem keine weitere Verbesserung der Build-Ziele erreicht ist. Typischerweise wird ein Optimierungsalgorithmus verwendet, um die Strategien zu denen zu führen, die die Buildziele erfüllen. Die endgültigen Strategien sind diejenigen mit dem höchsten Rang oder Kerbe auf der Grundlage der Build-Ziele. Sie könnten entweder die einzige beste Strategie oder speichern Sie einige (oder alle) der Strategien, die von bauen Ziele. Wenn es mehrere Build-Ziele gibt, kann ein gewichteter Durchschnitt verwendet werden, um eine einzelne Metrik zu bilden. Dies ist die grundlegendste Ansicht des automatischen Systemaufbaus. Eine detailliertere Beschreibung wird im folgenden Abschnitt über die genetische Programmierung gegeben. Diese Beschreibung ignoriert auch das wichtige Problem der Überformatierung, bei dem die Strategie so eng an die Marktdaten angepasst ist, die während des Buildprozesses verwendet werden, dass die Strategie in Zukunft bei neuen Daten nicht gut funktioniert. Diese Frage wird auch im Folgenden behandelt. Theoretische Grundlagen der automatischen Codegenerierung Wie oben beschrieben, ist der Aufbau eines Handelssystems mit automatischer Codegenerierung im Wesentlichen ein Optimierungsproblem. Die Kombination von Strategie-Elementen, die die Build-Ziele maximiert, wird als letzte Strategie betrachtet. Einige Händler würden einwenden, dass Handelssysteme auf der Grundlage einer Hypothese des Marktverhaltens oder Handelns aufgebaut werden sollten. Wenn Sie eine gute Hypothese haben, wie die Märkte funktionieren, kann eine Strategie um diese Hypothese aufgebaut und getestet werden. Wenn es funktioniert, unterstützt es die Hypothese und rechtfertigt den Handel der Strategie. Tatsächlich ist der hier beschriebene Ansatz nicht grundsätzlich anders. Jede Kandidatenstrategie, die während des Buildprozesses aufgebaut wurde, wie in Fig. 1 ist im Wesentlichen eine Hypothese, die von der Evaluation entweder unterstützt oder widerlegt wird. Wenn Out-of-Sample-Tests verwendet werden, können die endgültigen Strategien durch die Out-of-Sample-Ergebnisse weiter unterstützt oder widerlegt werden. Eine weitere Möglichkeit, automatische Codegenerierung anzuzeigen, ist ein Problem der statistischen Schlussfolgerung. Die Preisdaten können als eine Kombination von Signal und Rauschen gedacht werden. Das Signal ist der handelbare Teil der Daten, und das Rauschen ist alles andere. In diesem Kontext ist der Strategieaufbauprozeß ein nichtlineares Kurvenanpassungsproblem, bei dem das Ziel darin besteht, Strategien zu finden, die dem Signal entsprechen, während das Rauschen ignoriert wird und Überanpassung vermieden wird. Gleichzeitig sind die Marktdaten oft nicht stationär: Die statistischen Eigenschaften ändern sich mit der Zeit. Eine erfolgreiche Strategie ist daher eine, die zu den stationären Elementen des Marktsignals mit angemessenen Freiheitsgraden passt, um eine Überanpassung zu vermeiden. Obwohl im Folgenden ausführlicher erörtert wird, wird im Allgemeinen ein Out-of-Sample-Test verwendet, um zu verifizieren, dass die Strategien nicht überkompatibel zum Markt sind. Pattern-Systemcodegenerator für TradeStation Dieser Abschnitt beschreibt einen Ad-hoc-Ansatz für die automatische Codegenerierung, bei dem ein Handelssystem für TradeStation automatisch andere, musterbasierte Handelssysteme für TradeStation generiert. Das AutoSystemGen-System sucht nach einem Satz von Handelsregeln zusammen mit den zugehörigen Parameterwerten, die einen bestimmten Satz von Leistungsanforderungen erfüllen. Abhängig von den Performance-Anforderungen, könnte es mehrere oder sogar Dutzende von Handelssystemen, die den Anforderungen entsprechen. Es schreibt dann den EasyLanguage-Code für jedes System in eine Datei. Für illustrative Zwecke sind die Regeln für die generierten Systeme auf Preismodelle beschränkt. Grundsätzlich könnte diese Technik erweitert werden, um automatisch Systemzeichnungen aus einer Vielzahl von Ein - und Ausstiegstechniken zu generieren, die für fast jeden Markt gelten. Preismusterregeln Während fast jede Art von Indikator oder Handelslogik in den hier beschriebenen Handelssystemgenerator einbezogen werden könnte, um die Dinge ziemlich einfach zu halten, werden die Regeln der erzeugten Systeme auf Preismuster beschränkt sein. Jede Eintragsvorschrift eines generierten Handelssystems hat die folgende Form: wobei P1 und P2 die Preise (offen, hoch, niedrig oder geschlossen) sind, N1 und N2 die Anzahl der zurückzulegenden Stäbe sind (z Und Ineq ist ein Ungleichheitsoperator, entweder lt oder gt. Beispiele für Regeln umfassen die folgenden: Schließen Sie lt Close2 Low2 lt High10 High3 gt Close4 und so weiter. P1, P2, N1, N2 und Ineq sind alle Variablen, die durch den Systemgenerierungsprozess bestimmt werden. N1 und N2 auf den Bereich 0 20 beschränkt. Außerdem ist die Anzahl der Regeln, NRules, eine Variable mit Werten von 1 bis 10. Ein Handelseintrag wird ausgelöst, wenn alle Regeln wahr sind. In diesem Fall wird der Eintrag an der offenen Stelle des nächsten Taktes aufgenommen. Die Handelsrichtung wird im Voraus festgelegt, so daß das System Systeme erzeugt, die entweder alle langen oder alle kurzen Trades sind. Um Trading-Logik sowohl für lange und kurze Trades zu erhalten, kann das System zweimal ausgeführt werden, einmal für lange Trades und das zweite Mal für kurze Trades. Trades wird auf dem Markt nach einer festen Anzahl von Bars, NX, die von einem bis 20 reichen ausgegeben werden. Finding the Rules Der Schlüssel zu diesem Prozess ist die Suche Kandidaten Handelssysteme. Ein System kann zwischen einer und zehn Regeln der oben gezeigten Form bestehen. Trades werden auf dem Markt eingegeben, wenn alle Regeln wahr sind und Trades eine bestimmte Anzahl von Bars später verlassen werden. Wenn dies als ein herkömmliches TradeStation-System mit maximal 10 Regeln kodiert wäre, würden es 52 Eingaben geben. Dies würde für eine umständliche Strategie zu machen. Stattdessen wird ein anderer Ansatz verwendet. Bei jedem Schritt der Optimierung werden die Werte für jede Variable (P1, P2, N1, N2, Ineq, NRules und NX) zufällig gewählt. Für jede Regel wird ein anderer Satz von Werten von P1, P2, N1, N2 und Ineq für eine Summe von NRules-Sätzen von Werten ausgewählt. Jeder Schritt der Optimierung wird ein anderes Handelssystem generieren, da die Variablen zufällig ausgewählt werden. Wenn die Leistungsresultate des Systems die vom Benutzer eingegebenen Anforderungen erfüllen, wird das erzeugte System in eine Datei im EasyLanguage-Code geschrieben. Alles zusammen setzen Der Code für das AutoSystemGen-System und die dazugehörigen Funktionen ist bei Breakout Futures (breakoutfutures) auf der Seite Free Downloads verfügbar. Die erste Eingabe zur Strategie heißt OptStep. Um das System auszuführen, sollte OptStep in der TradeStation optimiert werden, indem es von 1 bis zu einer großen Anzahl von 10.000 in Schritten von 1 variiert wird. Dies führt dazu, dass AutoSystemGen beispielsweise 10.000 verschiedene Handelssysteme erzeugt. Die, die die angegebenen Leistungskriterien erfüllen, werden in die Datei geschrieben, die als Eingabe für die Funktion WriteSystem (z. B. C: AutoSysGen-Output1.txt) angezeigt wird. Die Leistungskriterien werden über die System-Eingänge (reqNetProfit, reqMaxDD, etc.) vorgegeben. Die meisten der harten Arbeit wird durch die Funktionen ausgeführt, die das System aufruft. Die Funktion GetPatVars wählt zufällig die Werte für die Variablen aus, die die Handelsregeln bestimmen. Um festzustellen, ob in der nächsten Leiste ein Trade-Eintrag erfolgen soll oder nicht, werden die Preismusterregeln durch die Funktion EvalPattern ausgewertet. Wenn das System die Leistungskriterien erfüllt, wird der entsprechende EasyLanguage-Code erzeugt und mit der Funktion WriteSystem in eine Textdatei geschrieben. Beispiel Als Beispiel betrachten Sie den 30-jährigen Schatzanleihe-Futures-Markt (Symbol US. P in TradeStation 8). AutoSystemGen wurde in den letzten 20 Jahren der T-Bond-Preise optimiert, wobei der OptStep-Input von 1 auf 10000 erhöht wurde. Damit wurden 10.000 verschiedene Handelssysteme ausgewertet. Die Optimierung wurde zweimal durchgeführt, einmal für lange Trades und einmal für kurze Trades. Die folgenden Performance-Anforderungen wurden verwendet: Nettogewinn von mindestens 30.000, Worst-Case-Drawdown nicht mehr als 7500, mindestens 200 Trades, prozentual rentabel von mindestens 50 und Profit-Faktor von mindestens 1,2. Auf einem Dualcore-Computer mit Vista dauerte es etwa 10 Minuten, um jede Optimierung auszuführen (10.000 Systeme pro Optimierung). Die durch dieses Verfahren erzeugten Systeme sind nachfolgend dargestellt. Hierbei handelt es sich um die von der WriteSystem-Funktion in die Datei AutoSysGen-Output1.txt geschriebenen Systeme. Die ersten sind die Long-Only-Systeme, gefolgt von einem Short-Only-System (das einzige, das die Performance-Kriterien erfüllt). System 2332, US. P, 9172007 12:23:00, Long Trades Net Profit 53562.50, Max DD -7381.25, Num Trades 250, Prozentgewinne 56.80, Proffaktor 1.631 Var: EntNext (false) EntNext Open2 gt Low16 und Low9 gt Low3 Und Close14 lt Low6 und wenn EntNext dann kaufen nächste Bar auf dem Markt Wenn BarsSinceEntry gt NBarExS dann kaufen, um die nächste Bar auf dem Markt zu decken Wenn STrailOn dann kaufen, um die nächste Bar auf SStop stoppen Bis vor kurzem die meisten Anwendungen der genetischen Programmierung bis zur Strategie-Strategie wurden Akademische Studien auf begrenzte Regelsätze, übermäßig einfache Ein-und Ausfahrt Logik und benutzerdefinierten Code, so dass die Ergebnisse nicht geeignet für die meisten Händler. Gleichzeitig wurde die meiste verfügbare Software, die GP für den Markthandel implementiert, entweder auf professionelle Händler ausgerichtet und entsprechend festgesetzt oder ist sehr kompliziert einzurichten und zu verwenden. Adaptrade Builder wurde entwickelt, um GP einfach zu bedienen für jeden Händler, Einzel-oder Profi, die ein grundlegendes Verständnis des Strategie-Trading und der TradeStation-Plattform hat. Weitere Informationen über Builder finden Sie unter AdaptradeBuilder. Over-fitting Gebäude-Trading-Systeme über die automatische Code-Generierung ist eine Art von Optimierung. Die meisten systematischen Trader sind wohl mit der Parameteroptimierung vertraut, in der die Eingaben in eine Strategie optimiert werden. Im Gegensatz zur Parameteroptimierung optimiert die automatische Codegenerierung die Strategielogik. Dennoch ist das Risiko einer Überoptimierung oder Überanpassung auch für die automatische Codegenerierung ebenso wichtig wie für die Parameteroptimierung. Typischerweise wird die Optimierung über ein Segment von Daten, das sogenannte Optimierungs - oder In-Probe-Segment, durchgeführt und auf unterschiedlichen Daten getestet, die als Test - oder Out-of-Sample-Segment bezeichnet werden. Over-Fitting bezieht sich auf das Problem der Optimierung einer Strategie, so dass es passt das In-Beispiel-Segment gut, aber nicht gut auf alle anderen Daten, einschließlich der Out-of-Sample-Daten. Schlechte Out-of-Sample-Leistung wird in der Regel durch einen von mehreren Faktoren verursacht. Ein wichtiger Faktor ist die sogenannte Anzahl von Freiheitsgraden im In-Probe-Segment. Die Anzahl der Freiheitsgrade, die gleich der Anzahl der Trades abzüglich der Anzahl der Regeln und Bedingungen der Strategie ist, bestimmt, wie eng die Strategie den Daten entspricht. Wenn für jeden Parameter in der Strategie zugeordnete Eingaben hinzugefügt werden, kann die Anzahl der Strategie-Eingaben als Proxy für die Anzahl der Regeln und Bedingungen verwendet werden. Zum Beispiel, wenn eine Strategie hat 100 Trades und 10 Eingänge, es hat 90 Grad Freiheit. Je mehr Freiheitsgrade, desto unwahrscheinlicher ist es, dass die Strategie übermäßig an den Markt angepasst wird, und um so eher wird es eine gute Out-of-Sample-Performance aufweisen. Die Anzahl der Freiheitsgrade kann während des Build-Prozesses erhöht werden, indem die Anzahl der Trades und die Anzahl der Strategie-Eingaben als Build-Ziele berücksichtigt werden. Unter der Annahme, dass die Fitness-Metrik ein gewichteter Durchschnitt der Build-Ziele ist, werden alle anderen Aspekte gleich, die Erhöhung der Gewichtung für die Anzahl der Trades führt zu Strategien mit mehr Trades und damit mehr Freiheitsgrade. Ebenso führt eine Erhöhung der Gewichtung für die (negative) Anzahl von Eingaben zu Strategien mit weniger Eingaben, die auch die Anzahl von Freiheitsgraden erhöhen werden. Eine weitere Möglichkeit besteht darin, die statistische Signifikanz als bauliches Ziel einzubeziehen. Die statistische Signifikanz kann berechnet werden, indem der Schüler t-Test auf den durchschnittlichen Handel angewandt wird. Dies wird die Wahrscheinlichkeit, dass der durchschnittliche Handel größer als Null ist zu messen. Der t-Test basiert auf der Anzahl der Freiheitsgrade, ist aber ein vollständigeres Maß dafür, ob eine Strategie über-fit ist als die Anzahl der Freiheitsgrade allein. Eine Möglichkeit, die Out-of-Sample-Leistung zu verbessern, besteht also darin, die Bedeutung der Fitnessfunktion zu berücksichtigen, die dazu neigt, Strategien zu erzeugen, die eine hohe statistische Signifikanz aufweisen. Ein weiterer wichtiger Faktor, der die Out-of-Sample-Performance beeinflusst, ist die Vielfalt der Marktbedingungen im Segment "In-Probe". Generell ist es besser, über Daten zu optimieren, die eine breite Palette von Marktbedingungen einschließen, wie z. B. Aufwärtstrend - und Abwärtstrendmärkte, Konsolidierungsphasen, hohe und niedrige Volatilität usw. Je mehr Abwechslung im Segment der Stichproben, desto mehr Wahrscheinlich ist es, dass die Strategie wird gut auf andere Daten, einschließlich Out-of-Sample-Daten und in Echtzeit-Handel. Während die Zukunft nie genau die Vergangenheit dupliziert, vorausgesetzt, die Zukunfts - (oder Out-of-Sample-Daten) sind ähnlich genug, um zumindest einen Teil des In-Sample-Segments, sollte die Strategie gut auf neue Daten. Der Wert der Optimierung über eine Vielzahl von Marktbedingungen setzt voraus, dass eine gute Leistung über jeden Teil des In-Probe-Segments erreicht wird. Eine Möglichkeit, dies zu messen, ist der Korrelationskoeffizient der Eigenkapitalkurve, der misst, wie eng die Eigenkapitalkurve sich einer Geraden annähert. Wenn die Eigenkapitalkurve eine gerade Linie ist, bedeutet dies, dass die Performance über alle Segmente der Daten einheitlich ist. Offensichtlich ist dies wünschenswert, wenn das Ziel ist, eine gute Leistung über so viele verschiedene Arten von Marktbedingungen wie möglich zu erzielen. Der Korrelationskoeffizient für die durch automatische Codeerzeugung erzeugten Strategien kann durch Einbeziehen des Korrelationskoeffizienten als Buildziel und Gewichtung als Teil der Fitnessfunktion erhöht werden. Unglücklicherweise wird es Fälle geben, in denen sogar mit einer hohen Signifikanz, einem Korrelationskoeffizienten nahe 1 und einer breiten Vielfalt von Marktbedingungen im In-Probe-Segment die Out-of-Sample-Leistung schlecht ist. Dies kann aus mehreren Gründen passieren. Erstens kann sogar eine einfache Strategie mit wenigen Parametern in einigen Fällen das Rauschen eher als das Signal passen. Laut Definition ist Rauschen ein Teil der Marktdaten, die nicht zu rentablen Handelssignalen beitragen. Zweitens kann sich die Marktdynamik, auf der die Strategie-Logik basiert (d. H. Das Signal), in dem außerhalb des Abtastbereichs befindlichen Segment geändert haben, um die Leistung negativ zu beeinflussen. Dies ist manchmal auf eine grundlegende Veränderung des Marktes zurückzuführen, etwa auf den Umstieg vom Boden - auf den elektronischen Handel. Allerdings sind auch subtilere Veränderungen, oft im Zusammenhang mit den Handelsmustern der Marktteilnehmer, möglich, insbesondere für den kurzfristigen Handel. Wenn dies das Problem zu sein scheint, kann die Lösung so einfach sein wie die Rekonstruktion der Strategie mit neuen Handelslogik. Mit einem Tool wie Adaptrade Builder macht dies viel einfacher, als wenn ein manueller Ansatz für Trading-Strategie-Entwicklung verwendet wurden. Eine andere mögliche Lösung besteht darin, die neuesten Daten in das Optimierungssegment einzuschließen und es ausprobieren zu lassen, indem die Performance in Echtzeit verfolgt wird. In den meisten Fällen wird eine Strategie, die eine große Anzahl von Trades, einen hohen Wert und eine gute Performance auf dem In-Probe-Segment hat, auch für eine gewisse Zeit nach der Optimierung gut funktionieren. Für Informationen über Software für den Aufbau von Handelsstrategien mit genetischer Programmierung, klicken Sie bitte hier. Wenn Sie über Neuentwicklungen, Neuigkeiten und Angebote von Adaptrade Software informiert werden möchten, können Sie sich gerne an unsere E-Mail-Liste wenden. Thank you. OpenKantu System Generator In den letzten zwei Jahren bei Asirikuy haben wir eine große Menge an Wissen in der Generierung, Bewertung und Live-Handel von automatisch generierten Trading-Strategien entwickelt. Die erste unserer Softwareentwicklungsbemühungen in diesem Bereich, Kantu, ist mittlerweile in unserer Community verworfen worden (siehe unten) und ich habe deshalb beschlossen, diesen Code in die offene Community zu veröffentlichen, um zu vermeiden, dass all diese Arbeit verschwendet und stattdessen andere ermutigt werden Auch die Möglichkeiten der algorithmischen Systemgenerierung mit einem bereits aufgebauten offenen Framework zu erforschen. Kantu ist ein Trading-System-Generator, der Handelsstrategien auf der Grundlage von Preissetzungsregeln (Vergleich von verschiedenen Openhighlowclose-Werten) mit OHLC-Daten erstellt. Mit ihm können Sie nach Strategien innerhalb eines ausgewählten Logikraums suchen und diejenigen finden, die mit den vom Benutzer auferlegten statistischen Merkmalen übereinstimmen (z. B. können Sie nach Systemen suchen, die ein Sharpe-, ein Lohn-Risiko-Verhältnis, einen Gewinnprozentsatz usw. haben). Sie können sehen, wie das Programm auf dem Bild unten aussieht: Das sind die Hauptmerkmale der Software: Diese und alle zukünftigen Versionen von OpenKantu sind kostenlos mit voll offenem Quellcode verfügbar: o) Codiert in FreePascalLazarus. Vollständigen Quellcode unter der GPL v2 Lizenz verfügbar. Handbuch enthalten. Exportieren Sie einfach Daten aus Ihrem MT4 History Center, um es mit OpenKantu Multi-Plattform-Support zu nutzen. Vorkompilierte Binärdateien für Windows, aber die Software kann von der Quelle auf Windows, Linux und MacOSX kompiliert werden. Schnelle Simulationen, ein 25-Jahr-Test mit täglichen Daten dauert nur 3 Millisekunden, während ein 25 Jahre 1H Test kann etwa 60-80 Millisekunden dauern. Dies ermöglicht es Ihnen, Millionen von Tests innerhalb einer realistischen Zeitspanne durchzuführen. Multi-Core-Unterstützung, können Sie Tests mit so vielen Computer-Kerne wie Ihr Computer ermöglicht Konfigurieren Sie den System-Erstellungsprozess, um Systeme mit oder ohne SLTP innerhalb eines Satzes Regel Komplexität (maximale Verschiebung, maximale Regelnummer, etc.) zu konfigurieren Konfigurieren Sie eine Out-of - Beispielfenster, wenn dies gewünscht wird Sie können auf jedem Finanzinstrument nach Strategien suchen. Filtersysteme unter Verwendung der vorgefertigten Statistiken oder einer benutzerdefinierten Filterregel Trade-by-Trade-Systemergebnisse ermitteln Simulieren von Portfolios, die aus verschiedenen generierten Systemen zusammengesetzt sind Erhalten Sie eine mathematische Erwartungsanalyse (MAE-MFE) für Longshort-Trades für alle generierten Systeme Mit Handelsergebnisse, die auf einem OHLC Diagramm der Daten zeigen (sehen Sie, wohin das System gehandelt hat) Export erzeugte Strategien zu MT4 Ich möchte auch darauf hinweisen, dass OpenKantu NICHT ein heiliger Gralgenerator und dieses Gebrauch des Programms ohne ein gutes Verständnis von ist Potenzielle Quellen der Bias (Kurve-Anpassung Bias, Data-Mining-Bias) verpflichtet, um zu verlieren Strategien im forwardlive Handel führen. Denken Sie daran, dass die bisherige Wertentwicklung keine Garantie für zukünftige Ergebnisse ist. Obwohl OpenKantu in gutem Glauben codiert ist, sind Endbenutzer für alle Anwendungen der Software verantwortlich. Die Software wird as-is, ohne Garantien, implizit oder impliziert zur Verfügung gestellt. OpenKantu wird auch ohne Support zur Verfügung gestellt, entnehmen Sie bitte dem Handbuch, wie Sie die Software benutzen können. Sie können Windows-Binärdateien und die program8217s-Quelldateien mithilfe der folgenden Links downloaden: Aktuelle Programmversion ist v2.40. Hinweise zum Bauen aus der Quelle: Wenn Sie aus der Quelle stammen, müssen Sie Lazarus installieren. Installieren Sie dann die synapse - und ZMSQL-Pakete, die im github-Repository enthalten sind, bevor Sie versuchen, die Software zu erstellen. Wenn Sie möchten, dass Code-Beiträge bitte kontaktieren Sie mich (lassen Sie einen Kommentar auf dieser Seite) und we8217ll Koordinate, so dass Sie auf github beitragen können. Alle Beiträge, die die Software für die offene Community verbessern, sind willkommen. Denken Sie daran, dass, um die gleichen Testergebnisse in OpenKantu auf MT4 Simulationen zu reproduzieren, müssen Sie die exakt gleichen Daten innerhalb der Generation und die MT4 Backtesting verwenden. Entlang der gleichen Linien Ihre Livedemo broker8217s GMT, DST und wöchentliche Öffnungszeiten müssen genau mit denen der Daten innerhalb des Generierungsprozesses verwendet werden. Die Verwendung verschiedener Daten führt zu unvorhersehbaren Änderungen der Simulationsergebnisse zwischen den Programmen. Sie können sich fragen, warum wir entschieden haben, die Verwendung von Kantu innerhalb unserer Community zu verwerfen (angesichts all der oben genannten positiven Eigenschaften) beschlossen wir, zu pKantu zu bewegen, da es viele Vorteile gegenüber unserer anfänglichen Kantu (jetzt OpenKantu) Implementierung hat. Mit pKantu haben wir folgende Merkmale: Codiert in OpenCLPython mit Geschwindigkeit als oberste Priorität Explizite Auswertung des gesamten Logikraums (openKantu verwendet stattdessen Stichproben, die bei der Auswertung einiger Quellen von statistischer Vorspannung zu wichtigen Problemen führen können) Extrem schnelle Simulationen mit GPUs, rund 100-1000x schneller als OpenKantu Evaluation von Data-Mining-Bias mit automatischer Zufallsgenerierung Community Cloud-Mining-Implementierung, die uns erlaubt, alle unsere System-Erstellung und Bias-Evaluierung Bemühungen zusammenzufassen Viele alternative Stop-Loss-Evolution-Mechanismen (was bedeutet, wir haben Zugriff auf Erweiterte Exit-Techniken) Wenn Sie sich für das Erlernen mehr über Quellen der statistischen Bias in der automatischen System-Generierung und mit pKantu, unsere neuesten automatisierten System-Generierung Software bitte erwägen, Asirikuy. Eine Website mit Bildungs-Videos, Handelssysteme, Entwicklung und eine solide, ehrliche und transparente Ansatz für automatisierte Handel im Allgemeinen gefüllt. Ich habe das Handbuch über die Parameter über Simulationstypen (z. B. feste Quote, zufällige Termine, ISOS-Studie und Walk-Forward-Simulation) gelesen, aber ich kann immer noch nicht verstehen, was sie sind und wie ich sie verwende. Können Sie es in Details erklären Warum müssen wir sie laufen anstatt mit 8216single cycle8217 Auch können Sie mir eine Prozess-Vorgehensweise, wie ein System generieren und testen, um sicherzustellen, dass es robust genug, um im demoliven Umfeld ausgeführt werden Grüße, RC Thank Sie für Ihren Beitrag: o) Können Sie es in Details erklären Warum müssen wir sie ausführen, anstatt mit einzelnen Zyklus Jede unterschiedliche Prozedur bietet Ihnen eine andere Art von Ergebnis. Die Einzelzyklus-Simulation erzeugt nur X-Systeme, aber die Anzahl der von allen erzeugten Systeme ist etwas zufällig. Beispielsweise könnte ein einzelner Zykluslauf 100, 2 oder sogar null gültige Systeme erzeugen, abhängig davon, wie komplex Ihre Filter sind. Wenn Sie sicher sein wollen, dass Sie 8211 am Ende 8211 haben eine bestimmte Anzahl von gültigen Systemen (Systeme, die Ihren Filtern entsprechen), dann sollten Sie eine 8220fixed Quota8221 Simulation, die neue Muster ausgeführt wird, bis Sie die Anzahl der angeforderten Ergebnisse erhalten . Die Walk-Forward-Analyse erlaubt Ihnen, eine generationsortingwalk forward trading-Methodik zu simulieren, während die zufälligen Methoden Ihnen erlauben, zu sehen, ob irgendwelche statistische Schlussfolgerungen von der gewählten Zeitraum für inout der Stichprobenprüfung abhängen oder wenn die Schlussfolgerungen generisch während der gesamten Testperiode sind. Sie sollten mit jedem experimentieren und alle Fragen oder Zweifel, die Sie in den Prozess bekommen können. Auch können Sie mir ein Prozessverfahren, wie ein System zu generieren und testen Sie es, um sicherzustellen, dass es robust genug, um im demoliven Umfeld ausgeführt werden Es wäre unverantwortlich, Ihnen ein solches Verfahren, weil kein Verfahren kann garantieren, dass der Erfolg im demoliven Handel. Jedes Verfahren, das ich Ihnen geben würde eine Wahrscheinlichkeit des Scheiterns haben, ist es bis zu Ihnen zu experimentieren, zu studieren und kommen mit einem Verfahren, das Ihre Bedürfnisse befriedigt. Wie es auf dem Handbuch und oben heißt, Kantu ist kein heiliger Gral, müssen Sie noch hart zu studieren, zu experimentieren und kommen mit Ihren eigenen Schlussfolgerungen durch Ihre eigene Analyse. Kantu ist ein Werkzeug, nicht mehr und nicht weniger. Wenn Sie mehr über algorithmisches Handel lernen und eine volle Ausbildung auf der Angelegenheit erhalten möchten, dann würde ich Ihnen empfehlen, Asirikuy anzuschließen, in dem Sie tiefgehendes Wissen über die Probleme des Systemdesigns, der Robustheit etc. erhalten. Wenn Sie Kantu gekauft haben, Dann zählt dieser Kauf zu einer Asirikuy Mitgliedschaft (email ich direkt und I8217ll schicken Ihnen einen Link mit dem Rest der Zahlung und dem Subskriptionslink, wenn you8217re interessiert). Wenn Sie irgendwelche spezifische Fragen über die Funktionalität haben, fühlen Sie bitte sich frei, sie hier zu postieren oder mich direkt zu mailen und I8217ll froh, zu antworten: o) Danke sehr viel wieder für Ihren Pfosten, I8217ve spielten herum mit der Demo für die letzten Tage und interessiert sich für den Kauf der Vollversion. Wenn ich die Vollversion jetzt erwerben, habe ich Zugriff auf Upgrades in der Zukunft Jede Möglichkeit der Multicore-Unterstützung in der Zukunft Auch haben Sie berücksichtigt Customizing der historischen Dateneingabe, um den Import von anderen Handelssystemen oder alternativen Datumsformaten zu ermöglichen, die erfolgreich importiert werden Daten von NinjaTrader mit ein paar Verbesserungen zu übertreffen, aber es wäre schön, in der Lage, diesen Schritt überspringen. Sehr beeindruckt so weit. Große Arbeit und Dank. Vielen Dank für Ihren Beitrag: o) Ich beantworte jetzt Ihre Fragen: 1. Sie müssen nur für größere Updates bezahlen. Wesentliche Aktualisierungen umfassen umfangreiche Neuerungen der Software, um neue Funktionen zu erstellen. Allerdings wird Ihre gekaufte Version weiterhin auf unbestimmte Zeit zu arbeiten (Haupt-Update Kauf ist optional). Gerade jetzt 8211 seit der Software ist ziemlich neu 8211 erhalten Sie viele wichtige Updates kostenlos, bevor das erste große Update kommt. 2. Ja, ich habe bereits Multi-Core-Unterstützung. Es wird derzeit getestet und ein Update auf Kantu Benutzer wird voraussichtlich nächste Woche veröffentlicht werden (wie ich das Handbuch auch aktualisieren müssen). Beachten Sie, dass dies als ein kleines Update gilt, wenn Sie Kantu jetzt kaufen, erhalten Sie dieses Update kostenlos. 3. I hadn8217t betrachtete es aber sicher es kann leicht getan werden. Nochmals vielen Dank für die Buchung und für Ihre freundlichen Worte über meine Arbeit: o) Vielen Dank für Ihre großartige Software, I8217m sehr scharf auf genetische Optimierung. Aber ich habe ein Problem mit WFS 8211 Normal. Ich habe es gerade auf meinem Notebook mit Intel Core i7 2620M getestet und auf meinem Desktop mit AMD A10 5800K. Auf dem Notebook-Programm einfach nicht mehr reagiert, und Win7 Angebot 8220Close program8221. Ich versuchte zu warten, aber ohne Wirkung. Auf meinem Desktop (auch Win7) endet WFA mit Kantu-Fehler: Ungültiger Gleitkomma-Vorgang. Könnten Sie bitte helfen Wenn Sie möchten, können I8217m Screenshots senden oder weitere Details zum Debuggen. Vielen Dank für Ihren wunderbaren Blog und OpenKantu System Generator. Ihr Ansatz für Portfolio-Generierung (d. H. Die Schaffung von vielen unabhängigen Strategien und Handel alle von ihnen) sieht aus wie eine erweiterte Version von dem, was I8217m versuchen, in meinem eigenen bescheidenen Handel zu tun. Allerdings sehe ich einen großen Unterschied. Openkantu schafft symmetrische Systeme (lange Eingangsregeln sind genau das Gegenteil von kurzen Eintragsregeln), während I8217m versuchen, Systeme für Longs und Short unabhängig zu generieren, weil ich denke, es gibt einige Muster, die nur in einer Richtung funktionieren. Es scheint, dass8217s unmöglich, mit OpenKantu ohne Code-Änderung zu reproduzieren. Was denken Sie über diesen Ansatz 8211 macht es Sinn oder it8217s fehlerhaft und Sie absichtlich vermeiden es Vielen Dank für das Schreiben. Das Problem mit Ansätzen, die Symmetrie verletzen (nur lang oder nur kurz), ist, dass Sie beginnen, von viel größeren Data-Mining-Bias leiden. Wenn ein Paar 70 der vergangenen 10 Jahre ausgegeben hat, die nach unten streben, hätte fast jede zufällige Short-Only-Strategie Geld verdient, Ihre Short-Only-Systeme also keine wirklichen historischen Ineffizienzen ausnutzen, sondern nur Glück hatten, weil sie nur kurze Strategien waren Innerhalb eines Zeitraums, der vor allem für den Kurzhandel günstig war. Sie können Long-only und Short-only-Systeme, die über Bias arbeiten, aber Sie müssen eine Menge Anstrengungen unternehmen, um Daten-Mining-Bias bewerten und haben ein sehr hohes Maß an Vertrauen, dass Ihre Systeme nicht aus Zufall kommen. Anhalten mit symmetrischen Strategien ist eine viel sicherere Wette. Nochmals vielen Dank fürs Schreiben, Hallo Daniel. Nur eine Frage8230 Entfernen Sie einige Beiträge hier in der 8220response8221 Bereich. I8217m fragen, weil ich einen Kommentar vor zwei Tagen verlassen, um Hilfe für die Module, die auf der GITHUB Seite erscheint, aber jetzt ist es zu entfernen. Könnten Sie bitte lassen Sie mich wissen, dann wo finde ich einige Website von Entwicklern mit OPENKANTU (ich googeln, aber es gibt keine solche Website). Thnks viel Danke fürs Schreiben. Manchmal entfernt der Spam-Filter einige Kommentare automatisch, ich vermute, es entfernt Ihren Kommentar aus Versehen (sorry über das). Es gibt keine 8220modules8221 in OpenKantu, die Sie unabhängig laden konnten, die Funktionen, die Dinge wie Mustergenerierung und Backtesting tun, hängt von vielen anderen Funktionen ab, die über den gesamten Satz von Programmdateien verteilt werden. Wenn Sie einige Code aus ihm zu extrahieren, müssen Sie in sie zu bekommen und verstehen Sie den Code. Bitte beachten Sie auch, dass OpenKantu unter GPL lizenziert ist, so dass jede Software, die von einem Dritten erstellt wurde, den Code enthält, auch frei und Open Source sein muss. Lassen Sie mich wissen, wenn Sie weitere Fragen haben, Thnks viel für Ihre Antwort Daniel. Nun, wie ich schon sagte, in der ersten Post (die gelöscht :)) Ich möchte nur wissen, wie das Programm führt die Muster-Suche (gut, wirklich, es wäre sehr nützlich für mich, um meine These). Ich weiß, dass das Programm funktioniert als ein ganzer Körper, aber ich möchte nur wissen (oder auf 8220see8221), wie diese Muster durchsucht werden. Thnks viel Dank für Ihre Antwort. Nun, der Code ist völlig Open Source, so können Sie Ihre Zeit nehmen, um es zu wissen und zu verstehen, wie es funktioniert, leider habe ich don8217t die Zeit haben, um Ihnen eine geführte Beschreibung der Quelle, sondern wie ich es erwähnt habe es für Sie zu erforschen wenn Sie wünschen. Nochmals vielen Dank fürs Schreiben, Hallo Daniel und Mitarbeiter. Ich habe gerade Ihr Webinar bei Sapienza Finanziaria besucht. Awesome Ich habe eine Frage vor dem Beitritt zur Community. Wenn I8217d wie mein Broker anstelle von Oanda verwenden, natürlich Laden einer sehr kleinen Anzahl von Experten im Vergleich zu Ihrem Portfolio, ist es möglich, die Experten-Berater in mql Code exportieren, um sie in metatrader 4 Dank im Voraus Dankeschön für das Schreiben . Der Handel mit dem Preis-Action-basierten Repository ist nur über Oanda mit unseren Servern möglich, es ist nicht möglich, über andere Broker zu handeln. Allerdings haben wir eine Maschine Lernsystem Repository und andere Handelsstrategien, die von jedem MT4 Broker gehandelt werden können. Lassen Sie mich wissen, wenn Sie andere Fragen haben, Danke Daniel, ich verstehe, gibt es zwei verschiedene Möglichkeiten (interessant). I8217ve nur abonniert, ich glaube an Ihre algorithmischen Handel und ich hoffe, alles wird klar erklärt werden, um in beide Richtungen zu betreiben. Danke für's schreiben. Es gibt eine Menge von Inhalten auf unserer Website, so nehmen Sie sich Zeit, alles zu verdauen (es kann ein paar Wochen dauern) und stellen Sie sicher, dass Sie mich per E-Mail oder posten Sie alle Fragen auf dem Forum. Stellen Sie außerdem sicher, dass Sie das Wiki zuerst überprüfen, damit Sie eine gute allgemeine Idee erhalten können. In jedem Fall daran erinnern, dass ich dort bin, um Ihnen zu helfen, was Sie brauchen. Willkommen in unserer Community Es ist sehr sehr nützlich, wenn Sie Systeme für Aktien erstellen. Da die Aktienpreise oft von Indizes oder anderen Inputs abhängen, nutzen die meisten meiner Systeme solche Abhängigkeiten erfolgreich. Haben Sie vor, es hinzuzufügen oder vielleicht haben Sie einige Beta bereits Dank für das Schreiben. Diese Funktion wurde in der geschlossenen Version von Kantu 8211 implementiert, die nur für Asirikuy-Mitglieder 8211 verfügbar war und entfernt wurde, als OpenKantu veröffentlicht wurde. Es gibt keine Pläne, diese Funktion zu OpenKantu in Zukunft hinzufügen, aber da die Software ist Open Source können Sie es ändern, wie Sie möchten. Informieren Sie mich, wenn Sie irgendwelche anderen Fragen haben, mico gambale sagt: Hallo Artem und danke für Ihre Software, ich don8217t wissen, wenn möglich ist ein neues Feature in Ihrer Software, exportieren Sie ein Portfolio-Systeme in einem einzigen EA, wäre sehr nützlich. Danke Hallo, (sorry für mein Englisch, aber seine nicht meine Sprache) zuerst großen Dank für Sie Job und Ihr Teilen. Über youy Software habe ich viele Fragen: 1 Ich habe die Dokumentation gelesen, aber ich didn8217t sehr gut verstehen (weil mein Englisch), wie Sie die SL und TP zu berechnen. Ich verstehe es8217s eine von 20 Perioden täglich ATR, aber für mich es nicht enought meistens für intraday Bars. Könnten Sie mir ein Beispiel geben bitte: für 15 min-Diagramm, wenn es 2 für SL, die SL wird: 2ATR (20) coef (für intraday Bars) Da ich viele Tests mit R und ich nie die gleichen Ergebnisse Von Ihrer Software. 2 Eine Verbesserung, die Sie tun können, ich denke, es wäre, die possibilit im Ergebnis haben und mit dem EQ, mit allen Typ (Kaufen und Verkaufen) oder nur kaufen oder nur verkaufen. Auch in der BT, weil der Markt don8217t genau in der gleichen Weise, wenn es nach oben oder unten zu arbeiten. Vielen Dank im Voraus für Ihre Antwort. Danke für's schreiben. Lassen Sie mich Ihre Fragen beantworten: 1. Überprüfen Sie die MQL4 generierten Dateien, die Formeln für die Berechnung der Volatilität gibt es. Beachten Sie, dass die Intra-Day-Strategien nicht die ATR verwenden, verwenden sie einen ATR-Proxy, der sehr unterschiedlich berechnet wird, als die ATR, weil Intra-Tage-Volatilität zyklisch ist (so können Sie nicht einfach den unteren Zeitrahmen ATR verwenden und multiplizieren sie mit einem Koeffizienten) . 2. Dies ist in pKantu implementiert, unserer GPU-fähigen Minensoftware, die in Asirikuy verfügbar ist. Es wird nicht in der OpenKantu Software (zumindest von mir) implementiert. Allerdings ist die Quelle verfügbar, so können Sie openKantu ändern, dies zu tun, wenn Sie es wünschen. Bitte beachten Sie, dass OpenKantu ohne Support zur Verfügung gestellt wird. Nochmals vielen Dank für das Schreiben,