3. داده ها را پردازش کنید و تصمیمات تجاری بگیرید
در این مرحله 2 مورد اتفاق می افتد
نقطه پردازش را تعیین کنید. مشابه: برای هر 1000 Point یک موقعیت را انتخاب کنید
بهينه سازي: برای مرور سریعتر
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.
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.
4. به روز رسانی داده های جدید
در مرحله 1:
بهینه سازی بیشتر:
ابتدا بر اساس دسته بندی دقت داده های تاریخی مرور کنید.
ما موقعیت‌های فعلی را با موقعیت‌های گذشته مقایسه می‌کنیم، اگر یکسان است، همان تصمیم‌هایی را بگیریم که نتایج در گذشته داشته‌اند.
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
در اینجا برای سادگی، من فقط با 3 سطح طبقه بندی می کنم: کم، متوسط، زیاد
با این حال، این داده ها بزرگ است زیرا جزئیات مربوط به قیمت هر تیک را ارائه می دهد که به نوبه خود روند معاملات را کند می کند.
نحوه انجام: پس از ایجاد آرایه داده های بالا، پردازش داده ها را ادامه می دهیم تا به صورت زیر بهینه شود:
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 داده ها مدلی برای استفاده در مرحله 3 خواهند بود
ابتدا باید مشخص کنیم که هدف نهایی داده ها چیست.
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.
در مرحله 2؛
نتیجه فعلی مانند نتیجه داده های گذشته است، سپس وضعیت و نتیجه را دوباره در آرایه داده های گذشته ذخیره می کنیم.
نقطه پردازش را تعیین کنید.
بنابراین مرحله 2 برای پردازش این داده ها مورد نیاز خواهد بود تا از نظر اندازه ساده تر و سبک تر و پردازش سریع تر باشد
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.
خواندن مجدد داده های گذشته ساده است زیرا MT5 همیشه داده های گذشته را برای هر تیک ارائه می دهد
لطفا برای دریافت اطلاعیه های جدید فالو کنید
مشخصه ای ایجاد کنید که داده ها را با درجه ای از دقت طبقه بندی کند
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).
اگر موقعیت ها اتفاق بیفتد و نتایج بیشتر اتفاق بیفتد و تا حد زیادی شبیه به یکدیگر باشد، آنگاه موقعیت قدردانی می شود، یعنی دقت بالا.
منتظر نظرات و حمایت شما هستیم
کانال من:
منبع: https://www.mql5.com/en/blogs/post/753615
این الگوریتمی است که در کلمات توضیح داده شده است:
(قوانین و مقررات خود را برای این ارزیابی تنظیم کنید.)
در مورد من: برای هر 1000 امتیاز یک موقعیت را انتخاب می کند
در مرحله 3:
توجه داشته باشید که اگر بخواهید چقدر پویا می توانید اجازه سفارشی سازی را بدهید.
مورد 2:
من قصد دارم یک استراتژی را با استفاده از الگوریتم هایی مانند شبکه های عصبی مطالعه کنم که به شرح زیر است
