Genetische Optimierung Für Handelsstrategien Mit Rapidminer Und R

Genetische Optimierung für Handelsstrategien mit Rapidminer und R Das ist die zweite Tutorial von Rapidminer und R Erweiterung für den Handel und die erste im Video. Im letzten Beispiel die Republik China erhalten wird, ist nicht so gut, wie sie sein sollte, um Geld in diesem Geschäft zu machen, der Strategie, die wir werden versuchen, die Handelsstrategie zu optimieren zu verbessern. Verschiedene Methoden der Optimierung und Zielfunktionen für den Handel in der Literatur untersucht werden, schließlich verwenden wir einen genetischen Nicht multiobjetive unsere einfache Strategie zu optimieren. Die einfache Strategie definiert, ist die folgende: Das verwendete Symbol ist "IBM" (man kann jedes andere Symbol zu verwenden) Eine SVM (Support Vector Machine) prognostiziert die Nähe Wert für den nächsten Tag, und wenn der Wert Bürgermeister als am Vortag, ein Kaufsignal und ansonsten ein Shell-Signal erhalten wir. Die Trainingsdaten verwendet werden, um historische Preise (close, high, volumen) 2006-2009 Die Validierung wird mit historischen Daten aus dem Jahr 2010 durchgeführt Es wird folgende Indikatoren RSI, EMA 7, EMA 50, EMA 200, MACD y ADX berechnet. Es ist ein Zwei Tage verzögern Zeitfenster für alle historischen Werten erstellt. Zur Optimierung der Strategie es verwendet wird, ein genetischer Algorithmus. Der genetische Algorithmus wird die Eingabedaten, indem alle Einträge (zum Beispiel Indikatoren), um die ROC der Strategie maximiert modifizieren. Sie können in dem Video das Modell generiert zu sehen: Genetische Optimierung für Handelsstrategien mit Rapidminer und R Das ist die zweite Tutorial von Rapidminer und R Erweiterung für den Handel und die erste im Video. Im letzten Beispiel die Republik China erhalten wird, ist nicht so gut, wie sie sein sollte, um Geld in diesem Geschäft zu machen, der Strategie, die wir werden versuchen, die Handelsstrategie zu optimieren zu verbessern. Verschiedene Methoden der Optimierung und Zielfunktionen für den Handel in der Literatur untersucht werden, schließlich verwenden wir einen genetischen Nicht multiobjetive unsere einfache Strategie zu optimieren. Die einfache Strategie definiert, ist die folgende: Das verwendete Symbol ist "IBM" (man kann jedes andere Symbol zu verwenden) Eine SVM (Support Vector Machine) prognostiziert die Nähe Wert für den nächsten Tag, und wenn der Wert Bürgermeister als am Vortag, ein Kaufsignal und ansonsten ein Shell-Signal erhalten wir. Die Trainingsdaten verwendet werden, um historische Preise (close, high, volumen) 2006-2009 Die Validierung wird mit historischen Daten aus dem Jahr 2010 durchgeführt Es wird folgende Indikatoren RSI, EMA 7, EMA 50, EMA 200, MACD y ADX berechnet. Es ist ein Zwei Tage verzögern Zeitfenster für alle historischen Werten erstellt. Zur Optimierung der Strategie es verwendet wird, ein genetischer Algorithmus. Der genetische Algorithmus wird die Eingabedaten, indem alle Einträge (zum Beispiel Indikatoren), um die ROC der Strategie maximiert modifizieren. Sie können in dem Video das Modell generiert zu sehen: