|
机器人顾问 - 随机 + 人工智能(神经网络)! ~1 O, g& r% j' c( P, ^+ }, a
3 Z4 v. L0 o- f, c5 c- Y) C
市场在不断变化,旧的想法会周期性地过时。但是,如果传统方法无法解决问题,则可以采用非标准方法(例如神经网络分析)来解决。这种方法被最简单的名字机器人所使用,它结合了传统的技术分析和人工智能的开端。) N6 m, l: R- G) ^
# l0 f( {1 {! A
因为这是一个神经网络机器人,所以它有能力在任何货币对和市场中工作。学习给定资产的动态原理不会在时间范围和工作时间方面限制它。因此,您可以在长期交易和剥头皮交易中使用它。区别只是训练数据。" `, S! H* o5 ^, r; u; V; h: \8 v
# N* U1 M# Z( Y7 k. z; B" [& I时间范围:任意
$ @9 {2 S$ D$ o& f6 | Z. H+ L* G/ J8 d货币对:任意" U8 Q2 {3 Q; _7 \
交易时间:全天候 (24)
! I# s G; R! e% v! x: z2 k% B+ W5 E
尽管顾问没有成熟的人工智能,但与传统(手动)选择逻辑条件相比,使用这种算法具有多个优势。
+ g; V. x: Z A- l0 y8 _% o0 S$ D" Y1 \) d( R- {" y
首先是条件本身的灵活性。您在开始时指定的所有内容:输入参数的类型和数量,但是默认情况下,顾问还不知道如何处理这些参数。只有在优化(训练)过程中,顾问才能获得一定的市场情况,并可以根据过去的经验预测未来的走势。) h1 h0 ~; p- C$ h8 Q9 P3 n( W
其次,是快速再培训的可能性。如果市场发生了变化,旧的模式已经失去了意义,你只需要重新优化秤的值,然后(理论上)机器人将再次有利可图地工作。
9 s: a9 i1 `. x h根据优化结果,获得具有以下参数的最佳选项(考虑利润/回撤):0 G& X/ z7 D/ ^; k+ b- X3 c8 x
/ `+ R$ A- |" d0 S; S
步骤 - 5
* n9 \1 u& V5 O% dx1 - 0
: `% k: I J/ b) D+ a: K Zx2 - 70
! c2 n+ M3 }: t7 c0 U( |5 e( Ex3 - 150- I" Z: r2 f; s9 |, ~% u8 K4 L
x4 – 160
# s$ z8 \0 Y e" R( E+ h% r. ?
# e% v7 D( M! a# S3 R) ]! x不要使用激进的资金管理。/ H3 b8 n$ v8 v+ l' @
- M; l7 I7 I$ I2 ]1 l机器人实际上是一种通用顾问,除其他外,它可以轻松适应任何市场情况。多参数负责序列中的手数乘法,这允许使用激进和更保守的交易方法(对于固定手数,将值设置为 1.0)。- S- {( U! C, M/ o- o7 O6 {
! W* g- ^3 `3 V+ b然而,这根本不是圣杯,乍一看,机器人需要持续关注,因为一旦“学习”了如何处理市场走势的一个版本,顾问就会简单地遵循熟悉的市场范式。当情况发生变化时,业主可能会意外地开始赔钱。就效率而言,这种方法通常类似于顾问定期手动选择条件,但其主要优点是为交易者节省大量时间,结果甚至可能优于更“高级”的策略。9 n8 ]2 k, j' S
+ W) w# x J2 n6 W3 z
因此,为了确保结果保持可预测和令人满意,定期重新调整权重,那么机器人将始终处理当前的市场情况。
c/ m$ l+ K, C6 ]1 c0 p0 [6 y0 X! g% V
|
-
-
-
-
Robot.zip
267.72 KB, 下载次数: 1, 下载积分: 活跃度 -5
售价: 3 E币 [记录]
|