kNN এর উপর ভিত্তি করে ট্রেন্ড অনুসরণ কৌশল

Cryptocurrency

Created: 2023-12-08 11:33:31

Last modified: 3 years ago

Copy: 8

ChaoZhang

1779

Followers

ওভারভিউ

এই কৌশলটি kNN মেশিন লার্নিং অ্যালগরিদম ব্যবহার করে বাজারের প্রবণতা পূর্বাভাস দেয় এবং পূর্বাভাসের ফলাফলের উপর ভিত্তি করে লম্বা এবং খালি পজিশনের সংকেত তৈরি করে। এই কৌশলটি ঐতিহাসিক তথ্য, প্রযুক্তিগত সূচক এবং অন্যান্য একাধিক কারণের সাথে সামঞ্জস্যপূর্ণ, ট্রেডিং ট্রেডিংয়ের স্বয়ংক্রিয় প্রবণতা ট্র্যাকিংয়ের জন্য কেএনএন মডেলের গতিশীলতার মাধ্যমে বাজারের বৈশিষ্ট্যগুলি অর্জন করে।

কৌশল নীতি

ট্রেনিং ডেটা সংগ্রহ করুনঃ ঐতিহাসিক ক্লোজ-আপ মূল্য, ট্রেডিং ভলিউম, এবং RSI, CCI এবং অন্যান্য প্রযুক্তিগত সূচক সংগ্রহ করুন।
ডেটা প্রি-প্রসেসিংঃ সূচক মান 0-100 পরিসীমা মধ্যে একীভূত করুন।
প্রশিক্ষণ কেএনএন মডেলঃ বর্তমান কেএনএন মডেলের দুটি বৈশিষ্ট্য ইনপুট করুন, এই বৈশিষ্ট্যগুলির ভেক্টর এবং ইতিহাসের বৈশিষ্ট্যগুলির ভেক্টরগুলির মধ্যে ইউরোপীয় দূরত্ব গণনা করুন, নিকটতম k টি ইতিহাসের নমুনা থেকে দূরত্ব নির্বাচন করুন এবং এই k টি নমুনার ট্যাগের (মাল্টিহেড বা খালি মাথা) বন্টন পরিসংখ্যান করুন।
পূর্বাভাস প্রাপ্তিঃ k টি নিকটতম সংলগ্ন নমুনার ট্যাগের উপর ভিত্তি করে বর্তমান বাজার প্রবণতার পূর্বাভাস দেওয়া। যদি পূর্বাভাসটি বহু মাথা হয় তবে একটি দীর্ঘ পজিশন সংকেত উত্পন্ন হয়; যদি পূর্বাভাসটি খালি মাথা হয় তবে একটি খালি পজিশন সংকেত উত্পন্ন হয়।
স্টপ লস, পজিশন কন্ট্রোল, মুভিং এভারেজ ইত্যাদি ফিল্টার দিয়ে ট্রেড করুন।

কৌশলগত সুবিধা

মেশিন লার্নিং অ্যালগরিদমের সাহায্যে প্রযুক্তিগত রূপগুলি স্বয়ংক্রিয়ভাবে সনাক্ত করা যায়, যার জন্য কোনও মানুষের হস্তক্ষেপের প্রয়োজন হয় না।
মডেল বৈশিষ্ট্য হিসাবে বিভিন্ন প্রযুক্তিগত সূচক নির্বাচন করার জন্য নমনীয়তা, রিয়েল-টাইম অপ্টিমাইজেশান কৌশল।
সমন্বিত স্টপ লস এবং পজিশন ম্যানেজমেন্টের মতো কঠোর ঝুঁকি নিয়ন্ত্রণ ব্যবস্থা।
ভিজ্যুয়ালাইজেশন স্টপ লিন্ড, পরিষ্কার এবং স্বজ্ঞাত।

ঝুঁকি ও সমাধান

মেশিন লার্নিং পূর্বাভাস ভুল রিপোর্ট হতে পারে। উপযুক্ত k মান, বৈশিষ্ট্য ভেক্টর, নমুনা সময় পরিসীমা ইত্যাদি অপ্টিমাইজেশান মডেল নির্বাচন করা যেতে পারে।
একপাক্ষিক লেনদেনের সম্ভাব্য ঝুঁকি রয়েছে। কোডে দ্বিপাক্ষিক লেনদেন যোগ করা বাগ দূর করতে পারে।
প্যারামিটার সেট না করা হলে অতিরিক্ত লেনদেন হতে পারে। পজিশনের আকার, লেনদেনের ফ্রিকোয়েন্সি ইত্যাদি প্যারামিটারগুলি যথাযথভাবে সামঞ্জস্য করা উচিত।

অপ্টিমাইজেশান দিক

বিভিন্ন ধরণের প্রযুক্তিগত সূচককে কেএনএন ইনপুট বৈশিষ্ট্য হিসাবে পরীক্ষা করা।
ম্যানহাটনের দূরত্বের মতো অন্যান্য দূরত্বের পরিমাপের চেষ্টা করুন।
নমুনা দূরত্ব বা শ্রেণিবদ্ধকরণ গুণ ব্যবহার করে পজিশনের আকার সামঞ্জস্য করুন।
মডেল প্রশিক্ষণ সেট যোগ করুন, টেস্টিং সেট বিভাজন করুন, রোল অপ্টিমাইজেশান অর্জন করুন।

সারসংক্ষেপ

এই কৌশলটি ক্লাসিক কেএনএন অ্যালগরিদম ব্যবহার করে বাজারের প্রবণতার পূর্বাভাস দেয় এবং পূর্বাভাস সংকেত অনুসারে ট্রেড অনুসরণ করে। এই কৌশলটি প্যারামিটার-নিয়ন্ত্রিত, ঝুঁকি-নিয়ন্ত্রিত বৈশিষ্ট্যযুক্ত, ব্যবহারকারীদের জন্য কার্যকর স্বয়ংক্রিয় ট্রেডিং প্রোগ্রাম সরবরাহ করতে পারে। ব্যবহারকারী প্রযুক্তিগত সূচক প্যাকেজটি সামঞ্জস্য করে, মডেলের ওভারপ্যারামিটারগুলি অনুকূলিতকরণ করে এবং অন্যান্য উপায়ে কৌশলটির কার্যকারিতা ক্রমাগত উন্নত করতে পারে।

Source

Pine

/*backtest
start: 2023-11-07 00:00:00
end: 2023-12-07 00:00:00
period: 1h
basePeriod: 15m
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

// This source code is subject to the terms of the Mozilla Public License 2.0 at https://mozilla.org/MPL/2.0/
// © sosacur01

//@version=5

Strategy parameters

Backtest Time Period

Filter Date Range of Backtest

Start Date

End Date

Long & Short Position

On/Off Long Postion

On/Off Short Postion

kNN-based Inputs

Start Date

Stop Date

Indicator