Principe de stratégie

Cette stratégie combine un modèle de réseau neuronal, l'indicateur RSI et l'indicateur de super tendance pour effectuer des transactions.

La logique est la suivante:

1. Construire des modèles de réseaux neuronaux avec des données multidimensionnelles telles que le taux de variation de la transaction, les bandes de Brin et le RSI

2. Le réseau prédit le taux de variation des prix futurs

3. Calculer la valeur de l'indicateur RSI et le combiner avec le taux de variation de prix prévu

4. Génération d'une ligne de stop dynamique basée sur la valeur de l'indicateur RSI

5. Faire un short lorsque le prix dépasse la limite supérieure; faire un short lorsque le prix dépasse la limite inférieure.

6. Filtrer les jugements de tendance en combinaison avec les indicateurs de tendance super

Cette stratégie exploite pleinement la capacité des réseaux neuronaux à simuler des données complexes, en s'appuyant sur des indicateurs tels que le RSI et les super-tendances pour vérifier les signaux, tout en améliorant l'exactitude des jugements et en contrôlant les risques de transaction.

Avantages stratégiques

• Les réseaux neuronaux pour la modélisation de données multidimensionnelles

• Le RSI arrête les pertes pour protéger les bénéfices, les jugements de super-tendance sont complémentaires

• Vérification combinée de plusieurs indicateurs pour améliorer la qualité du signal

Risque stratégique

• La formation des réseaux neuronaux nécessite une quantité importante de données

• Les paramètres de RSI et de super-tendance doivent être optimisés

• L'effet dépend des modèles, il y a des incertitudes

Résumer

Cette stratégie utilise des techniques d'apprentissage automatique pour évaluer les indicateurs traditionnels et maîtriser les risques tout en recherchant une efficacité élevée. Cependant, l'ajustement des paramètres et l'interprétabilité des modèles doivent encore être améliorés.