kNN पर आधारित प्रवृत्ति अनुसरण रणनीति

Cryptocurrency

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

Last modified: 3 years ago

Copy: 8

ChaoZhang

1779

Followers

अवलोकन

यह रणनीति k निकटवर्ती ((kNN) मशीन सीखने के एल्गोरिदम का उपयोग करती है, जो बाजार के रुझानों की भविष्यवाणी करती है और पूर्वानुमान के परिणामों के आधार पर लंबी और खाली स्थिति के संकेत देती है। यह रणनीति ऐतिहासिक डेटा, तकनीकी संकेतकों और कई अन्य कारकों को ध्यान में रखती है, जो कि प्रशिक्षण केएनएन मॉडल गतिशीलता के माध्यम से बाजार की विशेषताओं को प्राप्त करती है, जो स्वचालित प्रवृत्ति ट्रैकिंग लेनदेन को सक्षम करती है।

रणनीति सिद्धांत

ट्रेनिंग डेटा एकत्र करनाः ऐतिहासिक समापन मूल्य, ट्रेड वॉल्यूम और तकनीकी संकेतकों जैसे आरएसआई, सीसीआई आदि को एकत्र करना।
डेटा प्रीप्रोसेसिंगः सूचक मान को 0-100 की सीमा तक समेकित करें।
प्रशिक्षण केएनएन मॉडलः वर्तमान केएनएन मॉडल में दो विशेषताओं को इनपुट करें, इन विशेषताओं के वैक्टरों और ऐतिहासिक वैक्टरों के बीच यूरोपीय दूरी की गणना करें, निकटतम k ऐतिहासिक नमूनों से दूरी का चयन करें, और k नमूनों के लिए टैग की स्थिति की गणना करें।
पूर्वानुमान प्राप्त करेंः k निकटतम समीपवर्ती नमूनों के लेबल के आधार पर वर्तमान बाजार की भविष्यवाणी करें। यदि पूर्वानुमान बहुमुखी है, तो एक लंबी स्थिति का संकेत दें; यदि पूर्वानुमान खाली है, तो एक खाली स्थिति का संकेत दें।
स्टॉप लॉस, पोजीशन कंट्रोल और मूविंग एवरेज जैसे फ़िल्टर के साथ ट्रेड करें।

रणनीतिक लाभ

मशीन लर्निंग एल्गोरिदम का उपयोग करके तकनीकी रूपों की स्वचालित पहचान करना, मानव हस्तक्षेप की आवश्यकता नहीं है।
मॉडल सुविधाओं के रूप में विभिन्न तकनीकी संकेतकों का चयन करने के लिए लचीलापन, वास्तविक समय अनुकूलन रणनीति।
स्टॉप लॉस और स्टॉक मैनेजमेंट जैसे सख्त जोखिम नियंत्रण तंत्र को एकीकृत करना।
दृश्य में स्टॉप-लॉस लाइन, स्पष्ट और सहज रूप से प्रस्तुत किया गया है।

जोखिम और समाधान

मशीन लर्निंग भविष्यवाणियों में गलतियां हो सकती हैं। अनुकूलन मॉडल जैसे कि उपयुक्त k मान, विशेषता वेक्टर, और नमूना समय सीमा का चयन किया जा सकता है।
एकतरफा लेन-देन के लिए संभावित जोखिम है। कोड में द्विपक्षीय लेन-देन को जोड़ने से बग को हटाया जा सकता है।
अनुचित पैरामीटर सेट करने से अत्यधिक व्यापार हो सकता है। स्थिति आकार, व्यापार आवृत्ति आदि पैरामीटर को उचित रूप से समायोजित किया जाना चाहिए।

अनुकूलन दिशा

विभिन्न प्रकार के तकनीकी संकेतकों को kNN इनपुट विशेषताओं के रूप में परीक्षण करें।
मैनहट्टन दूरी की तरह अन्य दूरी मापने के तरीकों का प्रयास करें।
नमूना दूरी या वर्गीकृत गुणवत्ता का उपयोग करके स्थिति आकार को समायोजित करें।
मॉडल प्रशिक्षण सेट जोड़ें, स्क्रॉल अनुकूलन के लिए परीक्षण सेट को विभाजित करें

संक्षेप

इस रणनीति का उपयोग क्लासिक केएनएन एल्गोरिथ्म बाजार की प्रवृत्ति की भविष्यवाणी करने के लिए, और पूर्वानुमान संकेतों के अनुसार प्रवृत्ति का पालन करने के लिए ट्रेडों का संचालन। इस रणनीति में पैरामीटर समायोज्य, जोखिम नियंत्रित विशेषताएं हैं, जो उपयोगकर्ताओं के लिए एक प्रभावी स्वचालित व्यापार योजना प्रदान कर सकती हैं। उपयोगकर्ता तकनीकी संकेतक पोर्टफोलियो को समायोजित करके, मॉडल सुपरपैरामीटर को अनुकूलित करके और अन्य तरीकों से रणनीति के प्रदर्शन को लगातार बढ़ा सकते हैं।

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