1. مربع
  2. اے آئی رجحان پیش گوئی ٹریڈنگ کی حکمت عملی

اے آئی رجحان پیش گوئی ٹریڈنگ کی حکمت عملی

مصنف:چاؤ ژانگ، تاریخ: 2024-03-15 16:06:00
ٹیگز:

img

حکمت عملی کا جائزہ

اے آئی ٹرینڈ پیڈیکٹر ٹریڈنگ حکمت عملی مصنوعی ذہانت کے ذریعہ چلنے والی ایک مقداری تجارتی حکمت عملی ہے۔ یہ حکمت عملی مارکیٹ کے اعداد و شمار کا تجزیہ کرنے اور ممکنہ تجارتی مواقع کی نشاندہی کرنے کے لئے جدید اے آئی الگورتھم کا استعمال کرتی ہے۔ مختلف وقت کے ادوار میں کے لائن طول و عرض کے اختلافات کے تعلق کا تجزیہ کرکے اور متحرک امکان کے اشارے کو جوڑ کر ، یہ مستقبل کے قیمت کے رجحانات کی پیش گوئی کرتا ہے اور بہترین تجارتی فیصلے کرتا ہے۔

حکمت عملی کا اصول

اس حکمت عملی کا بنیادی اصول مختلف وقت کے ادوار (A ، B ، C) میں K لائنوں کے طول و عرض کے اختلافات اور ارتباط کا تجزیہ کرکے ایک خاص مدت کے اندر مستقبل کی بندش کی قیمتوں کے امکان کی پیش گوئی کرنا ہے۔ مخصوص اقدامات مندرجہ ذیل ہیں:

  1. تین مختلف K لائن کی مدت کی بندش کی قیمتوں کا حساب لگائیں: A، B، اور C. A موجودہ بندش کی قیمت کی نمائندگی کرتا ہے، B طویل مدت (length_B) چلتی اوسط کی نمائندگی کرتا ہے، اور C درمیانی مدت (length_C) چلتی اوسط کی نمائندگی کرتا ہے.

  2. تین K لائن کے ادوار: A، B، اور C کے طول و عرض کے اختلافات (سب سے زیادہ قیمت - سب سے کم قیمت) کا حساب لگائیں.

  3. C مدت میں طول و عرض کے اختلافات کی چلتی اوسط قیمت (C_avg_diff) کا حساب لگائیں.

  4. موجودہ C مدت اور پچھلے C مدت کے طول و عرض کے فرق کے درمیان correlation ضارب (مرتبہ) کا حساب لگائیں.

  5. ایک متحرک امکان اشارے (امکان) پیدا کریں شرط پر مبنی ہے کہ correlation کے گتانک 0 سے زیادہ ہے.

  6. متحرک امکان کے اشارے کی درمیانی مدت کی چلتی اوسط قدر (D) کا حساب لگائیں۔

  7. کسی مخصوص مستقبل کی مدت (مستقبل کی لمبائی) کی اختتامی قیمت (مستقبل_قریب) حاصل کریں اور موجودہ اختتامی قیمت اور مستقبل کی اختتامی قیمت کے درمیان تعلقات کی بنیاد پر مستقبل کی اختتامی قیمت میں اضافے کا امکان (امکان_اپ) پیدا کریں۔

  8. جب D 0.51 سے زیادہ ہو اور موجودہ اختتامی قیمت B مدت کے چلتے ہوئے اوسط سے اوپر ہو تو خریدنے کا آپریشن انجام دیں۔ جب D 0.51 سے کم ہو اور موجودہ اختتامی قیمت B مدت کے چلتے ہوئے اوسط سے نیچے ہو تو فروخت کا آپریشن انجام دیں۔

مذکورہ بالا اقدامات کے ذریعے ، یہ حکمت عملی مختلف وقت کے ادوار میں K لائن طول و عرض کے اختلافات کے ارتباط کی بنیاد پر مستقبل کی قیمتوں کے رجحانات کی پیش گوئی کرسکتی ہے ، متحرک امکان کے اشارے کے ساتھ مل کر ، اور بہترین منافع حاصل کرنے کے لئے پیش گوئی کے نتائج کی بنیاد پر خرید و فروخت کے عمل انجام دے سکتی ہے۔

حکمت عملی کے فوائد

  1. مارکیٹ کے اعداد و شمار میں موجود نمونوں اور رجحانات کو مکمل طور پر کان کنی کرنے کے لئے اے آئی الگورتھم کا استعمال کرتا ہے ، پیش گوئی کی درستگی کو بہتر بناتا ہے۔

  2. کثیر دورانیہ کے لائن تجزیہ کا استعمال کرتا ہے تاکہ مختلف وقت کے پیمانے پر قیمت کی وسعت کی خصوصیات کو جامع طور پر غور کیا جاسکے ، جس سے حکمت عملی کی موافقت اور استحکام میں اضافہ ہوتا ہے۔

  3. مارکیٹ کے حالات میں تبدیلیوں کی بنیاد پر تجارتی سگنل کو متحرک طور پر ایڈجسٹ کرنے کے لئے متحرک امکانات کے اشارے متعارف کرایا جاتا ہے ، جس سے حکمت عملی کی لچک میں اضافہ ہوتا ہے۔

  4. تجارتی خطرات پر سختی سے قابو پانے اور سرمایہ کی حفاظت کو یقینی بنانے کے لئے رسک مینجمنٹ کے طریقہ کار قائم کرتا ہے۔

  5. مختلف مارکیٹ کے ماحول اور تجارتی آلات کے لئے حکمت عملی کے پیرامیٹرز کو ایڈجسٹ کرنے کے لئے پیرامیٹرز کو بہتر بناتا ہے ، حکمت عملی کی صلاحیت کو زیادہ سے زیادہ کرتا ہے۔

حکمت عملی کے خطرات

  1. مارکیٹ کا خطرہ: مالیاتی منڈیوں کی غیر یقینی صورتحال اور اتار چڑھاؤ سے حکمت عملی کو نقصانات کے خطرے کا سامنا کرنا پڑ سکتا ہے۔ حل: انفرادی تجارتوں کے خطرے کے خطرے کو کنٹرول کرنے کے لئے معقول اسٹاپ نقصان اور منافع لینے کے طریقہ کار مرتب کریں۔

  2. پیرامیٹر کا خطرہ: پیرامیٹر کی غلط ترتیبات حکمت عملی کی کارکردگی کو متاثر کرسکتی ہیں۔ حل: پیرامیٹر کے بہترین مجموعے کا انتخاب کرنے کے لئے سخت بیک ٹیسٹنگ اور پیرامیٹر کی اصلاح کریں۔

  3. اوور فٹنگ رسک: حکمت عملی ٹریننگ ڈیٹا پر اچھی کارکردگی کا مظاہرہ کرتی ہے لیکن اصل تجارت میں کارکردگی کی نقل کرنے میں ناکام رہتی ہے۔ حل: حکمت عملی کی عمومی صلاحیت کا اندازہ کرنے اور اوور فٹنگ کو روکنے کے لئے کراس ویلیڈیشن جیسے طریقوں کا استعمال کریں۔

  4. نامعلوم خطرات: اے آئی ماڈلز میں نامعلوم نقائص یا حدود ہوسکتی ہیں۔ حل: ممکنہ مسائل کی فوری نشاندہی اور اصلاح کے لئے حکمت عملی کی کارکردگی کی مسلسل نگرانی اور جائزہ لیں۔

حکمت عملی کی اصلاح

  1. حکمت عملی کے انفارمیشن ذرائع کو افزودہ کرنے اور پیش گوئی کی درستگی کو بہتر بنانے کے لئے مزید تکنیکی اشارے اور مارکیٹ کی خصوصیات متعارف کروائیں۔

  2. اے آئی ماڈل کی ساخت اور تربیت کے طریقوں کو بہتر بنانا تاکہ اس کی سیکھنے کی صلاحیت اور عمومی صلاحیت کو بڑھا سکے۔

  3. مارکیٹ کے حالات میں تبدیلیوں کی بنیاد پر حقیقی وقت میں حکمت عملی کی کارکردگی کو بہتر بنانے کے لئے حکمت عملی کے پیرامیٹرز کو متحرک طور پر ایڈجسٹ کریں.

  4. زیادہ جدید رسک کنٹرول کے طریقوں جیسے پورٹ فولیو کی اصلاح اور متحرک اسٹاپ نقصان کو متعارف کرانے کے ذریعے رسک مینجمنٹ کو مضبوط کرنا۔

  5. مختلف مارکیٹوں اور تجارتی آلات کے لئے اس حکمت عملی کو اپنانے اور بہتر بنانے کے ذریعے اس حکمت عملی کے قابل اطلاق کو بڑھانا۔

حکمت عملی کا خلاصہ

اے آئی ٹرینڈ پیڈیکٹر ٹریڈنگ اسٹریٹیجی متعدد وقت کے ادوار میں کے لائن طول و عرض کے اختلافات کے ارتباط کا تجزیہ کرکے اور تجارتی فیصلے کرنے کے لئے متحرک احتمال کے اشارے کو یکجا کرکے مستقبل کے قیمت کے رجحانات کی پیش گوئی کرتی ہے۔ یہ حکمت عملی مارکیٹ کے اعداد و شمار میں پیٹرن اور رجحانات کو نکالنے کے لئے اے آئی ٹیکنالوجی کا مکمل استعمال کرتی ہے ، جس سے اچھی موافقت اور لچک کا مظاہرہ ہوتا ہے۔ اسی وقت ، حکمت عملی میں رسک مینجمنٹ پر زور دیا گیا ہے اور سخت پیرامیٹر اصلاح اور رسک کنٹرول اقدامات کے ذریعے سرمایہ کی حفاظت کو یقینی بنایا گیا ہے۔ مستقبل میں ، اس حکمت عملی کو تکنیکی اشارے ، اے آئی ماڈلز ، پیرامیٹر ٹوننگ ، رسک مینجمنٹ اور دیگر پہلوؤں کے لحاظ سے مزید بہتر بنایا جاسکتا ہے تاکہ زیادہ مضبوط اور بقایا تجارتی کارکردگی حاصل کی جاسکے۔ خلاصہ یہ ہے کہ اے آئی ٹرینڈ پیڈیکٹر ٹریڈنگ اسٹریٹیجی مقداری تجارت کے میدان میں ایک نئی سمت اور نقطہ نظر کی نمائندگی کرتی ہے ، جس سے سرمایہ کاروں کو ایک ذہین اور موافقت پذیر تجارتی ٹول

/*backtest
start: 2023-03-09 00:00:00
end: 2024-03-14 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/

//@version=5
strategy('AI Trend Predictor', overlay=false)


length_A = input(24, title='Length of K-line A')
length_B = input(192, title='Length of K-line B')
length_C = input(10, title='Length of K-line C')
future_length = input(5, title='Length of future K-line')


A_close = close
B_close = ta.sma(close, length_B)
C_close = ta.sma(B_close, length_C)


A_diff = high - low
B_diff = high - low
C_diff = high - low


C_avg_diff = ta.sma(C_diff, length_C)


correlation = ta.correlation(C_diff, C_diff[1], length_C)


probability = correlation > 0 ? 1 : 0


D = ta.sma(probability, length_C)


future_close = close[future_length]
probability_up = close > future_close ? 1 : 0


plot(D, color=color.new(color.blue, 0), title='D')
plot(probability_up, color=color.new(color.red, 0), title='Probability of Closing Up')


strategy.entry('Buy', strategy.long, when=D > 0.51 and ta.crossover(close, B_close))
strategy.entry('Sell', strategy.short, when=D < 0.51 and ta.crossunder(close, B_close))
مزید

2019 FMZ - تمام حقوق محفوظ ہیں