文章 "基于MQL5和Python的自优化EA（第五部分）：深度马尔可夫模型"

新文章 基于MQL5和Python的自优化EA（第五部分）：深度马尔可夫模型已发布：

在本次讨论中，我们将把一个简单的马尔可夫链应用于相对强弱指标（RSI），以观察指标穿过关键水平后的价格行为。我们得出结论，当RSI处于11-20区间时，会产生最强的买入信号；而当RSI处于71-80区间时，会产生最强的卖出信号，这在新西兰元兑日元（NZDJPY）货币对上表现得尤为明显。我们将展示如何通过对数据的处理和分析，直接从您所拥有的数据中构建出最优的交易策略。此外，我们还将展示如何训练一个深度神经网络，使其能够最优地利用转移矩阵。

相对强弱指标（RSI）被技术分析师广泛用于识别极端价格水平。通常，市场价格倾向于回归其平均值。因此，每当价格分析师发现某个证券的RSI处于极端水平时，他们通常会逆势操作。这种策略已经被略微修改为许多不同的版本，但它们都源自同一个源头。该策略的不足之处在于，一个市场中被认为是强RSI水平的值，并不一定适用于所有市场。

为了说明这一点，图1显示了RSI值的标准差在两个不同市场上的演变情况。蓝色线代表XPDUSD市场中RSI的标准差平均值，橙色线代表NZDJPY市场。众所周知，经验丰富的交易者都知道贵金属市场具有显著的波动性。因此，我们可以清楚地看到两个市场之间RSI水平变化的明显差异。对于货币对（如NZDUSD）来说被认为是高RSI值的情况，在交易更具波动性的工具（如XPDUSD）时可能被视为普通的市场噪音。

很快就会发现，每个市场可能都有其独特的RSI指标兴趣水平。换句话说，当我们使用RSI指标时，开仓的最佳指标水平取决于我们所交易的品种。因此，我们如何才能让算法自我学习在哪个RSI水平上买入或卖出呢？我们可以利用转移矩阵来解答关于任意交易标的的这一问题。


作者：Gamuchirai Zororo Ndawana

感谢您的努力，有了视频也很有帮助。请注意，您的上一篇文章链接显示为 404。
linfo2 #:
感谢您的努力，有视频也很有帮助。请注意，您的上一篇文章链接显示为 404。
嘿，尼尔，我很高兴视频对你有帮助，我会尽力继续附上视频的。

很抱歉链接被删除了，是我的失误。
要添加评论，请登录或注册