Forex data mining no Brasil

Introdução à FX Data Mining Permite fazer uma introdução simples e rápida a um dos campos mais interessantes de hoje - Data Mining. Existe uma vasta gama de aplicações de Data Mining. Devemos integrar a mineração de dados em nossas negociações cambiais. FX, FOREX ou Foreign Exchange FX é o maior mercado em termos de volume negociado diariamente. Ele tem três níveis principais de participantes: os meninos grandes, o nível intermediário e comerciantes simples como você e eu. Tem uma natureza especulativa, o que significa que na maioria das vezes não trocamos mercadorias. Nós nos preocupamos apenas com a diferença e desejamos comprar baixo e vender alto ou vender alto e comprar baixo. Por operações curtas ou longas, podemos ganhar pips. Dependendo do seu volume de negociação, o valor pip pode variar de um centavo a 10 e mais. Esta é a principal maneira de ganhar dinheiro no mercado de FX (juntamente com Carry Trade, Brokering, Arbitrage e muito mais). Observe que o mercado de FX é enorme, mas é adequado para todos os níveis de jogadores. Pense no mercado de FX como um supermercado infinito com número infinito de produtos e clientes, mas também tem um número infinito de caixas. Significando que há uma quantidade igual de oportunidades para todos. Mineração de Dados e Aprendizado de Máquinas Mineração de Dados é um subcampo maduro da Ciência da Computação. Sua cerca de um monte de dados e extração não trivial de conhecimentos utilizáveis ​​a partir de enormes quantidades de dados. Seu feito pelo processamento de dados inteligente usando algoritmos de aprendizagem de máquina. O Data Mining não é apenas CRUD (Create, Read, Update e Delete). Temos vários métodos de Data Mining. Por este meio os métodos e algumas aplicações. Classificação - classificando o e-mail como spam, classificando uma transação como fraude. Associação - o YouTube sugere novos vídeos baseados em nossa história. A Amazon nos sugere mais itens durante o checkout. Agrupamento - análise de dados não estruturados, como notícias e opiniões econômicas, para encontrar grupos comuns. Mineração de Processos - examine registros de operadores de chamadas para encontrar operações ineficientes. Text Mining - notícias de mineração ou análise técnica para reconhecimento de padrões. Algorithmic Trading é uma execução automatizada de um algoritmo de negociação. Em nosso caso, o algoritmo de negociação vem da mineração. A negociação automatizada é feita por algum rei da linguagem de programação. Velocidade e robustez são pontos-chave aqui: comerciante humano não pode vencer o programa de computador sobre esses atributos. Poderia ser HFT (High Frequency Trading) e programação de baixo nível (como C) ou negociação a longo prazo e programação de alto nível (como Java). Mix Algorithmic Trading com Data Mining Mixing Data Mining em Algorithmic Trading é importante. A coisa mais importante é dados. Um princípio simples afirma que, se seus dados não forem bons o suficiente, seus modelos não serão suficientemente bons (GIGO). Trata-se de criar um modelo, implementá-lo e testá-lo (como sempre). Atualmente este fluxo é principalmente manual. Software de Mineração de Dados Existem muitas opções de software de código aberto no campo de Mineração de Dados. WEKA é uma estrutura de mineração de dados originada na Universidade de Waikato, Hamilton, Nova Zelândia. WEKA é escrito em Java e tem uma ótima API. Também você tem implementações para a maioria dos conhecidos algoritmos de aprendizado de máquina. A mistura de boas ferramentas é vital. Existem muitos modelos de negociação possíveis. Jogar uma moeda é um sistema de comércio estúpido, mas é um sistema comercial. Precisamos de Data Mining para encontrar o ouro. Boas ferramentas são fáceis de obter tanta sorte com a mineração. Se você estiver procurando por mais informações sobre comércio de FX científica sua próxima etapa está explorando ferramentas de mineração de dados e dados históricos. Visite algonell para mais detalhes. Você pode nos encontrar no twitter. Facebook. Google. LinkedIn e WordPress. Mineração de dados para investidores Qualquer educador financeiro irá dizer-lhe sobre a importância do investidor informado. Os investidores precisam entender as diferentes características de seus estoques e títulos, bem como as empresas que os emitem. Uma coisa que parece ser negligenciada, no entanto, é onde obter os dados para fazer sua pesquisa. Afinal, o que é bom para entender como avaliar os lucros de uma empresa, se não podemos descobrir o que os lucros da empresa realmente são Filtragem Corporativa Provavelmente, as fontes mais úteis de informações, arquivamentos corporativos fornecer aos investidores informações detalhando as empresas de saúde financeira, performance passada. Este é o tipo de informação que você precisa para avaliar se certas ações, títulos ou fundos mútuos são investimentos inteligentes. Para fundos mútuos. Esses depósitos informá-lo-ão o nível de fundos de retornos para o último trimestre, as taxas de despesa de fundos e suas participações de carteira. Para as empresas que você precisa para pesquisar ao comprar ações e títulos, esses depósitos passam pelo balanço da empresa. Detalhando a saúde financeira e perspectivas futuras. Análise cuidadosa irá ajudá-lo a ver como e onde a empresa está gastando a maior parte de seu dinheiro, quão eficiente é sua gestão na criação de lucros e quão positiva é a perspectiva da empresa futuro. Embora muitos desses relatórios não são os mais interessantes de ler, e às vezes são difíceis de entender, eles oferecem uma riqueza de informações que todos os diferentes investidores podem usar. Observe que de acordo com a regulamentação da SEC, uma empresa que tem mais de 10 milhões de dólares em ativos e 500 acionistas ou está listada em uma bolsa americana, como a Nasdaq e A NYSE deve arquivar documentos oficiais para visualização pública. Estes regulamentos, no entanto, não se aplicam a todas as empresas, de modo que quanto menor a empresa, mais difícil será para rastrear boa informação sobre ele. Algumas pequenas empresas optaram por preencher os depósitos exigidos pelas grandes empresas, mas outras não. EDGAR Um acrônimo para o sistema eletrônico do recolhimento, da análise e da recuperação dos dados, este serviço coleta e envia automaticamente limitações regulatory submetidas por companhias diferentes. O registro regulatório mais importante que a SEC exige das empresas listadas é o formulário anual 10-K, que descreve o desempenho da empresa no ano passado. O 10-k deve aderir aos padrões SEC, e é tipicamente mais abrangente, em seguida, o relatório anual da empresa. Para os fundos mútuos, o EDGAR também fornece todos os prospectos on-line, para que você possa encontrar as participações específicas da carteira de fundos, o índice de despesas máximo que o fundo pode cobrar e até mesmo o tipo de remuneração recebida pela administração do fundo. (Saiba mais em Documentos SEC: Formulários que Você Precisa Saber.) A SEC fornece acesso livre a EDGAR em sec. govedgar. shtml. Mas infelizmente EDGAR não é user-friendly. É difícil encontrar informações, e quando você faz o seu em formato de texto simples. A informação é tudo lá, mas você realmente tem que cavar para obter qualquer coisa de valor. Felizmente, existem outros sites que fornecem uma maneira melhor de acessar dados EDGAR, mas a desvantagem é que eles normalmente cobram uma assinatura. Direto da empresa Qualquer empresa que não tem um site hoje em dia provavelmente não vale o seu tempo. Mesmo a maioria das empresas mais velhas de economia antiga têm websites se não por outra razão senão para fornecer informações sobre si mesmos. Quando no site da empresa olhar para um link de relações com investidores. Lá você vai encontrar muitas vezes um relatório anual para download, demonstrações financeiras, informações sobre ações, notícias da empresa, etc Todos os anos, as empresas devem enviar relatórios anuais a cada acionista. Independentemente de possuir ou não uma ação ou 10.000 ações. Se você não é um acionista e youd rather ler os relatórios no formulário da cópia dura, você pode tipicamente os requisitar para livre diretamente da companhia. As grandes empresas gostam de usar esses relatórios como ferramentas de marketing. Algumas empresas terceirizadas também fazem um negócio fora de fornecer relatórios anuais gratuitos de empresas públicas. Se você não tem tempo para fazer toda a pesquisa por si mesmo, ou você não é fã de números trituração, você pode comprar relatórios de diferentes empresas (para saber mais sobre a análise de números de uma empresa, confira Análise Fundamental para os comerciantes. . Dependendo de quem eles escrevem esses relatórios, os analistas são independentes, buy-side ou sell-side. E eles oferecem aos investidores um exame profissional da condição atual de uma empresa e perspectivas futuras. Alguns destes relatórios são fornecidos sem nenhum custo, mas a maioria são tipicamente na faixa de 5 a 50. Você pode comprar esses relatórios de qualquer corretora, de muitos bancos e através de sites financeiros como Yahoo Finance. Websites Muitos sites diferentes irão oferecer informações aos investidores gratuitamente, em uma base de pagamento por uso ou em uma base de assinatura. A vantagem de visitar sites financeiros em vez de olhar para depósitos para a SEC é que a informação é oferecida de forma concisa. Você não tem que peneirar a cópia legalese e do mercado que as companhias põr em seus relatórios anuais. Conclusão Não importa o que você está decidindo investir em, é crucial que você faça a quantidade certa de pesquisa para que você saiba exatamente onde você está colocando seu dinheiro. Com uma tal riqueza de informações disponíveis, se livre ou não, não há realmente nenhuma razão para um investidor a tomar uma decisão desinformada. Uma oferta inicial sobre os ativos de uma empresa falida de um comprador interessado escolhido pela empresa falida. De um pool de licitantes. O Artigo 50 é uma cláusula de negociação e de liquidação no tratado da UE que delineia as medidas a serem tomadas para qualquer país que. Beta é uma medida da volatilidade, ou risco sistemático, de um título ou de uma carteira em comparação com o mercado como um todo. Um tipo de imposto incidente sobre ganhos de capital incorridos por pessoas físicas e jurídicas. Os ganhos de capital são os lucros que um investidor. Uma ordem para comprar um título igual ou inferior a um preço especificado. Uma ordem de limite de compra permite que traders e investidores especifiquem. Uma regra do Internal Revenue Service (IRS) que permite retiradas sem penalidade de uma conta IRA. A regra exige que. Mineração de Dados de uma Estratégia Majors Forex Devido às características exclusivas de pares de moedas diferentes, muitas estratégias quantitativas Forex são projetados com um par de moedas específicas em mente. Embora isso possa produzir muitas estratégias de negociação rentável, também há vantagens em desenvolver estratégias que podem ser negociadas em vários pares de moedas. Isto introduz um elemento de diversificação que pode proporcionar um nível adicional de protecção contra a descida. Daniel Fernandez publicou recentemente um sistema que ele projetou para o comércio em cada um dos quatro majores Forex. Seu objetivo era encontrar um sistema que produziria um histórico de 20 anos de negociação rentável em EURUSD, GBPUSD, USDJPY e USDCHF. Daniel usa uma abordagem de mineração de dados para desenvolver uma estratégia para a negociação das quatro maiores de Forex. Para construir seu sistema, Daniel usou seu software de mineração de dados para definir sinais de entrada e saída que teriam produzido uma estratégia de negociação lucrativa em cada um dos quatro pares de moedas nos últimos 20 anos. O que ele vem com é uma combinação de três regras baseadas em preços que formam a base da sua estratégia de Forex Majors. Daniel8217s Forex Majors estratégia Daniel8217s estratégia de Majors Forex é muito simples em que ele sempre tem uma posição, longa ou curta, em cada um dos quatro pares de moedas que ele trades. Baseia todos os seus negócios em gráficos diários. A estratégia dura muito tempo quando se cumprem as três condições a seguir: A estratégia fica curta quando se cumprem as três condições a seguir: Como você pode ver, a estratégia é basicamente uma tendência otimizada seguindo a estratégia. Isso faz sentido, porque Daniel afirma no início de seu artigo que a tendência de longo prazo estratégias a seguir são geralmente as melhores estratégias para a negociação de múltiplos mercados. Uma regra adicional que a estratégia de Daniel8217s usa é uma parada-perda baseada em ATR. O stop-loss fixo é ajustado em 180 do ATR de 20 dias. Se a stop-loss é acionada, a estratégia permanece fora do mercado até que um sinal seja gerado na direção oposta. O teste indica que a reentrada num sinal na mesma direcção afectou negativamente o desempenho. Backtesting Performance Os resultados de backtesting que Daniel incluiu em seu post mostram que a estratégia foi bastante rentável. Produziu uma relação de vitória de 45, um fator de lucro de 1,38, e uma razão de recompensa a risco de 1,68. A maior preocupação de Daniel8217s sobre a estratégia era que o período de levantamento máximo representou um tempo muito longo. De acordo com os números de Daniel8217s, o retorno anual médio foi de 9,67. Isso consistiu de 16 anos lucrativos, 4 anos perdidos, e um ano que, basicamente, quebrou mesmo. O melhor ano foi um retorno de 37,76, eo pior ano foi uma perda de 20,2. Daniel observa que este sistema não representaria uma boa estratégia autônoma por causa de seus retornos relativos aos levantamentos máximos. No entanto, ele sugere que poderia ser um pedaço interessante de uma estratégia maior, multi-sistema. Testando a Mineração de Dados Backtesting Mineração de Dados Neste artigo, dê uma olhada em duas práticas relacionadas que são amplamente utilizadas por comerciantes chamado Backtesting e Data Mining. Estas são técnicas que são poderosas e valiosas se usá-los corretamente, porém os comerciantes muitas vezes usá-los mal. Portanto, também explorar duas armadilhas comuns destas técnicas, conhecido como o problema de hipóteses múltiplas e overfitting e como superar essas armadilhas. Backtesting é apenas o processo de utilização de dados históricos para testar o desempenho de alguma estratégia de negociação. Backtesting geralmente começa com uma estratégia que gostaríamos de testar, por exemplo, comprando GBPUSD quando cruza acima da média móvel de 20 dias e vendendo quando cruza abaixo dessa média. Agora poderíamos testar essa estratégia observando o que o mercado faz no futuro, mas isso levaria muito tempo. É por isso que usamos dados históricos que já estão disponíveis. Mas espere, espere, ouvi você dizer. Você não poderia enganar ou pelo menos ser tendenciosa porque você já sabe o que aconteceu no passado Isso é definitivamente uma preocupação, então um backtest válido será aquele em que não estamos familiarizados com os dados históricos. Podemos conseguir isso escolhendo períodos de tempo aleatórios ou escolhendo muitos períodos de tempo diferentes para realizar o teste. Agora eu posso ouvir outro grupo de você dizendo, Mas todos os dados históricos apenas sentados lá esperando para ser analisado é tentador não é Talvez existam segredos profundos em que os dados apenas esperando geeks como nós para descobri-lo. Seria tão errado examinarmos primeiro os dados históricos, analisá-los e ver se podemos encontrar padrões escondidos dentro dele. Esse argumento também é válido, mas nos leva a uma área cheia de perigo. O mundo da mineração de dados Mineração de dados envolve a pesquisa através de dados, a fim de localizar padrões e encontrar possíveis correlações entre as variáveis. No exemplo acima, envolvendo a estratégia de média móvel de 20 dias, nós acabamos de chegar com esse indicador particular do nada, mas suponha que não tenhamos idéia do tipo de estratégia que queríamos testar quando a mineração de dados é útil. Nós poderíamos procurarar através de nossos dados históricos em GBPUSD para ver como o preço comportado após ele cruzou muitas médias móveis diferentes. Poderíamos verificar movimentos de preços contra muitos outros tipos de indicadores também e ver quais correspondem a grandes movimentos de preços. O assunto da mineração de dados pode ser controverso porque como eu discuti acima, parece um pouco como batota ou olhando para a frente nos dados. A mineração de dados é uma técnica científica válida Por um lado, o método científico diz que era suposto fazer uma primeira hipótese e, em seguida, testá-lo contra os nossos dados, mas por outro lado parece apropriado para fazer alguma exploração dos dados em primeiro lugar, a fim de Sugerem uma hipótese. Então, o que é certo Podemos olhar para as etapas do Método Científico para uma pista para a fonte da confusão. O processo em geral tem a seguinte aparência: Observação (dados) Experimento de Previsão de Hipóteses (dados) Observe que podemos lidar com dados durante os estágios de Observação e Experimento. Então, ambas as opiniões estão corretas. Devemos usar dados para criar uma hipótese sensata, mas também testar essa hipótese usando dados. O truque é simplesmente certificar-se de que os dois conjuntos de dados não são os mesmos. Nunca devemos testar nossa hipótese usando o mesmo conjunto de dados que usamos para sugerir nossa hipótese. Em outras palavras, se você usar a mineração de dados para criar ideias de estratégia, certifique-se de usar um conjunto diferente de dados para testar essas idéias. Agora, volte nossa atenção para as principais armadilhas do uso de mineração de dados e backtesting incorretamente. O problema geral é conhecido como super-otimização e eu prefiro quebrar esse problema em dois tipos distintos. Estes são o problema da hipótese múltipla e overfitting. Em certo sentido, elas são maneiras opostas de cometer o mesmo erro. O problema de hipóteses múltiplas envolve a escolha de muitas hipóteses simples, enquanto overfitting envolve a criação de uma hipótese muito complexa. O Problema de Hipótese Múltipla Para ver como esse problema surge, vamos voltar ao nosso exemplo onde nós backtested a estratégia de média móvel de 20 dias. Vamos supor que nós backtest a estratégia de encontro a dez anos de dados históricos do mercado e lo e behold adivinham que Os resultados não são muito incentivando. No entanto, sendo áspero e cair os comerciantes como somos, decidimos não desistir tão facilmente. E quanto a uma média móvel de dez dias Isso pode funcionar um pouco melhor, então vamos voltar a testá-lo Nós rodamos outro backtest e descobrimos que os resultados ainda não são estelares, mas eles são um pouco melhores do que os resultados de 20 dias. Decidimos explorar um pouco e executar testes semelhantes com média móvel de 5 dias e 30 dias. Finalmente, ocorre-nos que poderíamos realmente apenas testar cada média móvel até algum ponto e ver como todos eles executam. Portanto, testar o 2-dia, 3-dia, 4-dia, e assim por diante, todo o caminho até a média móvel de 50 dias. Agora certamente algumas destas médias funcionará mal e outras funcionarão razoavelmente bem, mas lá terá que ser uma delas que seja a mais melhor absoluta. Por exemplo, podemos achar que a média móvel de 32 dias se mostrou o melhor desempenho durante esse período de dez anos. Isso significa que há algo especial sobre a média de 32 dias e que devemos estar confiantes de que ele vai funcionar bem no futuro Infelizmente, muitos comerciantes assumem que este é o caso, e eles simplesmente parar sua análise neste momento, pensando que Eles descobriram algo profundo. Eles caíram na armadilha do Problema de Hipótese Múltipla. O problema é que não há nada de todo incomum ou significativo sobre o fato de que alguns média revelou-se o melhor. Afinal, nós testamos quase cinquenta deles contra os mesmos dados, então wed esperam encontrar alguns bons artistas, apenas por acaso. Não significa theres qualquer coisa especial sobre a média móvel particular que ganhou neste caso. O problema surge porque testámos múltiplas hipóteses até encontrarmos uma que funcionou, em vez de escolher uma única hipótese e testá-la. Aqui está uma boa analogia clássica. Nós poderíamos vir acima com uma única hipótese tal como Scott é grande em lançar cabeças em uma moeda. A partir disso, poderíamos criar uma previsão que diz: Se a hipótese for verdadeira, Scott será capaz de inverter 10 cabeças em uma linha. Então podemos realizar uma experiência simples para testar essa hipótese. Se eu puder virar 10 cabeças em uma fileira ele realmente não prova a hipótese. No entanto, se eu não posso realizar essa façanha, definitivamente refuta a hipótese. À medida que fazemos repetidas experiências que não conseguem refutar a hipótese, então nossa confiança em sua verdade cresce. Essa é a maneira certa de fazê-lo. No entanto, o que se tivéssemos chegado com 1.000 hipóteses em vez de apenas a um sobre mim ser um flipper moeda boa Poderíamos fazer a mesma hipótese sobre 1.000 pessoas diferentes. Eu, Ed, Cindy, Bill, Sam, etc. Ok, agora vamos testar nossas múltiplas hipóteses. Pedimos a todas as 1000 pessoas para virar uma moeda. Haverá provavelmente cerca de 500 que virar cabeças. Todo mundo pode ir para casa. Agora pedimos que as 500 pessoas voltem novamente, e desta vez cerca de 250 vão virar cabeças. No terceiro flip cerca de 125 pessoas virar cabeças, no quarto cerca de 63 pessoas são deixadas, e no quinto flip há cerca de 32. Essas 32 pessoas são todos muito surpreendente arent eles Theyve todos virou cinco cabeças em uma fileira Se nós virar cinco Mais vezes e eliminar metade das pessoas cada vez em média, vamos acabar com 16, então 8, em seguida, 4, em seguida, 2 e, finalmente, uma pessoa deixou que virou dez cabeças em uma fileira. Seu Bill Bill é um fantabulous flipper de moedas Ou é ele Bem, nós realmente não sei, e thats o ponto. Bill pode ter ganhado nosso concurso por pura casualidade, ou ele pode muito bem ser o melhor flipper de cabeças deste lado da galáxia de Andrómeda. Da mesma forma, não sabemos se a média móvel de 32 dias do nosso exemplo acima apenas se apresentou bem em nosso teste por pura casualidade ou se realmente há algo especial nisso. Mas tudo o que temos feito até agora é encontrar uma hipótese, a saber, que a estratégia de média móvel de 32 dias é rentável (ou que Bill é uma grande moeda flipper). Nós ainda não testamos essa hipótese. Então, agora que entendemos que realmente não descobrimos nada significativo sobre a média móvel de 32 dias ou sobre a capacidade das Notas de lançar moedas, a pergunta natural a fazer é o que devemos fazer a seguir. Como mencionei acima, muitos comerciantes nunca percebem que há É o próximo passo necessário. Bem, no caso de Bill você provavelmente perguntará, Aha, mas ele pode virar dez cabeças em uma linha novamente. No caso da média móvel de 32 dias, queremos testá-lo novamente, mas certamente não contra a mesma amostra de dados que Nós costumávamos escolher essa hipótese. Gostaríamos de escolher outro período de dez anos e ver se a estratégia funcionou tão bem. Poderíamos continuar a fazer essa experiência quantas vezes quiséssemos até que o fornecimento de novos períodos de dez anos se esgote. Nós nos referimos a isso como fora do teste de amostra, e é a maneira de evitar essa armadilha. Existem vários métodos de tais testes, um dos quais é a validação cruzada, mas nós não vamos entrar em muitos detalhes aqui. Overfitting é realmente uma espécie de inversão do problema acima. No exemplo de hipóteses múltiplas acima, examinamos muitas hipóteses simples e escolhemos aquela que melhor se comportou no passado. Em overfitting primeiro olhar para o passado e, em seguida, construir uma única hipótese complexa que se encaixa bem com o que aconteceu. Por exemplo, se eu olhar para a taxa de USDJPY nos últimos 10 dias, eu poderia ver que o fechamento diário fez isso: up, up, down, up, up, up, down, down, down, up. Veja, Sim, nem eu realmente. Mas se eu quisesse usar estes dados para sugerir uma hipótese, eu poderia vir acima com. Minha incrível hipótese: se o preço de fechamento sobe duas vezes seguidas, em seguida, para baixo por um dia, ou se ele vai para baixo por três dias seguidos, devemos comprar, mas se o preço de fechamento sobe três dias em uma fila que deve vender , Mas se ele sobe três dias em uma fileira e, em seguida, para baixo três dias seguidos, devemos comprar. Huh Soa como uma hipótese whacky direito Mas se tivéssemos usado esta estratégia nos últimos 10 dias, teríamos sido direita em cada único comércio que fizemos O overfitter usa backtesting e mineração de dados de forma diferente do que os fabricantes de hipóteses múltiplas fazem. O overfitter doesnt vir acima com 400 estratégias diferentes para backtest. Sem chance O sobrecarregador usa ferramentas de mineração de dados para descobrir apenas uma estratégia, não importa quão complexa, que teria tido o melhor desempenho durante o período de backtesting. Será que vai funcionar no futuro Não é provável, mas poderíamos sempre manter o modelo e testar a estratégia em diferentes amostras (fora do teste de amostra novamente) para ver se o nosso desempenho melhora. Quando paramos de obter melhorias de desempenho ea única coisa que está subindo é a complexidade de nosso modelo, então sabemos que nós cruzamos a linha em overfitting. Então, em resumo, vimos que a mineração de dados é uma maneira de usar nossos dados de preços históricos para sugerir uma estratégia de negociação viável, mas que temos que estar cientes das armadilhas do problema de hipóteses múltiplas e overfitting. A maneira de se certificar de que não cair presa a essas armadilhas é backtest nossa estratégia usando um dataset diferente do que o que usamos durante a nossa exploração de mineração de dados. Nós comumente nos referimos a isso como fora do teste da amostra. Um problema com a mineração de dados é que os comerciantes tendem a usar diferentes tipos de filtros para procurar um padrão. O problema com isto é que qualquer sinal é composto a partir dos diferentes sinais sinusoidais, por isso, ao aplicar filtros diferentes para um sinal vamos certamente acabar com um padrão. Lotes de estudos tem sido feito sobre o padrão de preços, principalmente são baseados em mineração de dados, a questão será a suposição de que o futuro espelho do passado, a resposta é talvez. Temos uma chance de 5050. A percentagem pode ser aumentada pelo estudo deste padrão em dados diferentes. Se quisermos mesmo aumentar essa porcentagem, precisamos saber qual é a causa desse padrão, conhecendo a causa desse padrão, teríamos vantagem na negociação. Por exemplo, vou fazer essa suposição, vamos dizer que a primeira sexta-feira de cada mês, devido à notícia lotes de comerciantes tendem a sair de seus negócios na manhã antes da notícia e entrar novamente após a notícia, por isso há um padrão de venda e Comprando em determinado momento. Nós poderíamos usar esta informação para o nosso benefício, aplicando algum tipo de um comércio de hedge assim que entramos com tanto comprar e vender antes da notícia. Em seguida, após a notícia só vendemos para quem quer comprar e didn8217t quer manter uma posição durante a notícia e vamos deixar a compra até o preço volta, isso poderia ser aplicado a taxa de juros de serpe, ou outra configuração 8230 bla bla. Esta é apenas uma teoria. Estou usando para dizer que o medo ea ganância tem um tempo no mercado. Então, o que cria os padrões de preços são o medo ea ganância, agora se isolarmos o padrão e conhecermos a causa por trás desse padrão, como no exemplo anterior, receamos a notícia ou liquidamos a conta no final do mês. coisas assim. Então poderíamos teoricamente prever o futuro dos dois primeiros post são copiados a partir deste site todos os artigos de Scott Percival valem a pena ler Thread excelente MiniMe Junte-nos download MetaTrader 5 Copyright 2000-2017, MQL5 Ltd.