Как установить торгового робота форекс на MT4 и настроить автоторговлю | Mount FX

Как настроить торговый робот

Торговые роботы и советники на Форекс

AndreySitaev 16 ноября в Алгоритмы оптимизации торгового робота: эффективный способ наторговать миллион задним числом Алгоритмы Я прочитал авторитетную книгу о торговых стратегиях и написал своего торгового робота. К моему удивлению, робот не приносит миллионов, даже торгуя виртуально. Так как параметров настройки у робота достаточно, перебрать все их возможные комбинации в поисках лучшей, слишком затратная по времени задача.

выше ниже бинарные опционы

В свое время, решая задачу оптимизации, я не нашел обоснованного выбора алгоритма поиска квазиоптимального вектора параметров торгового робота. Потому решил самостоятельно сравнить несколько алгоритмов… Краткая постановка задачи оптимизации Имеем торговый алгоритм.

Как настроить робот Форекс

Входные данные — история цен часового интервала за 1 год наблюдений. Выходные данные — P — прибыль либо убыток, скалярная величина.

правильная торговля по новостям на бинарных опционах

Каждому из параметров мы задаем диапазон и фиксированный шаг изменения, всего по 20 значений для каждого из параметров. Для большинства торговых алгоритмов, однако, требуется на несколько порядков больше времени для проведения одного теста.

Что приводит нас к задаче поиска квазиоптимального вектора параметров без необходимости перебора всего множества возможных их сочетаний. К примеру, сам я убежден, что любые мои попытки извлечь из эффективного рынка читай из любого прозрачного и ликвидного рынка прибыль путем спекуляций, неважно, дискреционных или полностью автоматизированных, априори обречены на поражение.

Если, разве что, не допустить фактор случайного везения.

Кажущаяся простота автоматической торговли

Тем не менее, трейдинг, и, в частности, алго ритмический трейдинг — популярное хобби для многих. Для простоты примем, что робот всегда торгует одной тройской унцией. К примеру, на момент покупки, стоимость тройской унции золота составляла как настроить торговый робот На момент последующей продажи закрытии сделки цена выросла до Прибыль по этой сделке составила 4 USD.

Зарабатываем роботом для Pocket Option. Настройка стратегии линии Боллинджера на реальном счете.

С входными данными для робота мы определились — это, собственно, временной ряд цен котировок золота. Если вы скажете, что мой пример слишком простой, не жизненный — могу вас уверить: большая часть роботов, обращающихся на рынке да и собственно трейдеров тоже в своей торговле руководствуются одной лишь статистикой цен на товар, которым торгуют.

В любом случае, в задаче параметрической оптимизации торговой стратегии, нет принципиального различия между роботом, торгующего на основании вектора цен и роботом, обращающемуся к терабайтному массиву разносортной рыночной аналитики. Главное, что оба этих робота могут должны уметь быть протестированы на исторических данных.

Что такое торговый робот или советник

Алгоритмы должны быть детерминированы: то есть, на одних и тех же входных данных модельное время, при необходимости, мы тоже можем принять за параметрторговый робот должен показывать один и тот же результат.

Более подробно о торговом как настроить торговый робот можно почитать в следующем спойлере: алгоритм торговли робота Черная толстая кривая на графике — часовые измерения цены XAUUSD. Две тонкие ломаные линии, красная и синяя — усредненные значения цены с периодами усреднения 5 и 10 соответственно. Иначе говоря, скользящие средние Moving Average, MA как настроить торговый робот периодами 5, Например, для того, чтобы рассчитать ординату последней правой точки красной кривой, я взял среднее из последних 5 значений цены.

Краткая постановка задачи оптимизации

На рисунке выше робот совершит 5 сделок: 3 продажи в отметках времени 7, 31 и 50 и две покупки отметки 16 и Роботу разрешено открывать неограниченное количество сделок. Например, в какой-то момент робот может располагать несколькими незавершенными покупками и продажами одновременно. Правило закрытия сделки Робот закрывает сделку, как только: прибыль по сделке превышает указанное в процентах пороговое значение — TakeProfit, либо убыток по сделке, в процентах, превышает соответствующее значение — StopLoss.

Предположим, StopLoss равен 0. Как только цена золота вырастет до значения Да, робот предельно прост. Быстрый поиск квазиоптимального набора входных параметров На примере нашего простого робота видно, что полный перебор всех возможных векторов параметров настройки робота слишком затратен даже для 4-х варьируемых параметров.

bitcoin info

Очевидная альтернатива полному перебору — выбор векторов параметров по определенной стратегии. Рассматриваем лишь как настроить торговый робот всех возможных комбинаций в поисках лучшей, в которой ЦФ приближается к наивысшему либо наименьшему, в зависимости от того, какую ЦФ мы выбрали и какого результата мы добиваемся значению.

Шаг 2. Установка файлов советника в папки терминала MetaTrader 4

Мы рассмотрим три алгоритма поиска квазиоптимального значения ЦФ. Для каждого алгоритма установим ограничение в 40 тестов из возможных комбинаций. Метод Монте-Карло или случайный выбор M некоррелированных векторов из числа возможного количества наборов, равного N.

стратегия как заработать деньги

Метод, вероятно, самый простой из возможных. Будем использовать его как отправную точку для последующего сравнения с остальными методами оптимизации. Все остальные параметры фиксированы и не подвергаются оптимизации. ЦФ прибыль достигает максимума 0. Чтобы гарантированно найти максимальное значение прибыли, нам потребуется провести 20 итераций тестирования. Альтернатива — провести меньшее количество испытаний торгового робота со случайно выбранным значением параметра M на интервале [9, 20].

как заработать быстро 250

Оптимизация одного из четырех параметров нашего торгового робота, при фиксированных значениях остальных параметров, не позволяет нам увидеть всей картины. Возможно, максимум ЦФ, равный 0.

Суть торгового советника

Вот так изменяется зависимость прибыли от периода скользящей средней при различных значениях параметра TakeProfit на интервале [0. Метод Монте-Карло: оптимизация двух параметров Зависимость прибыли торгового робота от двух параметров графически можно изобразить в виде поверхности: По двум осям отложены значения параметров T TakeProfit и M период скользящей среднейтретья ось — значение прибыли. Проведя 1 итераций поиска максимума ЦФ на исходных данных из примера выше, я получил следующую статистику: среднее значение максимума ЦФ, найденное в ходе 1 итераций оптимизации 40 случайных векторов параметров [M, T] из возможных комбинацийсоставило 0.

Очевидно, в сравнении методов параметрической оптимизации торговых роботов одна выборка — не показатель. Но пока достаточно и этой оценки. Переходим к следующему методу — метод градиентного спуска. Метод градиентного спуска Формально, как следует из названия, метод применяется для поиска минимума ЦФ. Согласно методу, мы выбираем стартовый точку с координатами [x0, y0, z0, …]. На примере оптимизации одного параметра это может быть случайно выбранная точка: с координатами [5] и значением ЦФ, равным Далее следуют три простых шага: проверить значения ЦФ в бинарный опцион лестница отзывы текущей позиции и переместиться в точку с наименьшим значением ЦФ если такая отсутствует, локальный экстремум найден, алгоритм завершен Для оптимизации ЦФ как функции от двух параметров применяем все тот же алгоритм.

Если раньше мы вычисляли ЦФ в двух соседних точкахтеперь мы проверяем 4 точки: Метод, определенно, хорош, когда у ЦФ на тестируем пространстве всего один экстремум. Если экстремумов несколько, поиск придется неоднократно повторять, чтобы повысить вероятность нахождения глобального экстремума: В нашем примере мы ищем максимум ЦФ.

Все тот же пример, прибыль торгового робота как функция от периода скользящей средней и значения TakeProfit, одна итерация: В данном случае был как настроить торговый робот локальный экстремум, далекий от глобального максимума ЦФ. Пример нескольких итераций поиска экстремума ЦФ методом градиентного спуска, значение ЦФ рассчитано 40 раз 40 точек из возможных : Теперь сравним эффективность поиска глобального максимума ЦФ прибыли на наших исходных данных алгоритмами Монте-Карло и градиентного спуска.

В каждом случае проводится 40 испытаний расчетов ЦФ. Произведено по 1 итераций оптимизации каждым из методов: Монте-Карло среднее из полученных квазиоптимальное значение ЦФ 0.

Но не спешим сбрасывать его со счетов.

Простой торговый робот

Применительно к реальной торговле, можно, как минимум, ожидать, что рынок, на котором предстоит торговать нашему роботу, будет заметно отличаться от того периода истории, на котором мы оптимизировали торговый алгоритм.

Очевидно, метод градиентного спуска, как правило, дает нам значения ЦФ в окрестностях экстремума. Метод Монте-Карло, скорее, бьет по площадям. В множественных наставлениях к тестированию автоматических торговых стратегий рекомендуют после завершения оптимизации проверить целевые показатели робота в окрестностях найденного вектора параметров.

Но это дополнительные тесты.

Как установить Торгового Робота в МТ4

Вдобавок, что если доходность стратегии упадет при незначительном изменении настроек? Очевидно, придется повторять процесс тестирования. Нам был бы полезен алгоритм, который, одновременно с поиском экстремума ЦФ позволял бы оценить устойчивость торговой стратегии к изменению настроек в узком диапазоне относительно найденных пиков.

Иначе говоря, первые N тестов проводятся на случайных некоррелированных векторах входных параметров. Из них отбираются M лучших результатов. В окрестностях этих испытаний плюс — минут L к каждой из координат проводится еще K испытаний. Для нашего примера точек, 40 испытаний всего имеем: И снова сравним эффективность теперь уже 3-х алгоритмов оптимизации: Монте-Карло.