विदेशी मुद्रा व्यापार - डाटा माइनिंग

एफएक्स डेटा खनन का परिचय आज के सबसे दिलचस्प क्षेत्रों में से एक को सरल और त्वरित परिचय देता है - डाटा माइनिंग डेटा माइनिंग अनुप्रयोगों की एक विस्तृत श्रृंखला है हमें अपने एफएक्स व्यापार में डेटा खनन को एकीकृत करना चाहिए। एफएक्स, विदेशी मुद्रा या विदेशी मुद्रा एफएक्स दैनिक कारोबार की मात्रा के संदर्भ में सबसे बड़ा बाजार है। इसमें प्रतिभागियों के तीन मुख्य स्तर हैं: बड़े लड़के, मध्यवर्ती स्तर और आप के रूप में सरल व्यापारी। इसमें एक सट्टा प्रकृति है, जिसका मतलब है कि ज्यादातर समय हम वस्तुओं का आदान-प्रदान नहीं करते हैं। हम केवल अंतर के लिए परवाह करते हैं और कम खरीदते हैं और उच्च बेचते हैं या उच्च बेचते हैं और कम खरीदते हैं। छोटे या लंबे परिचालनों से हम पिप्स प्राप्त कर सकते हैं आपके ट्रेडिंग वॉल्यूम के अनुसार, पीपी वैल्यू एक से 10 से लेकर 10 तक हो सकती है। यह एफएक्स बाजार में पैसा बनाने का प्रमुख तरीका है (कैरी ट्रेड, ब्रोकिंग, आर्बिट्रेज और अधिक के साथ)। ध्यान दें कि एफएक्स बाजार बहुत बड़ा है लेकिन खिलाड़ियों के सभी स्तरों के लिए उपयुक्त है। असीमित सुपरमार्केट के रूप में एफएक्स मार्केट के बारे में सोचें अनंत उत्पादों और ग्राहकों की अनंत संख्या, लेकिन इसके पास असीमित संख्या में कैशियर भी हैं मतलब सभी के लिए अवसरों की बराबर राशि है। डाटा माइनिंग और मशीन लर्निंग डाटा माइनिंग कंप्यूटर साइंस का एक परिपक्व उप क्षेत्र है। इसके बारे में बहुत सारे डेटा और भारी मात्रा में डेटा से उपयोगी ज्ञान के गैर तुच्छ निष्कर्षण। मशीन सीखना एल्गोरिदम का उपयोग करके इंटेलिजेंट डाटा प्रोसेसिंग द्वारा किया गया। डेटा खनन केवल सीआरयूडी (बनाएँ, पढ़ें, अपडेट और हटाएं) नहीं है। हमारे पास कई डेटा खनन विधियां हैं इसके द्वारा विधियों और कुछ अनुप्रयोगों वर्गीकरण - स्पैम के रूप में ईमेल को वर्गीकृत करना, लेन-देन को धोखाधड़ी के रूप में वर्गीकृत करना। एसोसिएशन - यूट्यूब हमें हमारे इतिहास के आधार पर नए वीडियो सुझाता है। अमेज़ॅन चेकआउट के दौरान हमें अधिक आइटम सुझाता है क्लस्टरिंग - अनधिकृत डेटा का विश्लेषण जैसे कि आर्थिक समाचार और आम समूहों को खोजने के लिए राय। प्रक्रिया खनन - अक्षम संचालन को खोजने के लिए कॉल ऑपरेटरों के लॉग की जांच करें। पाठ खनन - खनन समाचार या पैटर्न मान्यता के लिए तकनीकी विश्लेषण एल्गोरिथम ट्रेडिंग एक ट्रेडिंग एल्गोरिथम का एक स्वचालित निष्पादन है। हमारे मामले में, व्यापार एल्गोरिथ्म खनन से आता है। स्वचालित व्यापार प्रोग्रामिंग भाषा के कुछ राजा द्वारा किया जाता है गति और मजबूती प्रमुख बिंदु हैं: मानव व्यापारी उन विशेषताओं के बारे में कंप्यूटर प्रोग्राम को नहीं हरा सकते हैं यह एचएफ़टी (उच्च आवृत्ति ट्रेडिंग) और निम्न स्तर की प्रोग्रामिंग (सी के रूप में) या दीर्घकालिक व्यापार और उच्च स्तरीय प्रोग्रामिंग (जावा के रूप में) हो सकता है। एल्गोरिथम ट्रेडिंग में डाटा माइनिंग मिक्सिंग डाटा माउंटिंग के साथ एल्गोरिथम ट्रेडिंग को मिक्स करना महत्वपूर्ण है। सबसे महत्वपूर्ण बात यह है कि डेटा। एक सरल सिद्धांत बताता है कि यदि आपका डेटा पर्याप्त नहीं है, तो आपके मॉडल पर्याप्त नहीं होंगे (जीआईजीओ)। यह एक मॉडल बनाने, इसे लागू करने और इसे परीक्षण करने (हमेशा की तरह) बनाने के बारे में है। वर्तमान में यह प्रवाह ज्यादातर मैनुअल है। डाटा माइनिंग सॉफ्टवेयर डाटा माइनिंग के क्षेत्र में कई ओपन सोर्स सॉफ़्टवेयर विकल्प हैं। वेका एक डेटा खनन रूपरेखा है जो वाइकाटो, हैमिल्टन, न्यूजीलैंड विश्वविद्यालय में उत्पन्न हुई है। WEKA जावा में लिखा है और एक महान एपीआई है। इसके अलावा आपके पास ज्यादातर ज्ञात मशीन लर्निंग एल्गोरिदम के लिए कार्यान्वयन है अच्छे उपकरण का मिश्रण महत्वपूर्ण है बहुत सारे संभव व्यापारिक मॉडल हैं एक सिक्का लेना एक बेवकूफ व्यापार प्रणाली है, लेकिन इसकी एक व्यापार प्रणाली है। हमें सोना खोजने के लिए डेटा खनन की आवश्यकता है। खनन से अच्छा सौभाग्य प्राप्त करने के लिए अच्छे उपकरण आसान हैं यदि आप अपने अगले चरण में वैज्ञानिक एफएक्स व्यापार के बारे में अधिक जानकारी चाहते हैं तो डाटा माइनिंग उपकरण और ऐतिहासिक डेटा की खोज हो रही है। अधिक जानकारी के लिए एल्गोनेल पर जाएं आप हमें ट्विटर पर पा सकते हैं फेसबुक। गूगल। लिंक्डइन और वर्डप्रेस। डेटा टेस्टिंग बैटिंग टेस्टिंग डेटा माइनिंग इस लेख में अच्छी तरह से दो संबंधित प्रथाओं पर एक नज़र डालें जो बैटेस्टेस्टिंग और डाटा माइनिंग नामक व्यापारी हैं। ये तकनीकें जो शक्तिशाली और बहुमूल्य हैं अगर हम उनका सही इस्तेमाल करते हैं, हालांकि व्यापारियों ने अक्सर उनका दुरुपयोग करते हैं। इसलिए, अच्छी तरह से इन तकनीकों के दो आम नुकसानों का पता लगाया जाता है, जिन्हें कई अवधारणाओं की समस्या और अतिप्राप्ति के रूप में जाना जाता है और इन नुकसानों को कैसे दूर करना है। बैकटेस्टिंग केवल कुछ व्यापारिक रणनीति के प्रदर्शन का परीक्षण करने के लिए ऐतिहासिक डेटा का उपयोग करने की प्रक्रिया है। बैटिंग करना आम तौर पर एक रणनीति से शुरू होता है जिसे हम परीक्षण करना चाहते हैं, उदाहरण के लिए जब यह 20-दिन की चलती औसत से अधिक हो जाता है और जब यह उस औसत से नीचे पार करता है तो वह GBPUSD खरीदते हैं। अब हम यह देखकर उस रणनीति का परीक्षण कर सकते हैं कि बाज़ार आगे क्या चल रहा है, लेकिन यह एक लंबा समय ले जाएगा। यही कारण है कि हम पहले से ही उपलब्ध ऐतिहासिक डेटा का उपयोग करते हैं लेकिन रुको, रुको, मैंने सुना कि तुम कहते हो। क्या आप धोखा नहीं सकते या कम से कम पक्षपातपूर्ण हो क्योंकि आप पहले से ही जानते हैं कि पिछले दिनों में क्या हुआ था निश्चित रूप से चिंता का विषय है, इसलिए एक वैध बैकटेस्ट वह होगा जिसमें हम ऐतिहासिक डेटा से परिचित नहीं हैं। हम इसे यादृच्छिक समय अवधि चुनकर या कई अलग-अलग समय अवधि चुनकर यह पूरा कर सकते हैं जिसमें परीक्षा आयोजित किया जा सकता है। अब मैं आपके कहने वाले एक समूह को सुन सकता हूं, लेकिन बस उस बैठा हुआ सभी ऐतिहासिक डेटा का विश्लेषण करने के लिए इंतजार करना बहुत ही मोहक नहीं है। शायद उस डेटा में गहन रहस्य हैं जो कि हमारे जैसे ही ग्यों की तलाश करते हैं। क्या हमें उस ऐतिहासिक डेटा की जांच करने के लिए पहले से यह गलत होगा कि हम इसका विश्लेषण करें और देखें कि क्या हम इसमें छिपे हुए पैटर्न पा सकते हैं यह तर्क भी मान्य है, लेकिन यह हमें खतरे से भरा क्षेत्र में ले जाता है। डेटा खनन डेटा खनन की दुनिया में डेटा का पता लगाने के लिए पैटर्न का पता लगाने और चर के बीच संभावित संबंधों को प्राप्त करना शामिल है। ऊपर दिए गए उदाहरण में 20-दिवसीय चलती रणनीति के बारे में, हम नीले रंग से उस विशेष संकेतक के साथ आए, लेकिन लगता है कि हमें पता नहीं था कि डेटा की खामियों का उपयोग करने के दौरान हम किस प्रकार की रणनीति का परीक्षण करना चाहते थे। हम GBPUSD पर हमारे ऐतिहासिक आंकड़ों के माध्यम से खोज सकते हैं कि यह देखने के लिए कि कितने अलग-अलग मूविंग एवरों को पार करने के बाद कीमत का व्यवहार हुआ। हम कई अन्य प्रकार के संकेतकों के मुकाबले मूल्य आंदोलनों की जांच कर सकते हैं और देखें कि कौन से बड़े मूल्य आंदोलनों के अनुरूप है। डेटा खनन का विषय विवादास्पद हो सकता है क्योंकि जैसा कि मैंने ऊपर चर्चा की है वह धोखाधड़ी या डेटा में आगे दिखने जैसा लगता है। एक वैध वैज्ञानिक तकनीक खनन डेटा है एक तरफ वैज्ञानिक विधि का कहना है कि पहले एक अवधारणा करना चाहिए और फिर हमारे डेटा के खिलाफ इसका परीक्षण करना चाहिए, पर दूसरी ओर यह उचित है कि डेटा के कुछ अन्वेषण करने के लिए पहले एक परिकल्पना का सुझाव दें तो जो सही है हम भ्रम के स्रोत को सुराग के लिए वैज्ञानिक विधि के चरणों को देख सकते हैं। सामान्य रूप से इस प्रक्रिया की तरह दिखता है: अवलोकन (डेटा) प्रिपिक्षण पूर्वानुमान प्रयोग (डेटा) सूचना है कि हम दोनों अवलोकन और प्रयोग चरणों के दौरान डेटा से निपट सकते हैं। तो दोनों विचार सही हैं। एक समझदार परिकल्पना बनाने के लिए हमें डेटा का उपयोग करना चाहिए, लेकिन हम यह भी परीक्षण करते हैं कि डेटा का उपयोग करते हुए परिकल्पना। यह चाल केवल यह सुनिश्चित करने के लिए है कि डेटा के दो सेट एक समान नहीं हैं, हम अपनी अवधारणा को कभी भी डेटा के उसी सेट का उपयोग नहीं करना चाहिए, जिसका उपयोग हम अपनी अवधारणाओं का सुझाव देते थे। दूसरे शब्दों में, यदि आप रणनीति के विचारों के साथ आने के लिए डेटा खनन का उपयोग करते हैं, तो सुनिश्चित करें कि आप उन विचारों का समर्थन करने के लिए एक अलग डेटा सेट का उपयोग करते हैं। अब डेटा खनन और बैकटेस्टिंग की गलत तरीके से उपयोग करने के मुख्य नुकसानों पर ध्यान देना सामान्य समस्या को ओवर-ऑप्टिमाइज़ेशन के रूप में जाना जाता है और मैं उस समस्या को दो विशिष्ट प्रकारों में तोड़ना पसंद करता हूं। ये बहुत ही परिकल्पना की समस्या है और अधिक मात्रा में हैं। एक अर्थ में वे एक ही त्रुटि बनाने के विपरीत तरीके हैं। कई अवधारणाओं की समस्या में कई सरल अनुमानों को चुनना शामिल है, जबकि अधिक मात्रा में एक बहुत जटिल अवधारणा का निर्माण शामिल है। मल्टीपल हाइपोथीसिस समस्या यह देखने के लिए कि यह समस्या कैसे उत्पन्न होती है, हमारे उदाहरण पर वापस आइये, जहां हमने 20-दिवसीय चलती औसत रणनीति का समर्थन किया। मान लीजिए कि हम दस साल के ऐतिहासिक बाजार डेटा के खिलाफ रणनीति को पीछे छोड़ते हैं और देखें और देखें कि परिणाम बहुत उत्साहजनक नहीं हैं। हालांकि, हमारे जैसे घनिष्ठ और तंग व्यापारी होने के नाते, हम इतनी आसानी से हार नहीं मानने का फैसला करते हैं। दस दिनों की चलती औसत के बारे में क्या यह थोड़ा बेहतर काम कर सकता है, तो इससे पहले कि हम एक और बैकटेस्ट चलाते हैं और हम पाते हैं कि परिणाम अभी भी तारकीय नहीं हैं, लेकिन वे 20-दिवसीय परिणामों से थोड़ा बेहतर हैं हम 5-दिन और 30-दिवसीय मूविंग एवरी के साथ एक छोटे से एक्सप्लोर करना और इसी तरह के परीक्षण चलाने का फैसला करते हैं। आखिरकार यह हमारे लिए होता है कि वास्तव में हम हर एक औसत औसत से कुछ बिंदु तक परीक्षण कर सकते हैं और देख सकते हैं कि वे सभी कैसे करते हैं। इसलिए हम 2-दिन, 3-दिवसीय, 4-दिन, और इसी तरह, 50-दिवसीय मूविंग एक्शन तक की सभी तरह का परीक्षण करते हैं। अब निश्चित रूप से इन औसत में से कुछ खराब प्रदर्शन करेंगे और दूसरों को काफी अच्छी तरह से प्रदर्शन करेंगे, लेकिन उनमें से एक होना चाहिए, जो कि सर्वश्रेष्ठ सर्वश्रेष्ठ है उदाहरण के लिए हमें पता चल जाएगा कि इस विशेष दस वर्ष की अवधि के दौरान 32-दिवसीय मूविंग एवरेज सर्वश्रेष्ठ प्रदर्शनकर्ता साबित हुआ। क्या इसका मतलब यह है कि 32-दिवसीय औसत के बारे में कुछ खास है और हमें विश्वास होना चाहिए कि यह भविष्य में अच्छा प्रदर्शन करेगी दुर्भाग्य से कई व्यापारियों ने ऐसा मान लिया है, और वे इस समय उनके विश्लेषण को रोकते हैं, सोचते हैं कि वे कुछ गहरा खोज की है वे मल्टीपल हाइपॉलीसिस समस्या में गिर गए हैं समस्या ये है कि इस तथ्य के बारे में कुछ भी असामान्य या महत्त्वपूर्ण नहीं है कि कुछ औसतन सबसे अच्छे रूप में निकले। आखिरकार, हमने उसी डेटा के खिलाफ उनमें से लगभग पचास का परीक्षण किया था, इसलिए शादी के मौके से कुछ अच्छे कलाकारों की उम्मीद की जाती है। इसका मतलब यह नहीं है कि विशेष रूप से चलती औसत के बारे में कुछ विशेष है जो इस मामले में जीता। समस्या उत्पन्न होती है क्योंकि हमने एक से कई अवधारणाओं का परीक्षण किया है जब तक कि हम एक ही अवधारणा को चुनने और इसे जांचने के बजाय काम करने वाले एक व्यक्ति को मिला। यहाँ एक अच्छा क्लासिक सादृश्य है हम एक ऐसी अवधारणा के साथ आ सकते हैं जैसे स्कॉट एक सिक्का पर सिर फ्लिप करने में महान है। उस से, हम एक भविष्यवाणी तैयार कर सकते हैं जो कहते हैं, यदि परिकल्पना सही है, स्कॉट एक पंक्ति में 10 प्रमुखों को फ्लिप करने में सक्षम होगा। तो हम उस परिकल्पना को परीक्षण करने के लिए एक साधारण प्रयोग कर सकते हैं। अगर मैं एक पंक्ति में 10 प्रमुखों को फ्लिप कर सकता हूं तो यह वास्तव में परिकल्पना सिद्ध नहीं करता है। हालांकि अगर मैं इस उपलब्धि को पूरा नहीं कर सकता तो यह निश्चित रूप से परिकल्पना को अवगुणित करता है। जैसे-जैसे हम दोहराए गए प्रयोग करते हैं जो परिकल्पना को अस्वीकार करने में असफल होते हैं, तो इसके सच में हमारा विश्वास बढ़ता है। ऐसा करने का सही तरीका है हालांकि, क्या हुआ अगर हम 1,000 के बारे में अनुमान लगाए हुए थे, सिर्फ मेरे बारे में एक अच्छा सिक्का छिलका जैसा था, हम 1000 अलग-अलग लोगों के बारे में एक ही परिकल्पना कर सकते हैं। मुझे, एड, सिंडी, विधेयक, सैम, आदि। ठीक है, अब हमें हमारे कई अनुमानों का परीक्षण करने देता है। हम सभी 1000 लोगों को एक सिक्का फ्लिप करने के लिए कहते हैं। संभवत: 500 के बारे में हो सकता है जो सिर को फ्लिप करते हैं बाकी सब घर जा सकते हैं अब हम उन 500 लोगों को फिर से फ्लिप करने के लिए कह रहे हैं, और इस बार 250 के बारे में सिर फहरेंगे तीसरे झटका पर 125 लोग फ्लिप सिर पर, चौथे के बारे में 63 लोगों को छोड़ दिया जाता है, और पांचवें फ्लिप पर 32 के बारे में 32 हैं। ये 32 लोग सभी बहुत ही आकर्षक हैं, वे सभी एक पंक्ति में पाँच प्रमुखों को फ़्लिप नहीं करते हैं अगर हम पांच अधिक बार और आधे लोगों को औसतन हर समय खत्म करने के लिए, हम 16 के साथ समाप्त होंगे, फिर 8, फिर 4, फिर 2 और अंत में एक व्यक्ति जो एक पंक्ति में दस प्रमुखों को फ़्लिप किया है इसका विधेयक विधेयक सिक्का का एक अनोखा छलारा है या क्या वह वास्तव में हम नहीं जानते, और इस बिंदु को देखते हैं। विधेयक ने संभवतः हमारी प्रतियोगिता को शुद्ध मौका से जीत लिया हो, या वह एंड्रोमेडा आकाशगंगा के इस तरफ से सिर के सर्वश्रेष्ठ पट्टिका हो सकता है। उसी टोकन से, हमें यह नहीं पता है कि उपरोक्त हमारे उदाहरण से 32-दिवसीय मूविंग एवॉवल सिर्फ हमारे परीक्षण में शुद्ध मौके से अच्छा प्रदर्शन किया है, या वास्तव में इसके बारे में कुछ विशेष है या नहीं। लेकिन अभी तक हमने जो कुछ किया है, वह एक अवधारणा खोजना है, अर्थात 32-दिवस की चलती औसत रणनीति लाभदायक है (या यह विधेयक महान सिक्का छिलका है)। हमने वास्तव में यह परीक्षण किया है कि अभी तक परिकल्पना की गई है तो अब हम समझते हैं कि हमने वास्तव में 32 दिन की चलती औसत या बिलों को फ्लिप करने की क्षमता के बारे में अभी तक कुछ महत्वपूर्ण खोजा है, यह पूछने के लिए स्वाभाविक प्रश्न है कि आगे क्या करना चाहिए जैसा कि मैंने उपर्युक्त बताया है, कई व्यापारियों को कभी नहीं पता है कि वहां अगले चरण के लिए सभी आवश्यक है ठीक है, विधेयक के मामले में आप शायद पूछते हैं, अहा, लेकिन वह फिर से एक बार फिर से दस सिर फ्लिप कर सकता है 32-दिवसीय चलती औसत के मामले में, शादीशुदा इसे फिर से जांचना चाहते हैं, लेकिन निश्चित रूप से एक ही डेटा नमूने के खिलाफ नहीं है हम उस परिकल्पना को चुनते थे हम एक और दस साल की अवधि का चुनाव करेंगे और देखेंगे कि क्या रणनीति अभी भी अच्छी तरह से काम करती है। हम इस प्रयोग को कई बार करना जारी रख सकते थे क्योंकि जब तक हमारी नई दस साल की अवधि समाप्त नहीं हुई थी, तब तक हम चाहते थे। हम नमूना परीक्षण से बाहर के रूप में इसका उल्लेख करते हैं, और इस ख़राब होने से बचने का तरीका। इस तरह के परीक्षण के कई तरीके हैं, जिनमें से एक पार सत्यापन है, लेकिन हम इस बारे में बहुत अधिक विवरण प्राप्त नहीं करेंगे। ओवरफीटिंग वास्तव में उपरोक्त समस्या का एक प्रकार है। उपरोक्त कई उदाहरणों में, हमने कई सरल अनुमानों को देखा और अतीत में सर्वोत्तम प्रदर्शन करने वाले को चुना। अतिप्राप्ति में हम पहले अतीत को देखते हैं और फिर एक भी जटिल अवधारणा का निर्माण करते हैं जो कि क्या हुआ, ठीक से फिट बैठता है। उदाहरण के लिए अगर मैं पिछले 10 दिनों में USDJPY दर को देखता हूं, तो मुझे शायद यह दिखाई दे कि दैनिक बंद हो गया: ऊपर, ऊपर, नीचे, ऊपर, ऊपर, ऊपर, नीचे, नीचे, नीचे, ऊपर समझ में आया पैटर्न देखो हाँ, न तो मैं वास्तव में क्या लेकिन अगर मैं इस डेटा का उपयोग करने के लिए एक अनुमान की सलाह देना चाहता हूं, तो मैं इसके साथ आ सकता हूं। मेरी अद्भुत परिकल्पना: यदि समापन मूल्य एक पंक्ति में दो बार बढ़ जाती है, तो एक दिन के लिए नीचे जाती है, या यदि वह लगातार तीन दिनों के लिए नीचे जाती है, तो हमें खरीदना चाहिए, लेकिन यदि समापन मूल्य तीन दिनों तक लगातार बढ़ता है तो हमें बेचना चाहिए , लेकिन अगर यह एक पंक्ति में तीन दिन और फिर तीन दिनों के नीचे एक पंक्ति में हो तो हमें खरीदना चाहिए। हह एक अजीब तरह की राय की तरह लगता है, लेकिन अगर हम पिछले 10 दिनों में इस रणनीति का इस्तेमाल करते थे, तो हम हर एक व्यापार पर सही होता, जो हम करते थे। अतिप्रभावी कई पूर्वकल्पना निर्माताओं की तुलना में बैकस्टेस्टिंग और डेटा खनन को अलग तरीके से उपयोग करता है। ओवरटाइटर बैकस्टेस्ट के लिए 400 विभिन्न रणनीतियों के साथ नहीं आया है। कोई रास्ता नहीं ओवरफ़िटर डेटा माइनिंग उपकरणों का उपयोग केवल एक रणनीति को समझने के लिए करता है, चाहे कितना जटिल हो, जो कि बैकटेस्टिंग अवधि पर सर्वश्रेष्ठ प्रदर्शन होता। क्या यह भविष्य में काम नहीं करेगा, लेकिन हम हमेशा नमूने को नमूने रखने और विभिन्न नमूनों (फिर से नमूना परीक्षण के बाहर) में रणनीति का परीक्षण करने के लिए देख सकते हैं कि हमारे प्रदर्शन में सुधार हुआ है या नहीं। जब हम प्रदर्शन में सुधार करना बंद कर देते हैं और केवल एक चीज बढ़ रही है जो हमारे मॉडल की जटिलता है, तो हम जानते हैं कि लाइन को ओवरफिटिंग में पार कर लिया है। संक्षेप में, हमने देखा है कि डेटा खनन एक व्यावहारिक व्यापारिक रणनीति का सुझाव देने के लिए हमारे ऐतिहासिक मूल्य डेटा का उपयोग करने का एक तरीका है, लेकिन हमें कई अवधारणाओं की समस्या और अधिक मात्रा के नुकसान के बारे में पता होना चाहिए। यह सुनिश्चित करने का तरीका है कि हम इन खामियों का शिकार न करें हमारे डेटा खनन अन्वेषण के दौरान उपयोग किए जाने वाले किसी अन्य डेटासेट का उपयोग करके हमारी रणनीति को पीछे रखना है। हम आमतौर पर नमूना परीक्षण से बाहर के रूप में इसका उल्लेख करते हैं। डाटा खनन के साथ एक समस्या यह है कि व्यापारी पैटर्न के लिए विभिन्न प्रकार के फिल्टर का उपयोग करते हैं। इस के साथ समस्या यह है कि किसी भी संकेत को विभिन्न साइनसूसेड सिग्नल से बना है, इसलिए जब एक सिग्नल में अलग-अलग फिल्टर लागू होते हैं तो हम एक पैटर्न के साथ समाप्त हो जाएंगे। बहुत सारे अध्ययन मूल्य पद्धति पर किया गया है, ज्यादातर डेटा खनन पर आधारित हैं, यह सवाल होगा कि भविष्य में भविष्य की मिरर होगी, इसका जवाब शायद हो सकता है हमारे पास 5050 का मौका है। विभिन्न आंकड़ों पर इस पद्धति का अध्ययन करके प्रतिशत बढ़ाया जा सकता है। अगर हम भी इस प्रतिशत में वृद्धि करना चाहते हैं तो हमें यह जानना होगा कि इस पद्धति का कारण क्या है, इस पैटर्न के कारण जानने के कारण हम व्यापार में बढ़ोतरी कर सकते हैं। उदाहरण के लिए, मैं इस धारणा को बनाऊँगा, let8217 का कहना है कि समाचारों के कारण खबरों के कारण हर महीने के पहले शुक्रवार सुबह समाचारों से पहले अपने व्यापार से बाहर निकलते हैं और खबरों के बाद फिर से प्रवेश करते हैं, इसलिए बेचने का एक पैटर्न है और निश्चित समय पर खरीदना हम इस जानकारी का इस्तेमाल किसी तरह के बचाव व्यापार को लागू करके हमारे लाभ के लिए कर सकते हैं ताकि हम समाचार से पहले खरीद और बेचते हैं। तो खबर के बाद, हम जो केवल खरीदना चाहते हैं और जो खरीदना चाहते हैं और न ही 8217 के बारे में खबर के दौरान एक पद धारण करना चाहते हैं और हम कीमत वापस आने तक खरीदी देते हैं, यह आराद की ब्याज दर पर लागू किया जा सकता है, या किसी अन्य स्थापना 8230 ब्लैए ब्लै। यह सिर्फ एक सिद्धांत है मैं इसका इस्तेमाल करने के लिए कह रहा हूं कि बाजार में डर और लालच का समय है। तो कीमत पैटर्न क्या बनाता है डर और लालच, अब अगर हम पैटर्न को अलग करते हैं और पिछली उदाहरण के रूप में इस पद्धति के पीछे के कारण पता है कि खबर से डर या महीने के अंत में खाते का निपटारा। इस तरह बातें। तो हम सिद्धांत में भविष्य में अनुमान लगा सकते हैं कि इस साइट से पहले दो पोस्ट की प्रतिलिपि बनाई जा चुकी है, स्कॉट पर्सिवल के सभी लेख पढ़ने योग्य हैं। उत्कृष्ट थ्रेड मिनीमे हमारे साथ मेटाट्रेडर 5 कॉपीराइट 2000-2016, एमक्यूएल 5 लि। मैटा ट्रेडर विशेषज्ञ सलाहकार डाउनलोड करें क्योंकि अद्वितीय विशेषताओं विभिन्न मुद्रा जोड़े के, कई मात्रात्मक विदेशी मुद्रा रणनीतियों को दिमाग में एक विशिष्ट मुद्रा जोड़ी के साथ बनाया गया है। हालांकि यह कई लाभदायक व्यापारिक रणनीतियों का उत्पादन कर सकता है, लेकिन कई रणनीतियों के विकास के लिए लाभ भी हैं जो कई मुद्रा जोड़े में कारोबार कर सकते हैं। यह विविधीकरण का एक तत्व प्रस्तुत करता है जो एक नकारात्मक स्तर की सुरक्षा प्रदान कर सकता है डैनियल फर्नांडीज ने हाल ही में एक ऐसी प्रणाली प्रकाशित की, जिसमें उन्होंने चार विदेशी मुद्रा कंपनियों में से प्रत्येक पर व्यापार करने के लिए डिज़ाइन किया था। उसका लक्ष्य एक ऐसी प्रणाली को खोजना था, जिसने EURUSD, GBPUSD, USDJPY और USDCHF पर लाभदायक व्यापार का 20 साल का ट्रैक रिकॉर्ड बनाया होता। डैनियल चार विदेशी मुद्रा कंपनियों के व्यापार के लिए एक रणनीति विकसित करने के लिए एक डेटा खनन दृष्टिकोण का उपयोग करता है। अपनी प्रणाली का निर्माण करने के लिए, डैनियल ने अपने डेटा खनन सॉफ्टवेयर का उपयोग एंट्री और एक्जिट संकेतों को परिभाषित करने के लिए किया था जो पिछले 20 वर्षों में चार मुद्रा जोड़े में से प्रत्येक में एक लाभदायक व्यापारिक रणनीति तैयार कर लेगा। वह किस कीमत के साथ आता है, वह तीन मूल्य-आधारित नियमों का एक संयोजन है जो अपने विदेशी मुद्रा मेजर रणनीति की नींव बनाते हैं। डैनियल 8217 की विदेशी मुद्रा मेजर रणनीति डैनियल 8217 फ़ॉरेक्स मेजर रणनीति यह बहुत आसान है कि इसमें हमेशा चारों ओर की मुद्राओं में से प्रत्येक में एक या तो लंबी या छोटी स्थिति होती है। यह दैनिक चार्ट्स पर अपने सभी ट्रेडों को आधार बनाता है। निम्नलिखित तीन स्थितियां पूरी की जाने पर रणनीति लंबे समय तक होती है: निम्नलिखित तीन शर्तें पूरी होने पर रणनीति कम हो जाती है: जैसा कि आप देख सकते हैं, रणनीति मूल रूप से रणनीति के बाद एक अनुकूलित प्रवृत्ति है। यह समझ में आता है, क्योंकि डैनियल ने अपने लेख की शुरुआत में कहा है कि लंबी अवधि की प्रवृत्ति आम तौर पर कई बाजारों के व्यापार के लिए सबसे अच्छी रणनीति है। एक अतिरिक्त नियम है कि डैनियल 8217 की रणनीति का उपयोग एटीआर-आधारित स्टॉप-लॉसन है। निर्धारित स्टॉप-लॉस 20 दिनों के एटीआर 180 में सेट किया गया है। यदि स्टॉप-लॉस शुरू हो गया है, तो रणनीति बाजार के बाहर रहता है जब तक कि विपरीत दिशा में कोई संकेत उत्पन्न नहीं हो जाता है। परीक्षण से पता चलता है कि एक ही दिशा में एक संकेत पर फिर से दर्ज करने से नकारात्मक प्रदर्शन प्रभावित होता है। बैकटेस्टिंग प्रदर्शन डैनियल ने अपने पद में शामिल बैकटेस्टिंग परिणाम दिखाते हैं कि रणनीति काफी लाभदायक थी। इसमें 45 का एक जीत अनुपात, 1.38 का मुनाफा घटक, और 1.68 के अनुपात में जोखिम का इनाम है। रणनीति के बारे में डैनियल 8217 की सबसे बड़ी चिंता यह थी कि अधिकतम ड्रॉडाउन अवधि में बहुत लंबे समय का प्रतिनिधित्व किया गया था। डैनियल 8217 के आंकड़ों के अनुसार, औसत वार्षिक रिटर्न 9.67 था। इसमें 16 मुनाफे वाले वर्ष, 4 साल के खोने और एक साल भी शामिल थे जो मूल रूप से तोड़ भी गए थे। सबसे अच्छा साल 37.76 की वापसी थी, और सबसे खराब वर्ष 20.2 का नुकसान था। डैनियल ने नोट किया था कि अधिकतम प्रणाली के मुकाबले उसके रिटर्न के कारण यह प्रणाली एक अच्छी स्वसंपूर्ण रणनीति का प्रतिनिधित्व नहीं करेगी। हालांकि, उन्होंने सुझाव दिया कि यह एक बड़ी, मल्टी सिस्टम रणनीति का एक दिलचस्प टुकड़ा हो सकता है