Суслик есть или нет. Сравнение RSI, Random и ИИ (ML DL DNN LSTM) в трейдинге
Именно такое название хотелось обозначить и закрыть свой “гештальт” в вопросе целесообразности (эффективности) использования каких либо “индюков” (индикаторы) или ML/DL при предсказании (найти в хаосе тренд) будущей цены на валютных парах.
Наверное, много, кто “гонял” оптимизатор и история, чтобы найти оптимальные параметры на какой-то срок, потом круг повторялся, когда все ломалось. Мне надоело, так делать и мне хотелось, чтобы механизм нейронных сетей (ML/DL) делал это за меня и за тестер. Так, начал свой “ресерч” (мне было очень интересно сравнить разные сигналы в одинаковых условиях ТС), потом забрасывал на годы, потом пересматривал и вот наконец, все таки, “добил” и оно “заработало”.
Предлагаю выбрать (LSTM, DNN_v1, RSI, DNN_v2, Random) и написать свой ответ в комментариях, какому варианту результата соответствует данный график Equity:
Как проходило тестирование
Практически в стерильных лабораторных условиях, подавались сигналы с одной стороны, а с другой стороны терминал Metatrader 5 выставлял ордера в сторону сигнала. Период тестирования: 01.01.2025 — 06.09.2026
Принципы торговой системы
- Только отложенные ордера +- 1% от цены.
- Стоплосс (SL) и тейкпрофит (TP) 1к3, а именно 5% и 15% от текущей цены. Значения были выбраны случайно и интуитивно без какой-либо привязки к волатильности.
- Валютная пара EURUSD, как самая популярная.
- Таймфрейм графика H4.
Технологический стек
- Терминал #Metatrader 5 от Альпари и от Альфа-Форекс.
- Самописный эксперт (#MQL5) для приема сигнала и исполнения правил торговой системы (ТС).
- Библиотека R64.dll для выгрузки данных в память (буфер) и приема сигналов. А также для дальнейшего использования в #RStudio (#R), чтобы проводить анализ, подготовку, перестроение моделей и генерацию сигналов. Можно обмениваться не только из терминала Metatrader данными с помощью этой библиотеки.
- #RTerm ® консоль, где исполнялись скрипты подготовленные в RStudio из Metatrader через dll библиотеку.
- Библиотека #Reticulate для обращения к Python из RTerm.
- Самописные скрипты R для обработки, анализа, подготовки данных для обучения и возврата сигналов в #MT5.
- Библиотеки для работы с нейросетями: #deepnet, #keras, #tensorflow (2.15), #TTR, #markovchain и другие.
- Используемые виды нейронных сетей: DNN (deepnet), DNN (tensorflow) и LSTM (tensorflow).
Оборудование
Одно мобильное ядро 2.2Ghz Alder-Lake-H и 1Gb DDR. #CUDA видео ускорителя задействованы не были.
Индикаторы в MT5Обычный RSI с дневным периодом = 14, 30/70.
Настройки сетейНастройки специальным образом не подбирались. Просто, так подумалось.
- Обучение с учителем = Да
- Эпох обучения = 300
- Слоев = 3
- Нейронов в слое = 70
- Learning rate = 0.0001 (LR)
- Использовать кросс валидацию = Да (только keras)
- Использовать Reduce LR = Да (только в keras)
- Число классификаций = 2 (-1 и 1, продать и купить)
- Метод классификации = ZZ (ZigZag)
- Модель оптимизации = Adam (только keras)
- Функция активации = ReLu (tanh в deepnet)
- batchsize = 50
- Окно для LSTM = 10
- Выборка = 2000 бар (H4), ratio = 0.8
- Переобучение модели: каждые 7 дней
№ 1
№ 2
№ 3
№ 4
№ 5
Расшифровка
№1 — Библиотека Deepnet (2), модель #DNN, avg accurancy = 0.51 — 0.63
№2 — Библиотека Deepnet (1), модель #DNN, avg accurancy = 0.51 — 0.63
№3 — Функция Random
№4 — Индикатор RSI
№5 — Библиотека Tensorflow, модель #LSTM, avg accurancy = 0.51 — 0.69
Ссылка на архив с результатами в формате Excel — https://disk.yandex.ru/d/BeK5qiod9z8_iw
ИтогоЯ “суслика” не разглядел, может быть не там искал, может быть не тем инструментом, возможно нужно изменить параметры самой ТС. Но то, что это неэффективно в плане вычислительных ресурсов и результата (“выхлопа”), факт.
Был ли у вас какой либо положительных или отрицательных опыт, поделитесь.
Вот сколько делаю роботов для алго торговли, но практически всё херня. Где руками норм, там робот сливает. Очень трудно вбить в голову железяке где можно войти, а где пропустить.
Боле менее по доходности это парный симбиоз человек + робот. Человек видит где условие оптимально для входа в рынок и даёт роботу команду на ожидание.
Когда же позволяешь глупой железяке торговать самостоятельно, то результат на истории весьма удручающий.
И да, для робота совершенно не уместно запускать алгоритм достижения тейка в три раза большего нежели стоп. Это исключительно прерогатива ручной торговли.
Более оптимальным будет устанавливать обычный трейлинг с определённым отступом стоп линии от цены. Это наиболее подходяще для алгометрической торговли — схватил и тикать.
У меня каждую неделю обкатывается новый робот, сначала по истории, а после в реале. Каждый в неделю, позволяет наколотить 1 — 2 процента к депозиту при входе до 2% на сделку, но там совершенно другие без индикаторные алгоритмы. Для робота чем проще логика, тем лучше он торгует.
Вот только направление движения всё таки требуется выбирать вручную. Здесь машина очень сильно лагает. В своё время пробовал всё это привязать к АТР, и ещё нескольким индикаторам, но всё равно всё это ерунда.
И ещё момент. В роботе желательно поставить функцию где он открывает позицию, тянет её до закрытия и вырубается в ожидании ручного подтверждения своего следующего запуска. Одно только это позволяет избежать чертовски много нежелательных точек открытия позиций.