Momentum trading system afl no Brasil

Índice de Momentum Relativo é um oscilador de momentário normalizado semelhante ao RSI e varia entre 0 e 100. Ele destina-se a ajudar a determinar a força das tendências de preços e também a destacar os potenciais níveis de sobrecompração e sobrevenda do mercado a curto prazo. Quando os mercados estão em forte tendência, o RMI permanecerá em níveis de sobrecompra ou sobrevenda por algum tempo. Ele, de outra forma, oscila entre um nível de sobrecompra de 70 a 90 e um nível de sobrevenda de 10 a 30. Como o RMI é baseado no RSI. Muitos dos mesmos métodos de interpretação do RSI podem ser aplicados. Exemplo: rmi (14, 4) cria o valor do Índice de Momentum Relativo por 14 dias usando um impulso de quatro dias. Dias (Períodos): Um valor inteiro que identifica o número de dias a serem incluídos no cálculo. Momentum. Um valor inteiro que identifica o período de momentum. Como mencionado, o RMI é uma variação do indicador RSI. Em vez de contar para cima e para baixo dias de perto para perto como o RSI faz, o RMI conta os dias em cima e para baixo do próximo relativo ao próximo x-dias atrás (onde x não é necessariamente 1 conforme exigido pelo RSI). Como o nome do indicador reflete, 8220momentum8221 é substituído por 8220strength.8221 Tags: oscilador, sistema de negociação, amibroker Enviado por kaiji há quase 7 anos Fórmulas semelhantesWiseTrader Toolbox Redes de Neurais para Amibroker (AFL) A caixa de ferramentas WiseTrader adiciona tecnologia de previsão avançada de rede neural ao Amibroker plataforma. Juntamente com a linguagem de fórmula poderosa Amibrokers, agora você pode criar sistemas comerciais inteligentes alimentados por redes neurais avançadas. A caixa de ferramentas WiseTrader adiciona dois tipos diferentes de redes neurais à plataforma Amibroker: 1. As redes neurais tradicionais que são treinadas em um número fixo de barras 2. A versão adaptativa walk-forward que reestrutura em cada nova barra. A caixa de ferramentas do WiseTrader também vem com dois algoritmos de aprendizado diferentes: propagação de impulso padrão e um algoritmo de aprendizagem adaptável de propagação rápida mais avançado com convergência mais rápida. As redes neurais são acessíveis através de algumas chamadas de função AFL simples e vem com documentação completa para você começar. Com a caixa de ferramentas WiseTrader, você pode facilmente transformar os indicadores de atraso em indicadores avançados suaves. Faça o download do seguinte exemplo de um indicador RSI líder criado com a caixa de ferramentas e experimente por você mesmo: Redes de Neve Adaptive Walk-Forward O seguinte AFL demonstra como as redes neurais adaptativas podem ser usadas para prever o preço de fechamento de um estoque de uma barra à frente. Note-se que este é um exemplo simples, apenas para demonstrar como funcionam as redes neurais adaptativas. Uma melhor previsão usaria outros índices de mercado e talvez dados econômicos para obter uma previsão mais precisa. Use todas as barras SetBarsRequired (99999. 99999) Use o algoritmo de aprendizagem adaptativo SetLearningAlgorithm (1) Treine e computa uma rede neural adaptativa res NeuralNetworkIndicator9 (i1, i2, i3, i4, i5, i6, i7, i8, O1, FullName () 100. 1) Plot (res, DEFAULTNAME (), colorRed. StyleLine) Calcule a precisão para as recentes 100 barras Precisão do título: (Soma (IIf ((Ref (C.1) gt C) (res gt Ref (res, - 1 )), 1. 0), 100)) Limpar EnableProgress () RestoreDefaults () ClearNeuralNetworkInputs () Quando a fórmula acima começa a treinar, você deve ver a seguinte caixa de diálogo de progresso para informar o progresso da computação: Você pode parar e continuar Treinando em qualquer momento porque todos os cálculos de rede neural adaptativos são armazenados na memória interna dos plugins e apenas calculam tanto quanto é necessário para que ele possa ser usado em sua negociação em tempo real, já que a rede neural só irá treinar e prever a última barra. Redes Neurais Gerais As outras funções de rede neural permitem que você treine uma rede neural e guarde-a em um arquivo para executar posteriormente ou mesmo gerar código AFL diretamente. A capacidade de converter uma rede neural treinada para o código AFL é o primeiro de seu tipo, não disponível em nenhum outro lugar. A próxima fórmula é um exemplo simples de criar um indicador de detecção de tendências usando redes neurais. Use todos os dados disponíveis para treinamento SetBarsRequired (99999. 99999) Defina o valor de semente da rede neural O mesmo valor de semente produzirá a mesma rede neural cada vez que SetSeed (20) Use o algoritmo de aprendizagem adaptativa SetLearningAlgorithm (1) Treine a rede neural para 2000 iterations SetMaximumEpochs (2000) Defina o número de camadas ocultas na rede neural SetNetworkLayer2 (20. 20) Detecção de tendências (olha para o futuro). É isso que queremos prever. Você pode definir o que quiser aqui. Qualquer coisa que você possa imaginar pode usar aqui porque a rede neural treinada não olhará para o futuro. Out1 Ref (Zig (C.10), - 1) lt Zig (C.10) Adicione as entradas para a rede neural. Usando esse método, você pode adicionar tantas entradas de rede neural como você deseja (i 5 i lt 20 i) AddNeuralNetworkInput (VariablePeriodRSI (C. I)) AddNeuralNetworkInput (VariablePeriodRSI (Ref (C.1 - 1), i)) AddNeuralNetworkInput (VariablePeriodRSI (Ref (C.2), i)) A última entrada adicionada é a nossa saída desejada ou a tendência AddNeuralNetworkInput (Out1) Elimine a rede neural se já houver outro fdelete (WiseTraderToolboxNeuralNetworkTrendDetection) Comece a treinar a rede neural TrainMultiInputNeuralNetwork (TrendDetection) Limpe o Adicionou entradas e restaure valores padrão EnableProgress () RestoreDefaults () ClearNeuralNetworkInputs () Quando você executa a fórmula acima, você deve ver uma caixa de diálogo de progresso de treinamento. Quando a fórmula acima terminar de executar, você pode usar a versão AFL gerada do indicador para executar a rede neural ou simplesmente executar a rede neural a partir do arquivo. O próximo exemplo executará a rede neural a partir do arquivo porque a fórmula gerada é muito grande para postar aqui. Adicione as entradas da rede neural para (i 5 i lt 20 i) AddNeuralNetworkInput (VariablePeriodRSI (C. I)) AddNeuralNetworkInput (VariablePeriodRSI (Ref (C.1 - 1), i)) AddNeuralNetworkInput (VariablePeriodRSI (Ref (C.2) I)) Execute a rede neural a partir do arquivo res RunMultiInputNeuralNetwork (TrendDetection) Trace o resultado da rede neural. Plot (res, DEFAULTNAME (), colorRed. StyleLine) Os exemplos acima são exemplos simples de como as redes neurais podem ser usadas. Com a plataforma Amibroker e a caixa de ferramentas WiseTrader, quase tudo o que outras plataformas de rede neural podem fazer pode ser feito e muito mais. Por exemplo, é simples usar o otimizador para desenvolver redes neurais e encontrar a arquitetura de melhor desempenho. Você também pode tentar e criar indicadores de atraso zero, deslocando-os para a frente e tentando prever o resultado.