پیش‌بینی‌ها را از سفارش‌ها جدا کنید
سیگنال جهت و میزان اطمینان را بیان میکند. اندازه موقعیت، بازمتعادلسازی و اجرا تعیین میکنند که این پیشبینی چگونه به یک استراتژی معاملاتی تبدیل شود.
آلفا و سیگنال‌ها
پیشبینی پشت استراتژی را پیدا کنید
عامل‌های هوش مصنوعی فرضیه‌های معاملاتی و کد استراتژی را توسعه می‌دهند. Stratmill همچنین مؤلفه‌های پژوهش سیگنال را دربر می‌گیرد که پیش‌بینی‌ها را ارزیابی میکنند، گردش معاملات و هزینه‌ها را در نظر می‌گیرند و سیگنال‌ها را تحت یک مدل ریسک مشترک ترکیب میکنند.
هر ارزیابی در صفحهٔ Alpha Signals فضای کاری شما فهرست میشود. دفترچه‌های سیگنال ترکیبی همچنان از قابلیت‌های موتور هستند.
signal_evaluation.pyresult = evaluate_signal(
forecast, next_return,
round_trip_cost=cost,
)
net_edge = result.net_edge
نمونه‌ی نمایشی · نه یک نتیجه‌ی زنده
تصویرسازی تعاملی
یک پیشبینی را تا رسیدن به نتیجه دنبال کنید.
یک ایده تولیدشده توسط هوش مصنوعی به شواهد قابل‌اندازه‌گیری نیاز دارد. مشاهدات پیاپی را آشکار کنید تا امتیاز پیشبینی را با بازدهی حاصل از آن مقایسه کنید.
یک رابطه، نقطهٔ شروع است.
همبستگی مثبت در این نمونهٔ کوچک، بهتنهایی وجود یک مزیت معاملاتی قابل‌استفاده را ثابت نمی‌کند. پیش از ترکیب سیگنال‌ها، افق پیشبینی، نمونه‌های مستقل، گردش معاملات و هزینه‌ها را بررسی کنید.
پیشبینی و نتیجهٔ بعدیمشاهدهٔ انتخاب‌شده
بازدهی کندل بعدی (%)
امتیاز پیشبینی
- مشاهدات
- همبستگی نمونه (IC)
- آخرین بازدهی
مشاهدات نخست فقط برآوردی شکننده ارائه میکنند.
مشاهدات جدید میتوانند رابطهٔ ظاهری را تضعیف کنند.
پیش از نتیجهگیری، کل نمونه و عدمقطعیت آن را بررسی کنید.
درون آلفا و سیگنال‌ها.
بررسی کنید این مرحله چگونه به کارخانه استراتژی‌های معاملاتی هوش مصنوعی کمک میکند.
آنچه پس از کسر هزینه‌ها باقی می‌ماند را اندازه‌گیری کنید
ارزیابی سیگنال ضریب اطلاعات، شواهد آماری، گردش معاملات، مزیت خالص و همبستگی با پیشبینیهای موجود را در نظر می‌گیرد.
ایده‌های ردشده را نگه دارید
کتابخانهٔ سیگنال هر حکم ارزیابی، از جمله موارد ردشده، را ثبت میکند و صفحهٔ Alpha Signals آنها را نمایش میدهد. پیشبینیای که پس از کسر هزینه‌ها از میان می‌رود، نتیجهٔ پژوهشی مفیدی است.
از یک اثر تا یک کتاب سیگنال ترکیبی.
یک پیشبینی ممکن است بهتنهایی مفید باشد، اما ارزش کمی به کتابی اضافه کند که همین مواجهه را از قبل دارد. هم اطلاعات آن و هم سهمش را ارزیابی کنید.
فرضیه
اثر پیشنهادی و افق پیشبینی را تعریف کنید.
ارزیابی
اطلاعات، گردش معاملات و مزیت خالص را اندازه‌گیری کنید.
ترکیب
به پیش‌بینی‌ها وزن دهید و مواجهه ترکیبی را اندازه‌گذاری کنید.
انتساب
سهم‌ها را بررسی کنید و آنها را با حالتی که سیگنال حذف شده است مقایسه کنید.
شواهد سیگنال را یکجا بخوانید.
هیچ آمار منفردی یک پیشبینی را به استراتژی تأییدشده تبدیل نمی‌کند. ارزیابی سیگنال پیش از راستیآزمایی استراتژی، بکتست و بررسی انتشار انجام میشود.
برای دیدن همه ستون‌ها به‌صورت افقی پیمایش کنید.
| معیار | به چه پرسشی پاسخ میدهد | چه چیزی را باید زیر نظر داشت |
|---|---|---|
| ضریب اطلاعات | آیا پیشبینی با بازده‌های بعدی هم‌راستا است؟ | اندازه نمونه، عدمقطعیت و افق پیشبینی. |
| گردش معاملات و مزیت خالص | آیا اثر برآوردشده پس از هزینه پیروی از آن همچنان باقی می‌ماند؟ | هزینه‌های معامله و تغییرات پیش‌بینی‌ها میتوانند مزیت ناخالص را از بین ببرند. |
| همبستگی | آیا این پیشبینی شبیه پیشبینیای است که از قبل در کتاب وجود دارد؟ | نامی متفاوت همچنان می‌تواند همان شرط‌بندی زیربنایی را توصیف کند. |
| سهم | نتیجه کتاب ترکیبی چگونه میان سیگنال‌های آن تخصیص می‌یابد؟ | انتساب ثبت‌شده یک تخصیص است؛ برای بررسی اثر نهایی سیگنال، یک اجرا بدون آن را مقایسه کنید. |
پرسش‌ها، پاسخ داده شده.
پرسش‌ها و پاسخ‌های بیشترآلفا در اینجا به چه معناست؟
پژوهش آلفا به دنبال اثری پیشبینانه است که بتواند فراتر از یک مواجهه یا معیار موجود، به بازده کمک کند. فرضیه آلفا ادعایی برای آزمون است، نه وعدهای برای بازده مازاد.
ارزیابی سیگنالهایم را کجا ببینم؟
در صفحهٔ Alpha Signals فضای کاریتان، یعنی کتابخانهٔ سیگنال. این صفحه همهٔ ارزیابیهای پیشبینیای را که خط لوله برای راهبردهای شما ثبت کرده است، چه پذیرفته شده باشند چه رد، همراه با ضریب اطلاعات، برتری ناخالص و خالص بهازای هر دوره، هزینه، افق و حکم ارزیابی فهرست میکند. بر اساس مرحله یا حکم فیلتر کنید، راهبرد یا ابزار را جستوجو کنید و به راهبردهای پلتفرم بروید؛ ارزیابیهای آنها برای همهٔ کاربران واردشده قابلخواندن است.
صفحهٔ Alpha Signals کدام مراحل ارزیابی را نمایش میدهد؟
سه مرحله. خط پایه نخستین بکتست کامل است، پیش از هرگونه بازبینی یا تنظیم. بازپخش بهینهشده، پارامترهای بهینهشده را روی دادههایی بازپخش میکند که برای تنظیمشان استفاده شدهاند؛ بنابراین دروننمونهای است و هرگز شاهد بروننمونهای محسوب نمیشود. آزمون نهایی تنها یکبار روی پنجرهٔ نهاییِ کنارگذاشتهشده انجام میشود و نتیجهاش، چه راهبرد قبول شود چه نه، حفظ میشود.
آیا اینها همان شاخصهای زنده بازار هستند؟
خیر. شاخصهای زنده بازار شرایط کنونی بازار را توصیف میکنند. سیگنال پژوهشی یک پیشبینی است که در برابر نتایج بعدی ارزیابی میشود؛ یک شاخص بهتنهایی مدرکی برای وجود مزیت معاملاتی نیست.
آیا چند سیگنال میتوانند یک استراتژی را به اشتراک بگذارند؟
مؤلفهٔ دفتر سیگنال، پیشبینیهای وزندهیشده را در یک موقعیت واحد ترکیب میکند و ریسک و بازمتعادلسازی آن را مدیریت میکند.
آیا سیگنال پذیرفتهشده مستقیماً وارد معاملات زنده میشود؟
خیر. پذیرش سیگنال یک نتیجهگیری پژوهشی است. استراتژی حاصل همچنان به راستیآزمایی، آزمون، بازبینی و پذیرش برای معاملات آزمایشی نیاز دارد؛ اجرای واقعی علاوه بر اینها مستلزم مجوز مختص حساب و بررسیهای عملیاتی است.
آیا انتساب ثابت میکند که یک سیگنال باعث ایجاد بازده شده است؟
خیر. کتاب، تخصیصی سهممحور از سود و زیان را ثبت میکند. مقایسه با سیگنال و بدون آن دیدگاه دیگری درباره سهم سیگنال ارائه میدهد، اما هیچکدام عدمقطعیت درباره رفتار آینده را از بین نمیبرند.
گردش‌کار مرتبط را بررسی کنید.
ببینید عامل‌های هوش مصنوعی، موتورهای آزمون و کنترل‌های اجرا چگونه در سراسر کارخانه استراتژی با یکدیگر کار میکنند.
Stratmill یک پلتفرم استراتژی‌های معاملاتی مبتنی بر هوش مصنوعی است، نه مشاوره مالی یا کارگزاری. نتایج پس‌آزمایی و معاملات کاغذی فرضی هستند. معامله‌گری با خطر زیان همراه است.