سوْال لمن له تجربة

السلام عليكم

الكثير يعلم ان الفوركس شبه عشوائي وقد يوجد به نظام بنسبة صغيرة نحاول ان نجد طريقة لاستغلال هذه النسبة وسط كم هائل من الحركة العشوائية.

وتوجد طرق عديدة للتنبوء بالبيانات الخاصة بالسلاسل الزمنية منها طرق استخراج معادلات احصائية ومنها شبكات عصبية تنبؤية . ولكن لسوء الحظ فإن تلك الطرق لاتنجح مع البيانات العشوائية وتنجح فقط مع الحركة التي يوجد بها نوع من النظام.

فلو تم تنظيم شارت الفوركس الى مجموعات كل مجموعة تحتوي على بيانات تاريخية تشبه بعضها .
مثلا مجموعة كل البيانات التاريخية بها ترند صاعد ومجموعة كل البيانات التاريخية ترند نازل ومجموعة كل البيانات التاريخية تذبذب ومجموعة حركة اخرى محددة............ الخ

وبعدها تم استعمال الطرق التنبؤية السابق ذكرها على كل مجموعة منفصلة، فهل ممكن ان يكون التنبوء اكثر دقة وبإمكاننا ان نستخرج جزء صغير من النظام وسط الكم الهائل من الحركة العشوائية ؟

:016:

وعليكم السلام ورحمة الله وبركاته
فكرة مميزه جدا لو أخذنا لو كنت فهمت ما تقصده على سبيل المثال الهارمونيك أو النماذج الفنيه أو موجات إليوت أليس هذا ما يطبق فعليا عن طريق دراسات تاريخيه سابقه لحركة الشارت المختلفه وبناء عليه تم تحديد نماذج متكرره

ممكن توضح لي رأيك وما المختلف بالنسبه للفكره التي تقصدها أو تجعلها أكثر قوه

اقتباس:

---

المشاركة الأصلية كتبت بواسطة MR.dollar

وعليكم السلام ورحمة الله وبركاته
فكرة مميزه جدا لو أخذنا لو كنت فهمت ما تقصده على سبيل المثال الهارمونيك أو النماذج الفنيه أو موجات إليوت أليس هذا ما يطبق فعليا عن طريق دراسات تاريخيه سابقه لحركة الشارت المختلفه وبناء عليه تم تحديد نماذج متكرره

ممكن توضح لي رأيك وما المختلف بالنسبه للفكره التي تقصدها أو تجعلها أكثر قوه

---

نعم انا اقصد كل ماقلت ولكن بتوسع اكثر بحيث يتم حساب حركة العملة لأخر 5 شمعات او 10 شمعات مثلاً ووضعها مع مجموعة لوحدها تشمل كل الحركات الشبيهة لهذه الشمعات سواء كانت هرمونك او موجات يوت او ترند او حتى تذبذب عشوائي . وبعد ذلك تبدأ مرحلة التنبؤ باتجاه السعر الجديد بناء على البيانات التاريخية الموجودة بكل مجموعة.

ولأوضح بشكل تفصيلي أكثر كيف يمكن عمل ذلك.

فيمكن تقسيم الشارت ووضع كل حركة عملة بمجموعة لوحدها عن طريق شبكة كوهون العصبية مثلاً والتي يستفاد منها بتصنيف البيانات.

والبرنامج التالي عملته ليوضح الفكرة ستلاحظ أن البيانات رقم C,F,I جمعها لوحدها لانها متشابهه والبيانات A,G,D جمعت لوحدها لانها متشابهه والبيانات E,H,B جمعت هي الاخرى لوحدها.

سيصبح الأن لدينا مجموعات عديدة منها مجموعة على شكل هرمونك ومنها مجموعة على شكل تذبذب ومنها مجموعة على شكل موجة يوت صاعدة...........الخ

المرحلة التالية هي استبعاد المجموعات التي يوجد بها عشوائية بالتنبؤ والابقاء على المجموعات التي يكون التنبؤ بها مستقر. وعندما تحصل فرصة جديدة يتم الرجوع الى المجموعات المصنفة والنظر هل هي مجموعة تنبؤها عشوائي مستبعد أم لا.

لا أعلم ممكن تنجح هذه الطريقة ام لا ولكن أظن أن من جرب المتاجرة على النماذج مثل موجات اليوت والهرمونك وغيرها يدوي هو أعلم مني بذلك.

هذه الطريقة ليست مثل الطرق العادية التي تستخدمها الشبكات العصبية بالتنبؤ لأن الشبكات العصبية تنقسم الى:
1- شبكات خاصة بتنظيم البيانات وايجاد الشبه بينهما مثل شبكة كوهون وتستعمل بكاميرات المراقبة ببعض المطارات لتسجيل ملامح الوجه للمسافرين وتسجيل معلومات عنهم عن عدد مرات زيارتهم للمطار.

2-شبكات خاصة بالتنبؤ مثل Delta bar Delta و Feed forword netruls network أو قد يستعمل معادلات أحصائية عادية.

وكل الشبكات التي صادفتني بالفوركس والمنتديات هي تنبؤ مباشر دون أن يسبقه تنظيم للبيانات.

فكرة ممتازة أخى و غير تقليدية...إستمر فيها وفقك الله...أنا مفتقد المواضيع دى من زمان.

اقتباس:

---

المشاركة الأصلية كتبت بواسطة AlTair

فكرة ممتازة أخى و غير تقليدية...إستمر فيها وفقك الله...أنا مفتقد المواضيع دى من زمان.

---

الله يجعلك من سكان الجنة.
نعم ولكنها بحاجة الى أختبار وعمل مؤشر لها يختبرها على الشارت ويصنف البيانات وربما تكون بحاجة الى أدخال البيانات الاقتصادية للأخبار ايضاً كي تنجح الفكرة.

اقتباس:

---

المشاركة الأصلية كتبت بواسطة tradingsystem

سيصبح الأن لدينا مجموعات عديدة منها مجموعة على شكل هرمونك ومنها مجموعة على شكل تذبذب ومنها مجموعة على شكل موجة يوت صاعدة...........الخ

المرحلة التالية هي استبعاد المجموعات التي يوجد بها عشوائية بالتنبؤ والابقاء على المجموعات التي يكون التنبؤ بها مستقر. وعندما تحصل فرصة جديدة يتم الرجوع الى المجموعات المصنفة والنظر هل هي مجموعة تنبؤها عشوائي مستبعد أم لا.

لا أعلم ممكن تنجح هذه الطريقة ام لا ولكن أظن أن من جرب المتاجرة على النماذج مثل موجات اليوت والهرمونك وغيرها يدوي هو أعلم مني بذلك.

هذه الطريقة ليست مثل الطرق العادية التي تستخدمها الشبكات العصبية بالتنبؤ لأن الشبكات العصبية تنقسم الى:
1- شبكات خاصة بتنظيم البيانات وايجاد الشبه بينهما مثل شبكة كوهون وتستعمل بكاميرات المراقبة ببعض المطارات لتسجيل ملامح الوجه للمسافرين وتسجيل معلومات عنهم عن عدد مرات زيارتهم للمطار.

2-شبكات خاصة بالتنبؤ مثل Delta bar Delta و Feed forword netruls network أو قد يستعمل معادلات أحصائية عادية.

وكل الشبكات التي صادفتني بالفوركس والمنتديات هي تنبؤ مباشر دون أن يسبقه تنظيم للبيانات.

---

بناء على المشاركات السابقه لو أردنا وضع شروط قابله للتطبيق على الشارت لتصنيف البيانات إلى مجموعات
مثلا الترند الصاعد والهابط ما هي الشروط التي ستستخدمها ؟

اقتباس:

---

المشاركة الأصلية كتبت بواسطة MR.dollar

بناء على المشاركات السابقه لو أردنا وضع شروط قابله للتطبيق على الشارت لتصنيف البيانات إلى مجموعات
مثلا الترند الصاعد والهابط ما هي الشروط التي ستستخدمها ؟

---

سوف أقوم بتلخيص الشروط الممكن عملها لنصنف البيانات على الشارت.

بالبداية سوف يكون عندنا نموذج للشمعات ال 30 السابقة أو لل 50 شمعة السابقة مثلاً على شكل موجة يوت أو ترند أو تذبذب أو .........الخ ونريد أن نبحث عن جميع النماذج الشبيهة بمدى 2000 شمعة سابقة مثلاً.

1- نحتاج أن نمثل النموذج على شكل مجموعة من الأرقام مثلاً 30 رقم وكل رقم قيمته من 0 الى 1 قد يكون 0.1 او 0.6 او 0.2554 .......الخ.

2-بهذا المثال مثلاً سنستعمل الموفنج 7 simple close لتقريب وصف الشكل ونحسب ال 30 رقم (المستعملة لوصف النموذج) كالتالي :

بالشمعة السابقة وجدنا قيمة الموفنج 1.0627 وقبل السابقة 1.0630 فيكون المدخل الأول

كود:

---

x1=(1.0627-1.0630)*1000=-0.3

---

وضربنا ب 1000 لاننا نريد ان نحول الارقام الى قيم بين 0 الى 1 وجميع المدخلات سنضربها ب 1000.

بنفس الطريقة نحسب x2
نفس الحسبة السابقة ولكن للشمعة قبل السابقة مع قبل قبل السابقة ونستمر بهذا التسلسل حتى نحصل على 30 مدخل يمثل الشكل.

فتكون الارقام بالنهاية مثلاً كالتالي وهي تعني شكل محدد .

كود:

---

-0.3  0.2  0.6  0.1    0.3  0.6  -0.3  0.3  0.9  0.5  0.4  0.7

---

يتبع...

الأن سوف نقوم بتجميع مدخلات ال 30 شمعة للبيانات التاريخية جميعاً حتى 2000 أو 5000 شمعة سابقة بحيث كل 30 شمعة تجمع مدخلاتها لوحدها بنفس الطريقة السابقة وذلك تمهيداً للبحث عن جميع الأشكال الشبيهة . وهذا طبعاً لن يتم الا بالبرمجة نظراً لطول الحسابات.


يتبع...........

بعد أن حولنا أشكال الشارت الى مجموعات من الأرقام كل مجموعة مكونة من 30 رقم وهي تعني شكل محدد ترند أو تذبذب أو هرمونك أو موجة يوت..............الخ

سوف نقوم الأن بالبحث عن جميع الأشكال الشبيهة وأحدى الطرق المستعملة لإيجاد الاشكال الشبيهة تسمى (خوارزم كوهون للتعليم الذاتي الغير موجه) والتي سأوضحها تفصيلياً بالمشاركات القادمة.

وتوجد طرق اخرى ايضاً.

نفرض أن عدد المدخلات هي 30 مدخل من x1 الى x30 وعدد العينات 500 عينة .

يعني الأن لدينا نموذج بال30 شمعة الأخيرة ونريد أن نجد أقرب 10 عينات شبيهة لهذا النموذج أو حتى أقرب 30 عينة شبيهة من عينات مجموعها 500 عينة ( وكل عينة تمثل شكل على الشارت موجود بالبيانات التاريخية).

خوارزم كوهون سيطبق بالخطوات التالية:

1- نحدد عدد عصبونات الطبقة الوسطى وأنا أفضل أن يكون ضعف عدد المدخلات فمثلاً لو كانت المدخلات عددها 30 ستكون عصبونات الطبقة الوسطى 60 وممكن تجريب اعداد اخرى تعطي نتائج أفضل.

2- نحسب الأوزان Wij بقيم عشوائية صغيرة من 0 الى 1 وعددها يساوي عدد المدخلات مضروب بعدد عصبونات الطبقة الوسطى.

3- نحسب المسافات Dj لكل عصبون بالطبقة الوسطى حيث j تعني رقم العصبون 1 او 2 او 3 .......الى عدد عصبونات الطبقة الوسطى.

كود:

---

D1=Sqar((x1 - w11)2 + (x2 -w21)2+(x3-w31)2......................(x30-w30 1)2 )

---

Sqar أقصد بها الجذر التربيعي.
وبعد ذلك نحسب D2 (المسافة للعصبون التاني بالطبقة الوسطى).

كود:

---

D2=Sqar((x1 - w12)2 + (x2 -w22)2+(x3-w32)2......................(x30-w30 2)2 )

---

ونستمر بنفس الطريقة حتى D60 وذلك لاننا فرضنا عدد عدد مدخلات الطبقة الوسطى 60.

وبعد ذلك نجد أقل مسافة من D1 الى D60 ولتكن D5 فيكون 5 هو العصبون الفائز والذي سنصحح الأوزان عليه.


نحسب DWij

كود:

---

DWij=S * (xi - wij)

---

حيث S = قيمة بين 0 الى 1 ويفضل الايزيد عن 0.1

فيكون بهذا المثال

كود:

---

DW15= S * (X1 - W15)

---

كود:

---

DW25= S * (X2 - W25)

---

ونستمر حتى DW30 60

اما لباقي العصبونات الغير فائزة فيكون DW=0

مثلاً

كود:

---

DW11=0

---

كود:

---

DW13=0

---

ونعدل الاوزان جميعاً

كود:

---

Wij(t+1)=Wij(t)+DWij(t)

---

ونكرر هذه الحسابات حتى 100 تكرار أو حتى 10000 تكرار حتى تتنظم البيانات.
سيكون لدينا بالنهاية المسافات لكل عينة من ال 500 عينة مثلاً كالتالي:

كود:

---

D5(1)=50  D5(2)=30  D5(50)=49

---

فرضنا هنا أن المسافة للعينة 1 تساوي 50 وللعينة رقم 2 تساوي 30 وللعينة رقم 50 تساوي 49 فيكون أقرب شكل للعينة 1 هو الشكل بالعينة 50 وذلك لأن المسافة أقرب.

وممكن أن نعلم ذلك برمجياً وذلك بطرح المسافة للعينة السابقة من المسافات لل 500 عينة ونجعلهم ارقام موجبة ثم نرتب جميع الارقام ترتيب تصاعدي فنحصل على العينات الشبيهة للعينة السابقة بالترتيب الاقرب فالأكثر قرباً.

وبهذا الكتاب المكون من 22 ورقة توجد به امثلة موضحة اكثر على طريقة تصنيف البيانات.

الله يفتح عليك أخى...جزاك الله كل خير على مساعدة أخوانك

ربنا يجزيك الخير .. فكرة رائعة