KNN機械学習戦略:K-近隣アルゴリズムに基づくトレンド予測取引システム
作者: リン・ハーンチャオチャン,日付: 2024-05-15 17時09分34秒タグ:KNNマルチATR
概要
この戦略は,価格動向を予測するために,K-Nearest Neighbors (KNN) マシンラーニングアルゴリズムを使用している.入力値として異なる価格計算方法 (HL2,VWAP,SMAなど) と評価のためのさまざまなターゲット値 (価格アクション,VWAP,変動など) を選択することによって,KNNアルゴリズムは現在の市場状態に最も近いKの歴史データポイントを特定する.その後,このKデータポイントのトレンド方向に基づいて,長期または短期予測を行う.さらに,戦略は予測結果をスムーズ化し安定性を向上させるために移動平均値を適用する.最後に,予測結果に従って取引決定が行われ,現在の市場トレンドの変化は背景の色によって視覚的に示される.
戦略の原則
- KNNアルゴリズムの入力値として価格計算方法 (例えば,HL2,VWAP,SMA) を選択する.
- KNN アルゴリズムの目標値として評価目標 (例えば,価格アクション,VWAP,波動性) を選択する.
- 最寄りの隣人数 (K) とスムージング期間を設定し,KNNアルゴリズムの感度と予測結果のスムージョンを調整する.
- 各新しい価格データポイントに対して,KNNアルゴリズムを使用して,現在の市場状況に最も近いKの歴史的なデータポイントを見つけます.
- これらのKデータポイントのトレンド方向 (上昇または下落) をベースに,現在の市場トレンド予測を得るために投票します.
- 安定性を高めるために移動平均を用いて予測結果を滑らかにします.
- スムーズな予測結果に基づいて取引信号 (ロングまたはショート) を生成し,背景色の変化を通じて現在の市場傾向予測を視覚的に示します.
利点
- 機械学習アルゴリズムを利用することで 戦略は歴史的なデータから学び 価格動向を予測し 適応性と柔軟性を提供できます
- 戦略のパフォーマンスは,インプット値,目標値,最も近い隣人の数,平滑期などのパラメータを調整することによって,異なる市場状況に合わせて最適化できます.
- 予測結果を移動平均値と組み合わせることで 予測の安定性と信頼性が向上します
- 現在の市場動向予測は背景色の変化によって視覚的に示され,トレーダーは市場の状況を迅速に評価し,決定することができます.
リスク
- KNNアルゴリズムの予測性能は,歴史的データの質と代表性に依存する.不十分または代表性のないデータは不正確な予測につながる可能性があります.
- 戦略の性能はパラメータ設定によって影響され,パラメータの不適切な組み合わせは性能が低下したりオーバーフィットしたりする可能性があります.
- 市場の傾向が急激に変化したり,ブラック・スワン・イベントが起こると,歴史的なデータに基づく予測は効果がなくなり,戦略が不正な取引信号を生成する可能性があります.
オプティマイゼーションの方向性
- KNN アルゴリズムへのインプットとして,より多くの技術指標や市場情勢データを取り入れ,予測の正確性と信頼性を向上させる.
- 戦略パラメータを動的に調整するための適応メカニズムを導入し,異なる市場状況と変動レベルに基づいて調整する.
- 他の技術分析方法やリスク管理措置を組み合わせて 戦略のリスクを軽減し 収益の安定性を高める.
概要
この戦略は,KNN機械学習アルゴリズムを価格動向予測に適用することで,市場動向を把握し,歴史的なデータと統計的方法を使用して取引信号を生成する方法を示している.この戦略の強みは,異なる市場状況に合わせてパラメータ調整によって最適化できるため,適応性と柔軟性にある.しかし,この戦略のリスクは主に歴史的データの品質と代表性,パラメータ設定の合理性から生じる.将来の改善には,戦略の強度と収益性をさらに高めるためにより多くの指標,適応メカニズム,リスク管理措置を組み込むことが含まれる.
/*backtest
start: 2023-05-09 00:00:00
end: 2024-05-14 00:00:00
period: 1d
basePeriod: 1h
exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}]
*/
// This work is licensed under a Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/
// © Blake_22 {
//@version=5
strategy('money printer part 1', overlay=true)
// ~~ Tooltips {
t1 ="PriceValue selects the method of price computation. \n\nSets the smoothing period for the PriceValue. \n\nAdjusting these settings will change the input values for the K-Nearest Neighbors algorithm, influencing how the trend is calculated."
t2 = "TargetValue specifies the target to evaluate. \n\nSets the smoothing period for the TargetValue."
t3 ="numberOfClosestValues sets the number of closest values that are considered when calculating the KNN Moving Average. Adjusting this number will affect the sensitivity of the trend line, with a higher value leading to a smoother line and a lower value resulting in a line that is more responsive to recent price changes."
t4 ="smoothingPeriod sets the period for the moving average applied to the KNN classifier. Adjusting the smoothing period will affect how rapidly the trend line responds to price changes, with a larger smoothing period leading to a smoother line that may lag recent price movements, and a smaller smoothing period resulting in a line that more closely tracks recent changes."
t5 ="This option controls the background color for the trend prediction. Enabling it will change the background color based on the prediction, providing visual cues on the direction of the trend. A green color indicates a positive prediction, while red indicates a negative prediction."
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
// ~~ Inputs {
PriceValue = input.string("hl2", options = ["hl2","VWAP", "sma", "wma", "ema", "hma"], group="", inline="Value")
maLen = input.int(5, minval=2, maxval=200, title="", group="", inline="Value", tooltip=t1)
TargetValue = input.string("Price Action", options = ["Price Action","VWAP", "Volatility", "sma", "wma", "ema", "hma"], group="", inline="Target")
maLen_ = input.int(5, minval=2, maxval=200, title="", group="", inline="Target", tooltip=t2)
// Input parameters for the KNN Moving Average
numberOfClosestValues = input.int(3, "Number of Closest Values", 2, 200, tooltip=t3)
smoothingPeriod = input.int(50, "Smoothing Period", 2, 500, tooltip=t4)
windowSize = math.max(numberOfClosestValues, 30)
// knn Color
Upknn_col = input.color(color.lime, title="", group="KNN Color", inline="knn col")
Dnknn_col = input.color(color.red, title="", group="KNN Color", inline="knn col")
Neuknn_col = input.color(color.orange, title="", group="KNN Color", inline="knn col")
// MA knn Color
Maknn_col = input.color(color.teal, title="", group="MA KNN Color", inline="MA knn col")
// BG Color
bgcolor = input.bool(false, title="Trend Prediction Color", group="BG Color", inline="bg", tooltip=t5)
Up_col = input.color(color.lime, title="", group="BG Color", inline="bg")
Dn_col = input.color(color.red, title="", group="BG Color", inline="bg")
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
// ~~ kNN Classifier {
value_in = switch PriceValue
"hl2" => ta.sma(hl2,maLen)
"VWAP" => ta.vwap(close[maLen])
"sma" => ta.sma(close,maLen)
"wma" => ta.wma(close,maLen)
"ema" => ta.ema(close,maLen)
"hma" => ta.hma(close,maLen)
meanOfKClosest(value_,target_) =>
closestDistances = array.new_float(numberOfClosestValues, 1e10)
closestValues = array.new_float(numberOfClosestValues, 0.0)
for i = 1 to windowSize
value = value_[i]
distance = math.abs(target_ - value)
maxDistIndex = 0
maxDistValue = closestDistances.get(0)
for j = 1 to numberOfClosestValues - 1
if closestDistances.get(j) > maxDistValue
maxDistIndex := j
maxDistValue := closestDistances.get(j)
if distance < maxDistValue
closestDistances.set(maxDistIndex, distance)
closestValues.set(maxDistIndex, value)
closestValues.sum() / numberOfClosestValues
// Choose the target input based on user selection
target_in = switch TargetValue
"Price Action" => ta.rma(close,maLen_)
"VWAP" => ta.vwap(close[maLen_])
"Volatility" => ta.atr(14)
"sma" => ta.sma(close,maLen_)
"wma" => ta.wma(close,maLen_)
"ema" => ta.ema(close,maLen_)
"hma" => ta.hma(close,maLen_)
knnMA = meanOfKClosest(value_in,target_in)
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
// ~~ kNN Prediction {
// Function to calculate KNN Classifier
price = math.avg(knnMA, close)
c = ta.rma(knnMA[1], smoothingPeriod)
o = ta.rma(knnMA, smoothingPeriod)
// Defines KNN function to perform classification
knn(price) =>
Pos_count = 0
Neg_count = 0
min_distance = 10e10
nearest_index = 0
for j = 1 to 10
distance = math.sqrt(math.pow(price[j] - price, 2))
if distance < min_distance
min_distance := distance
nearest_index := j
Neg = c[nearest_index] > o[nearest_index]
Pos = c[nearest_index] < o[nearest_index]
if Pos
Pos_count += 1
if Neg
Neg_count += 1
output = Pos_count>Neg_count?1:-1
// Calls KNN function and smooths the prediction
knn_prediction_raw = knn(price)
knn_prediction = ta.wma(knn_prediction_raw, 3)
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
// ~~ Plots {
// Plots for display on the chart
knnMA_ = ta.wma(knnMA,5)
knnMA_col = knnMA_>knnMA_[1]?Upknn_col:knnMA_<knnMA_[1]?Dnknn_col:Neuknn_col
Classifier_Line = plot(knnMA_,"Knn Classifier Line", knnMA_col)
MAknn_ = ta.rma(knnMA, smoothingPeriod)
plot(MAknn_,"Average Knn Classifier Line" ,Maknn_col)
green = knn_prediction < 0.5
red = knn_prediction > -0.5
bgcolor( green and bgcolor? color.new(Dn_col,80) :
red and bgcolor ? color.new(Up_col,80) : na)
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
// ~~ Alerts {
knnMA_cross_Over_Ma = ta.crossover(knnMA_,MAknn_)
knnMA_cross_Under_Ma = ta.crossunder(knnMA_,MAknn_)
knnMA_cross_Over_Close = ta.crossover(knnMA_,close)
knnMA_cross_Under_Close = ta.crossunder(knnMA_,close)
knnMA_Switch_Up = knnMA_[1]<knnMA_ and knnMA_[1]<=knnMA_[2]
knnMA_Switch_Dn = knnMA_[1]>knnMA_ and knnMA_[1]>=knnMA_[2]
knnMA_Neutral = knnMA_col==Neuknn_col and knnMA_col[1]!=Neuknn_col
greenBG = green and not green[1]
redBG = red and not red[1]
alertcondition(knnMA_cross_Over_Ma, title = "Knn Crossover Average Knn", message = "Knn Crossover Average Knn")
alertcondition(knnMA_cross_Under_Ma, title = "Knn Crossunder Average Knn", message = "Knn Crossunder Average Knn")
alertcondition(knnMA_cross_Over_Close, title = "Knn Crossover Close", message = "Knn Crossover Close")
alertcondition(knnMA_cross_Under_Close, title = "Knn Crossunder Close", message = "Knn Crossunder Close")
alertcondition(knnMA_Switch_Up, title = "Knn Switch Up", message = "Knn Switch Up")
alertcondition(knnMA_Switch_Dn, title = "Knn Switch Dn", message = "Knn Switch Dn")
alertcondition(knnMA_Neutral, title = "Knn is Neutral", message = "Knn is Neutral")
alertcondition(greenBG, title = "Positive Prediction", message = "Positive Prediction")
alertcondition(redBG, title = "Negative Prediction", message = "Negative Prediction")
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
//~~Trenddilo {
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
//~~ strategy { 1
LongCondtion = knnMA_[1]<knnMA_ and knnMA_[1]<=knnMA_[2]
ShortCondtion = knnMA_[1]>knnMA_ and knnMA_[1]>=knnMA_[2]
//SecondaryLongCondtion = col == color.lime
//SecondaryShortCondtion = col == color.red
strategy.entry("Long", strategy.long, when = LongCondtion)
strategy.close("Long", when =ShortCondtion)
strategy.entry("Short", strategy.short, when =ShortCondtion)
strategy.close("short", when =LongCondtion)
plot(strategy.equity, title="equity", color=color.red, linewidth=2, style=plot.style_areabr)
//~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~}
関連性
- MA,SMA,MA傾斜,ストップ損失を後押しし,再入力
- Pivot Point と Slope をベースにしたリアルタイムトレンドライン取引
- ターンオーバー火曜日の戦略 (週末フィルター)
- ATR波動性フィルターシステムによる高度な二重EMA戦略
- KNN ベースの適応パラメトリック傾向 戦略をフォローする
- ATRの多期取引戦略に続くダイナミックな傾向
- RSI-ATR モメント・ボラティリティ コンビネード・トレーディング・ストラテジー
- マジック・チャネル・プライス・アクション・トレーディング・戦略
- 多レベルダイナミックトレンドフォローシステム
- ダイナミックATRストップ・ロスト&テイク・プロフィート 移動平均クロスオーバー戦略
もっと
- K 連続キャンドル ブール・ベア戦略
- 超移動平均値と上帯のクロスオーバー戦略
- RSI,ADX,そしてイチモク・クラウドに基づいた定量的な取引戦略をフォローする多要素トレンド
- RSI と MACD の組み合わせた長期短期戦略
- イチモク雲と移動平均戦略
- ウィリアム・アリガター 移動平均トレンドキャッチャー戦略
- ダイナミックMACDとイチモク・クラウド・トレーディング・戦略
- ADXフィルターによるMA拒絶戦略
- ボリンジャー・バンド戦略: 最大利益のための精密取引
- ATR平均脱出戦略
- CCI+RSI+KC トレンドフィルター 二方向取引戦略
- BMSBの脱出戦略
- SR 脱退戦略
- ボリンジャー・バンド ダイナミック・ブレークアウト戦略
- 8時間エマ
- RSI 量的な取引戦略
- Bollinger Band ATR トレンド 戦略をフォローする
- デルタ・ボリュームとフィボナッチレベル 取引戦略
- 2つのRSI差分戦略
- クリプト・ビッグ・ムーブ ストカスティック・RSI戦略