Niedawno zwróciłem się do ChatGPT o poradę, aby opracować strategię handlową pozwalającą na jak najszybszą zamianę 100 dolarów na 10 000 dolarów. Chociaż początkowe sugestie były ogólne, zdecydowałem się być bardziej szczegółowym i poprosiłem o strategię wykorzystującą wskaźnik widoku handlowego oparty na sztucznej inteligencji o nazwie Machine Learning KNN. W tym artykule znajdziesz szczegółowy przewodnik krok po kroku dotyczący konfigurowania i testowania strategii w celu określenia jej skuteczności.
Krok 1: Otwieranie wykresów i dodawanie wskaźników Przed przetestowaniem strategii musimy dodać niezbędne wskaźniki do wykresu handlowego. Strategia obejmuje trzy bezpłatne narzędzia handlowe, które będziemy dodawać jedno po drugim.
Aby rozpocząć, otwórz wykres handlowy na preferowanej platformie handlowej lub oprogramowaniu. Może to być platforma taka jak TradingView lub dowolne inne oprogramowanie do tworzenia wykresów obsługujące wskaźniki wymienione w strategii.
Po otwarciu wykresu znajdź opcję dodania wskaźników lub narzędzi do wykresu. Jest to zazwyczaj reprezentowane przez ikonę przypominającą wykres lub znak plus (+). Kliknij tę ikonę, aby uzyskać dostęp do biblioteki wskaźników.
Krok 2: Dodanie wskaźnika KNN opartego na uczeniu maszynowym Pierwszym wskaźnikiem, który dodamy, jest strategia KNN oparta na uczeniu maszynowym. Wskaźnik ten analizuje historyczne dane rynkowe i przewiduje przyszłe ruchy cen w oparciu o wzorce. Wykorzystuje algorytm klasyfikacji K-najbliższych sąsiadów (KNN) w celu ustalenia, czy cena akcji prawdopodobnie wzrośnie, czy spadnie.
W bibliotece wskaźników wyszukaj wskaźnik Machine Learning KNN. Wskaźnik ten mógł zostać stworzony przez konkretnego programistę lub autora, dlatego ważne jest, aby znać jego dokładną nazwę lub nazwisko autora, który go opracował.
Po znalezieniu wskaźnika Machine Learning KNN kliknij na niego, aby dodać go do swojego wykresu. W zależności od platformy lub oprogramowania, z którego korzystasz, mogą istnieć opcje dostosowania ustawień lub parametrów wskaźnika. Poświęć chwilę na zapoznanie się z tymi opcjami i dostosuj je w razie potrzeby w oparciu o swoje preferencje lub domyślne ustawienia zalecane dla strategii.
Wskaźnik Machine Learning KNN zostanie teraz wyświetlony na Twoim wykresie, analizując historyczne dane rynkowe i dostarczając prognoz dotyczących przyszłych ruchów cen w oparciu o zidentyfikowane wzorce. Zwróć uwagę na sygnały lub etykiety generowane przez wskaźnik, ponieważ będą one kierować Twoimi decyzjami handlowymi.
Krok 3: Zrozumienie wskaźnika wstęgowego EMA Aby odfiltrować fałszywe sygnały, dodamy wskaźnik wstęgowy EMA firmy Dominic lub Selecti. Wstążka wykładniczej średniej kroczącej (EMA) składa się z wielu EMA z różnymi okresami czasowymi, ułożonych jedna na drugiej. Narzędzie to pomaga określić kierunek i siłę trendu na rynku.
Krok 4: Dodanie Indeksu Względnej Siły (RSI) Aby jeszcze bardziej potwierdzić prawidłowe wpisy handlowe, użyjemy Indeksu Względnej Siły (RSI). Wskaźnik RSI mierzy siłę akcji cenowej papieru wartościowego i mieści się w zakresie od 0 do 100. Zwiększymy czułość wskaźnika RSI, dostosowując górne i dolne pasmo odpowiednio do 60 i 40.
Krok 5: Warunki wejścia dla długich pozycji Aby otworzyć długą pozycję, muszą zostać spełnione następujące warunki:
Cena musi zamknąć się powyżej 200 EMA.
Wstążka EMA musi znajdować się powyżej 200 EMA i być zielona.
Cena musi wrócić do wstęgi bez zamykania się poniżej długoterminowej EMA.
Strategia Machine Learning KNN musi wydrukować niebieską etykietę.
RSI musi zostać wyprzedany przed sygnałem kupna.
Krok 6: Ustalanie celów Stop-Loss i Zysku dla długich transakcji Po spełnieniu warunków dla długiej pozycji, ustaw stop-loss poniżej ostatniego dołka wahadłowego i zaplanuj zysk stanowiący dwukrotność ryzyka. Gdy transakcja osiągnie 1/4 docelowego zysku, dostosuj stop loss do ceny progu rentowności.
Krok 7: Warunki wejścia dla krótkich pozycji Aby otworzyć krótką pozycję, muszą zostać spełnione następujące warunki:
Cena i EMA Wstążka musi spaść poniżej 200 EMA, a wstęga musi zmienić kolor na czerwony.
Cena musi wrócić na wstęgę bez zamykania się powyżej 200 EMA.
Podczas wycofywania RSI musi zostać wykupiony.
Uczenie maszynowe KNN musi dostarczyć sygnał sprzedaży, z wyłączeniem przypadków wyprzedania RSI.
Krok 8: Ustalanie celów Stop-Loss i Zysku dla krótkich transakcji W przypadku krótkich transakcji ustaw stop-loss powyżej ostatniego szczytu wahadłowego i nastawiaj się na zysk dwukrotnie większy od ryzyka. Przesuń stop loss do progu rentowności po osiągnięciu 1/4 zysku.
Krok 9: Testowanie historyczne i wyniki Po zakończeniu konfiguracji przystąp do testu historycznego strategii przy użyciu ceny Ethereum w przedziale czasowym wynoszącym 3 minuty. Wykonaj strategię 100 razy i zapisz wyniki. W tym konkretnym przypadku początkowe saldo konta wynoszące 100 USD wzrosło do 19 527 USD po 100 transakcjach.
Prośba o konkretną poradę od ChatGPT: Początkowo poproś ChatGPT o przedstawienie strategii handlowej umożliwiającej jak najszybszą zamianę 100 USD na 10 000 USD. Otrzymasz kilka ogólnych wskazówek, takich jak skupienie się na wysoce zmiennych aktywach, korzystanie z analizy technicznej i utrzymywanie zdyscyplinowanych praktyk handlowych. Potrzebujesz jednak bardziej szczegółowych wskazówek.
Krok 2: Doprecyzuj pytanie dla ChatGPT Aby uzyskać bardziej ukierunkowaną poradę, musisz bardziej sprecyzować swoje pytanie. Poproś więc ChatGPT o stworzenie najlepszej strategii przy użyciu wskaźnika widoku handlowego opartego na sztucznej inteligencji o nazwie Machine Learning. Wskaźnik ten jest bardzo popularny i wirusowy.
Wniosek: chociaż strategia ta wiąże się z wyższym ryzykiem ze względu na 5% ryzyko na transakcję, może pomóc w szybkim rozwoju małego konta. Kluczowe jest jednak przeprowadzenie testów forward na rachunku papierowym przed wdrożeniem go z realnymi środkami. Pamiętaj, że zarządzanie ryzykiem i dokładne testowanie to istotne aspekty udanego handlu.
