最近，我向 ChatGPT 寻求建议，以制定交易策略，以尽快将 100 美元变成 10,000 美元。虽然最初的建议很笼统，但我决定更具体，并要求使用基于人工智慧的交易视图指标（称为机器学习 KNN）的策略。本文将提供详细的逐步指南，用于设定和测试该策略以确定其有效性。
步骤 1：开启图表并新增指标 在测试策略之前，我们需要将必要的指标新增至交易图表。该策略包括三个免费交易工具，我们将一一添加。
首先，在您喜欢的交易平台或软体上开启交易图表。这可以是像 TradingView 这样的平台或任何其他支援策略中提到的指标的图表软体。
开启图表后，找到在图表中新增指标或工具的选项。这通常由类似图表或加号 (+) 的图示表示。按一下该图示可存取指标库。
步骤 2：新增机器学习 KNN 指标 我们要新增的第一个指标是基于机器学习的 KNN 策略。此指标分析历史市场数据并根据模式预测未来价格走势。它利用 K 最近邻 (KNN) 分类演算法来确定股票价格是否可能上涨或下跌。
在指标库中，搜寻机器学习 KNN 指标。该指标可能是由特定的开发人员或作者创建的，因此了解其确切名称或开发它的作者的姓名非常重要。
找到机器学习 KNN 指标后，点击它将其新增到您的图表中。根据您使用的平台或软体，可能有用于自订指标设定或参数的选项。花一些时间熟悉这些选项，并根据您的偏好或策略建议的预设进行必要的调整。
机器学习 KNN 指标现在将显示在您的图表上，分析历史市场数据并根据其识别的模式提供对未来价格走势的预测。请注意指标产生的讯号或标签，因为它们将指导您的交易决策。
步骤 3：了解 EMA 功能区指标 为了过滤掉假讯号，我们将新增 Dominic 或 Selecti 的 EMA 功能区指标。指数移动平均线 (EMA) 功能区由多个不同时间段的 EMA 相互堆叠而成。该工具有助于识别市场趋势的方向和强度。
步骤 4：新增相对强弱指数 (RSI) 为了进一步确认有效的交易条目，我们将使用相对强弱指数 (RSI)。 RSI 衡量证券价格走势的强度，范围从 0 到 100。我们将透过将上限和下限分别调整为 60 和 40 来使 RSI 更加敏感。
步骤 5：多头交易的入场条件 要开立多头交易，必须满足以下条件：
收盘价必须高于 200 EMA。
EMA 色带必须位于 200 EMA 上方且呈绿色。
价格必须回落至带状线，且收盘价不得低于长期均线。
机器学习 KNN 策略必须列印蓝色标签。
RSI 必须在买入讯号之前超卖。
步骤 6：为多头交易设定停损和利润目标 一旦满足多头交易的条件，请将停损设定为低于近期波动低点，并将利润目标定为风险的两倍。一旦交易达到利润目标的1/4，将停损调整至损益平衡价格。
步骤 7：空头交易的进入条件 要开立空头交易，必须满足以下条件：
价格和 EMA 色带必须低于 200 EMA，且色带必须变为红色。
价格必须回落至带状线，且收盘价不得高于 200 EMA。
在回调期间，RSI 必须变得超买。
机器学习 KNN 必须提供卖出讯号，但 RSI 超卖的情况除外。
步骤 8：为空头交易设定停损和利润目标 对于空头交易，将停损设定在近期波动高点之上，并将利润目标设定为风险的两倍。当利润达到1/4时，将停损移至损益平衡点。
第 9 步：回溯测试与结果 设定完成后，继续使用以太币价格在 3 分钟时间范围内回溯测试策略。执行该策略 100 次并记录结果。在本例中，100 次交易后，起始帐户余额从 100 美元增加到 19,527 美元。
向 ChatGPT 请求具体建议：首先，请 ChatGPT 提供交易策略，以尽快将 100 美元变成 10,000 美元。您将收到一些一般性提示，例如关注高度波动的资产、使用技术分析以及保持严格的交易实践。但是，您需要更具体的指导。
步骤 2：细化 ChatGPT 的问题 要获得更有针对性的建议，您需要更具体地提出您的问题。因此，请 ChatGPT 使用称为机器学习的基于人工智慧的交易视图指标来创建最佳策略。该指标非常流行且病毒式传播。
结论：虽然由于每笔交易的风险为 5%，该策略的风险较高，但它可以帮助小额帐户快速成长。然而，在使用真实资金实施之前，对模拟帐户进行前瞻性测试至关重要。请记住，风险管理和彻底的测试是成功交易的重要方面。
