ट्रेडिंग सिस्टम का विकास

ऐ आ रहा है, और हम इससे डरते नहीं हैं। मैं स्टॉक एक्सचेंज में गोभी की कमाई करके उसे पहेली बनाने का प्रस्ताव करता हूं। शुरुआत के लिए, हम देखेंगे।

मामले

एक एजेंट एक ऐसा कार्यक्रम है जिसमें एक मुद्रा पर विभिन्न मुद्राओं में खाते हैं, जिनके काम से उनके कुल मूल्य में वृद्धि हो सकती है।

एजेंट परिसंपत्ति - उन पर धन की उपलब्धता के साथ खातों की एक सूची ए = [ए 1, ए 2, ..] जहां ए 1, ए 2, ... संबंधित मुद्रा में राशि।

संपत्ति का मान। हमारे पास संपत्ति का एक सार्वभौमिक माप होना चाहिए जो हमें संपत्ति को मापने की अनुमति देता है। यह $ $ है कि दी के लिए ले लो। एक $ (खाता) संपत्ति का हिस्सा है। हम यह भी मानते हैं कि हमारे पास सूची में $ के माध्यम से प्रत्येक खाते के मूल्य का अनुमान लगाने के लिए एक एल्गोरिथ्म-क्षमता है।

एक एजेंट को बंद किया जा सकता है (केवल अपनी संपत्ति पर भरोसा करें) या खुला (उधार)। सादगी के लिए, हम मानते हैं कि हमारे पास एक बंद है।

प्रत्येक एजेंट के ऑपरेशन का अपना मूल्य होता है इसलिए (Ax-> Ay, Sum) जिसे हम अपने उपाय $ और समय के साथ मापेंगे (Ax-> Ay)।

एजेंट वातावरण - अन्य एजेंट या समान या असमान कार्य एल्गोरिदम वाले लोग + कोई भी जानकारी जो उस समय मान्य है।

एजेंट रणनीति। यह एक एल्गोरिथ्म है जो खातों की स्थिति, एक्सचेंज की गतिविधि का इतिहास, इसकी गतिविधि, वर्तमान एक्सचेंज की गतिविधि (चश्मा) के बारे में जानकारी प्राप्त करता है, और प्रतिक्रिया में, प्रदर्शन करता है या कार्यों का एक सेट नहीं करता है।

रणनीतियाँ केवल विनिमय की मौजूदा गतिविधि (आदिम) पर आधारित हो सकती हैं,
अन्य एक्सचेंजों (माध्यम) से खाते की जानकारी लें, गतिविधि के इतिहास का पता लगाएं और सांख्यिकीय पैटर्न (गहरा) का पता लगाएं। निराशावादी या आशावादी - संचालन के जोखिम के आकलन में भिन्नता है। आंशिक या पूर्ण। एक पूरी रणनीति एजेंट के कामकाज के सभी पहलुओं को शामिल करती है। एक पूर्ण बनाने के लिए आंशिक जोड़ा जा सकता है।
रणनीतियों और उनकी पसंद की इष्टतमता। आम तौर पर, एक एजेंट के पास कई रणनीतियाँ होती हैं, जिनके बीच स्विच करना पर्यावरण में कुछ स्थिर (एक निश्चित समय अंतराल से अधिक) परिवर्तन के साथ होता है।

एजेंट जड़ता - कितनी देर तक एजेंट पर्यावरण में बदलाव की उपेक्षा करता है। या एक ऐसी रणनीति जो पर्यावरणीय गड़बड़ी के प्रतिरोध को निर्धारित करती है। एक अधिक निष्क्रिय एजेंट जीत और हार सकता है, पर्यावरण के "आतंक" के आगे नहीं झुकता।

मान लीजिए कि हमारे पास अपूर्ण रणनीतियों के तीन सेट हैं:

St   = [1,2,3,4] St   = [5,6,7,8] St  = [9,10,11,12] 

इन रणनीतियों का संयोजन 64 अद्वितीय एजेंट व्यवहार प्रदान करता है जो
यह वातावरण [O1, O2, O3] के लिए सही (उपयोगी) निकला [O4, O5, O6] के लिए बेकार या [O7, ..] के लिए हानिकारक है।

विभिन्न वातावरणों में रणनीतियों और उनके संयोजनों के काम का विश्लेषण करना
हम एक ऐसी मेटास्टेज्टी का निर्माण कर सकते हैं जो वर्तमान में पाए जा रहे वातावरण के आधार पर एजेंट के व्यवहार को बदल देगा।

एजेंट प्लेटफॉर्म (बाद में प्लेटफॉर्म, मेटाबॉट के रूप में संदर्भित) एक विशिष्ट एजेंट है जो कनेक्टेड एक्सचेंजों पर एजेंटों को बनाता है, समन्वय करता है, हटाता है। एक एजेंट की तरह, यह वास्तुशिल्प रूप से नियंत्रण रणनीतियों का एक समूह होता है, जिसे संपूर्ण प्रणाली के कामकाज में सुधार के लिए जोड़ा जा सकता है। मंच सभी ऑपरेशनों और अन्य उपयोगी डेटा के इतिहास को संग्रहीत करता है जो इसकी घटक रणनीतियों को प्रभावी रूप से ($ में) अधीनस्थ एजेंटों का प्रबंधन करने की अनुमति देता है, सामान्य सांख्यिकीय पैटर्न का विश्लेषण करता है और विशिष्ट वातावरण में सफलता पर रणनीति संयोजनों के प्रभाव का इतिहास है। मंच को मेटास्ट्रेगी द्वारा संचालित किया जाता है, जिसके पैरामीटर मुनाफे को अधिकतम करने के लिए समय के साथ विकसित होते हैं।

एक्सचेंज एजेंट के वातावरण में अन्य एजेंट और वर्तमान जानकारी होती है। एजेंट के लिए पर्यावरणीय परिवर्तन इष्टतम, सामान्य, महत्वपूर्ण, विपत्तिपूर्ण आदि में विभाजित हैं। संचालन की सफलता की डिग्री के द्वारा। अपनी स्थिति और संचालन के मंच को सूचित करते हुए, एजेंट तब तक कार्य करता है जब तक कि प्लेटफ़ॉर्म राज्य और उसके खातों की गतिशीलता से 'संतुष्ट' हो जाता है, अन्यथा यह इसे बंद कर देता है। प्लेटफ़ॉर्म अलग-अलग कुल संपत्तियों का मूल्यांकन करता है और एक परिसंपत्ति को एक एजेंट से दूसरे में स्थानांतरित करने पर निर्णय ले सकता है, जो एक एक्सचेंज या अलग-अलग लोगों पर काम कर सकता है। मंच का कार्य सभी एजेंटों द्वारा आयोजित कुल संपत्ति को अधिकतम करना है।

एक ऑर्डरबुक एक्सचेंज के प्रसंस्करण के लिए एक एजेंट रणनीति (स्काला पर) के सरल कार्यान्वयन की सामग्री पर विचार करें:

 //    var minDelayBetweenOperationsSec: Long //      // 0,     > 0      // < 0      def action(rateVolume: TimeRate): Double //     def middleValues() : Seq[Double] 

हम एक जीनोम लाते हैं जो सिस्टम के संचालन के दौरान विकसित होगा।

StrategyParams बॉट रणनीति जीनोम है जिसमें रणनीति को मानकीकृत करने के लिए बहुत सारे जीन शामिल हैं:

 case class StrategyParams(low: IntGene, middle: IntGene, high: IntGene, intense: DoubleGene, threshold: DoubleGene, delay: IntGene) 

जहां कम, मध्य, उच्च उस समय के एसेट वैल्यू के लिए मिनटों में होते हैं जो उस पर औसत होते हैं।
वे मूल्य के आंदोलन की भविष्यवाणी करने के लिए उपयोग किए जाते हैं।

तीव्र का अर्थ है बॉट गतिविधि या आक्रामकता। बड़े पैरामीटर मानों के साथ, बॉट बड़ी मात्रा में लेनदेन करता है और (या) बड़ी आशावाद के साथ भविष्यवाणियों का मूल्यांकन करता है।
थ्रेसहोल्ड का अर्थ है भविष्यवाणी में बॉट का न्यूनतम आत्मविश्वास, जो उसे ऑपरेशन पूरा करने के लिए प्रेरित करता है। विलंब - जड़ता, सक्रियण के बीच न्यूनतम समय।

यह पोस्ट किया गया है कि स्ट्रेटजीपराम मापदंडों द्वारा वर्णित किसी भी अवधि के लिए एक इष्टतम बॉट रणनीति है जो परिसंपत्ति की दर के इतिहास से गणना की जा सकती है। इसके मापदंडों की गणना विकासवादी जीनोम चयन एल्गोरिदम का उपयोग करके की जा सकती है। गणना का रूप है:

 def evalBots(trs: Seq[TimeRate]) = EvolutionFactory( candidate = defaultBotStrategyParams, populationConfig = PopulationConfig(500), evolutionConfig = EvolutionConfig(100), errorRate = (c: StrategyParams) => {errorBot(c, trs)} ). 

trs - ऑर्डरबुक इतिहास,
popConfig - एक ही समय में कितने बॉट आपस में अस्तित्व के लिए प्रतिस्पर्धा करते हैं, DevelopmentConfig - जीवन के कितने पुनरावृत्तियों और प्रजनन के लिए। पुनरावृत्तियों की प्रक्रिया में, कम संपत्ति वाले बॉट अन्य बॉट्स के साथ संतान पैदा करने की कम संभावना रखते हैं, जो अंततः एक बड़ी आबादी और अध: पतन-विकास की संख्या के साथ, हमें आदर्श बॉट (बॉट) तक ले जाना चाहिए।

एक निश्चित अवधि (इतिहास) के लिए इस तरह के बॉट को प्राप्त और गणना करने के बाद, आपको भविष्य में प्रभावी ट्रेडिंग के लिए किसी तरह इसका उपयोग करने की आवश्यकता है। प्लेटफॉर्म-मेटाबोट और इसकी मेटास्ट्रेगी इस मुद्दे से निपटेंगे।

एक सरल मंच रणनीति कार्यान्वयन की सामग्री पर विचार करें:

 MetaStrategy(rateSensitivity: DoubleGene, volumeSensitivity: DoubleGene, profitSensitivity: DoubleGene, criticalForce: DoubleGene, volumesSize: IntGene, delaySwitching: IntGene) 

जहां दर संवेदनशीलता, वॉल्यूम संवेदनशीलता, लाभ संवेदनशीलता बताती है कि प्लेटफॉर्म का व्यवहार परिसंपत्ति की कीमत, ट्रेडिंग वॉल्यूम, और संचालन से अपेक्षित लाभ में कमी के मापदंडों में परिवर्तन के प्रति कितना संवेदनशील है।

क्रिटिकलफोर्स उपरोक्त मापदंडों के व्यापक मूल्यांकन के आधार पर एक थ्रेशोल्ड मान निर्धारित करता है, जो वर्तमान बॉट रणनीति (मंच नहीं) की अक्षमता का संकेत है और इसकी (वर्तमान बॉट रणनीति) अधिक सफल संस्करण की गणना करता है।

कार्यान्वयन का टुकड़ा:

 val force = rateForce * volumeForce * profitForce if (force >= strategy.criticalForce.value.get) changeBot(force / strategy.criticalForce.value.get, extremeBot, tr) 

MetaStrategy मापदंडों का उपयोग करके प्लेटफ़ॉर्म स्ट्रैटेजी एल्गोरिदम का वर्णन करने के बाद, हम कुशल प्लेटफ़ॉर्म मेटाबॉट-बॉट्स की आबादी बढ़ने के लिए एक समान विकासवादी प्रक्रिया शुरू कर सकते हैं, जिनमें से सबसे प्रभावी ट्रेडिंग सिस्टम का आधार बन जाएगा।

इन विचारों की प्रभावशीलता का परीक्षण करने के लिए, एक प्रोटोटाइप क्रिप्टोक्यूरेंसी ट्रेडिंग सिस्टम बनाया गया था जिसे परीक्षण मैदान के रूप में इस्तेमाल किया जा सकता है। लैंडफिल को पाठ्यक्रमों के इतिहास और अवधियों पर उनके औसत मूल्यों के लिए डेटा की आवश्यकता होती है, जो कि इन्फ्लक्स में संग्रहीत होते हैं और ओपन बिटफाइनक्स एक्सचेंज एपीआई के माध्यम से निष्कर्षण द्वारा लैंडफिल द्वारा ही उत्पन्न होते हैं। ऑब्जेक्ट हिस्ट्रीशीटर देखें।

परीक्षण के परिणाम

रनों के दौरान, हमने एजेंटों के लिए कुछ सरल रणनीतियाँ खोजने में कामयाबी हासिल की, जो मेटाबोट प्रबंधक के उपयोग के बिना, 2.5 वर्ष के इतिहास के लिए प्रति वर्ष 14% लाभ दिखाते थे। हालांकि प्रभावशाली, यह भविष्य के समय पर समान ब्याज की गारंटी नहीं देता है। वास्तविक समय में प्रणाली के व्यवहार का परीक्षण नहीं किया गया था। छोटी अवधि (एक महीने या उससे कम) के लिए डिज़ाइन किए गए मेटाबोट रणनीतियों का उपयोग करने से लाभ नहीं हुआ, लेकिन बड़ी अवधि के लिए प्रभावी मेटा रणनीतियाँ काफी संभव हैं। बड़ी कम्प्यूटेशनल जटिलता (एक औसत पीसी के निर्बाध संचालन के महीनों) के कारण उनकी गणना मुश्किल थी। अराजक क्रिप्टोक्यूरेंसी दरों को केवल कुछ हद तक समायोजित किया जा सकता है, लेकिन ... अन्य संपत्तियों के व्यापार के लिए इस दृष्टिकोण का उपयोग करना, जिनकी अस्थिरता इतनी अराजक नहीं है और मौसमी अवधि है, बेहतर परिणाम दे सकती है।

बहुभुज स्रोत यहां उपलब्ध हैं ।