Forex Data Mining Tool

Introdução à FX Data Mining Permite fazer uma introdução simples e rápida a um dos campos mais interessantes de hoje - Data Mining. Existe uma vasta gama de aplicações de Data Mining. Devemos integrar a mineração de dados em nossas negociações cambiais. FX, FOREX ou Foreign Exchange FX é o maior mercado em termos de volume negociado diariamente. Ele tem três níveis principais de participantes: os meninos grandes, o nível intermediário e comerciantes simples como você e eu. Tem uma natureza especulativa, o que significa que na maioria das vezes não trocamos mercadorias. Nós nos preocupamos apenas com a diferença e desejamos comprar baixo e vender alto ou vender alto e comprar baixo. Por operações curtas ou longas, podemos ganhar pips. Dependendo do seu volume de negociação, o valor pip pode variar de um centavo a 10 e mais. Esta é a principal maneira de ganhar dinheiro no mercado de FX (juntamente com Carry Trade, Brokering, Arbitrage e muito mais). Observe que o mercado de FX é enorme, mas é adequado para todos os níveis de jogadores. Pense no mercado de FX como um supermercado infinito com número infinito de produtos e clientes, mas também tem um número infinito de caixas. Significando que há uma quantidade igual de oportunidades para todos. Mineração de Dados e Aprendizado de Máquinas Mineração de Dados é um subcampo maduro da Ciência da Computação. Sua cerca de um monte de dados e extração não trivial de conhecimentos utilizáveis ​​a partir de enormes quantidades de dados. Seu feito pelo processamento de dados inteligente usando algoritmos de aprendizagem de máquina. O Data Mining não é apenas CRUD (Create, Read, Update e Delete). Temos vários métodos de Data Mining. Por este meio os métodos e algumas aplicações. Classificação - classificando o e-mail como spam, classificando uma transação como fraude. Associação - o YouTube sugere novos vídeos baseados em nossa história. A Amazon nos sugere mais itens durante o checkout. Agrupamento - análise de dados não estruturados, como notícias e opiniões econômicas, para encontrar grupos comuns. Mineração de Processos - examine registros de operadores de chamadas para encontrar operações ineficientes. Text Mining - notícias de mineração ou análise técnica para reconhecimento de padrões. Algorithmic Trading é uma execução automatizada de um algoritmo de negociação. Em nosso caso, o algoritmo de negociação vem da mineração. A negociação automatizada é feita por algum rei da linguagem de programação. Velocidade e robustez são pontos-chave aqui: comerciante humano não pode vencer o programa de computador sobre esses atributos. Poderia ser HFT (High Frequency Trading) e programação de baixo nível (como C) ou negociação a longo prazo e programação de alto nível (como Java). Mix Algorithmic Trading com Data Mining Mixing Data Mining em Algorithmic Trading é importante. A coisa mais importante é dados. Um princípio simples afirma que, se seus dados não forem bons o suficiente, seus modelos não serão suficientemente bons (GIGO). Trata-se de criar um modelo, implementá-lo e testá-lo (como sempre). Atualmente este fluxo é principalmente manual. Software de Mineração de Dados Existem muitas opções de software de código aberto no campo de Mineração de Dados. WEKA é uma estrutura de mineração de dados originada na Universidade de Waikato, Hamilton, Nova Zelândia. WEKA é escrito em Java e tem uma ótima API. Também você tem implementações para a maioria dos conhecidos algoritmos de aprendizado de máquina. A mistura de boas ferramentas é vital. Existem muitos modelos de negociação possíveis. Jogar uma moeda é um sistema de comércio estúpido, mas é um sistema comercial. Precisamos de Data Mining para encontrar o ouro. Boas ferramentas são fáceis de obter tanta sorte com a mineração. Se você estiver procurando por mais informações sobre comércio de FX científica sua próxima etapa está explorando ferramentas de mineração de dados e dados históricos. Visite algonell para mais detalhes. Você pode nos encontrar no twitter. Facebook. Google. LinkedIn e WordPress. As melhores ferramentas de mineração de dados que você pode usar gratuitamente em sua empresa Sexta-feira, 8 de março de 2013 às 2:01 pm. Data mining ou 8220Knowledge Discovery em Databases8221 é o processo de descoberta de padrões em grandes conjuntos de dados com inteligência artificial, aprendizado de máquinas, estatísticas e sistemas de banco de dados. O objetivo geral de um processo de mineração de dados é extrair informações de um conjunto de dados e transformá-lo em uma estrutura compreensível para uso posterior. Aqui está um exemplo simples, mas fascinante, de como a mineração de dados ajudou a dissipar suposições erradas e conclusões sobre as meninas, e agir com tremendo impacto social. Durante muito tempo, a alta taxa de abandono escolar das raparigas nos países em desenvolvimento foi explicada com hipóteses sociológicas e culturais: as raparigas não são encorajadas pelas sociedades indígenas, os pais tratam as raparigas de forma diferente, as raparigas são empurradas para se casarem mais cedo ou carregadas com muito mais trabalho Do que os meninos. Alguns outros usando teorias econômicas, especularam que a educação das meninas não é vista por essas sociedades como um bom investimento. Então, nos anos 90, veio um grupo de jovens mineiros de dados que se conectaram em vários registros de escolas sobre absenteísmo, e lentamente descobriram que as meninas estavam faltando escolas por alguns dias a cada mês, com regularidade e previsibilidade impressionante. Um pouco mais de análise revela que as meninas estavam faltando escolas principalmente durante o período de menstruação, e porque não havia maneira segura para eles se sentir limpo e confortável para ir à escola durante esse período. Consequentemente, 8220milhões de meninas que vivem em países em desenvolvimento como o Uganda ignoram até 20 do ano escolar simplesmente porque não podem comprar produtos sanitários convencionais quando menstruam. Esse absentismo deliberado tem enormes consequências sobre a educação das meninas e o potencial acadêmico.8221 8211 Afripads Nos países ocidentais e na Ásia, empresas e governos estão usando a mineração de dados para fazer grandes descobertas. Podemos fazer o mesmo na África. Existem inúmeras ferramentas gratuitas para o fazer. Eu coletei o melhor deles aqui para você. Experimente, comece devagar, mas persista com paciência. Poderia render resultados surpreendentes e transformacionais como Afripads está ajudando meninas africanas permanecer na escola. (Você também pode baixar os materiais do curso MIT Open sobre Data Mining aqui) 1. RapidMiner RapidMiner é, sem dúvida, o sistema de código aberto líder mundial para mineração de dados. Ele está disponível como um aplicativo autônomo para análise de dados e como um mecanismo de mineração de dados para a integração em produtos próprios. Milhares de aplicações do RapidMiner em mais de 40 países dão aos seus usuários uma vantagem competitiva. 2. RapidAnalytics Construído em torno de RapidMiner como um motor poderoso para analítico ETL, análise de dados e relatórios preditivos, o novo servidor de análise de negócios RapidAnalytics é o produto-chave para todas as tarefas de análise de dados críticos de negócios e um marco para análise de negócios. Weka é uma coleção de algoritmos de aprendizagem de máquina para tarefas de mineração de dados. Os algoritmos podem ser aplicados diretamente a um conjunto de dados ou chamados a partir de seu próprio código Java. Weka contém ferramentas para pré-processamento de dados, classificação, regressão, agrupamento, regras de associação e visualização. Também é adequado para o desenvolvimento de novos esquemas de aprendizado de máquinas. PSPP é um programa para análise estatística de dados amostrados. Ele tem uma interface gráfica de usuário e interface de linha de comando convencional. Está escrito em C, usa a Biblioteca Científica GNU para suas rotinas matemáticas e plotutils para gerar gráficos. É um substituto gratuito para o programa proprietário SPSS (da IBM) prever com confiança o que vai acontecer a seguir para que você possa tomar decisões mais inteligentes, resolver problemas e melhorar os resultados. O KNIME é um banco de dados gráfico de fácil utilização para todo o processo de análise: acesso a dados, transformação de dados, investigação inicial, poderosa análise preditiva, visualização e geração de relatórios. A plataforma de integração aberta fornece mais de 1000 módulos (nós) Orange é uma visualização de dados Open Source e análise para novatos e especialistas. Mineração de dados através de programação visual ou scripts Python. Componentes para a aprendizagem da máquina. Complementos para bioinformática e text mining. Repleto de recursos para análise de dados. 7. Apache Mahout Apache O Mahout é um projeto do Apache para produzir implementações gratuitas de algoritmos de aprendizagem de máquina distribuídos ou de outra forma escaláveis ​​na plataforma Hadoop. Atualmente Mahout suporta principalmente quatro casos de uso: Mineração recomendação leva users8217 comportamento e de que tenta encontrar itens que os usuários podem gostar. O agrupamento leva, por exemplo, Documentos de texto e os agrupa em grupos de documentos relacionados topicamente. A classificação aprende com os documentos categorizados existentes quais documentos de uma categoria específica se parecem e é capaz de atribuir documentos não identificados à categoria (espero) correta. A mineração de itens freqüentes leva um conjunto de grupos de itens (termos em uma sessão de consulta, conteúdo do carrinho de compras) e identifica quais itens individuais geralmente aparecem juntos. 8. jHepWork jHepWork (ou 8220jWork8221) é um ambiente para computação científica, análise de dados e visualização de dados projetado para cientistas, engenheiros e estudantes. O programa incorpora muitos pacotes de software open-source em uma interface coerente usando o conceito de script, em vez de apenas GUI ou conceito baseado em macro. JHepWork pode ser usado em qualquer lugar onde uma análise de grandes volumes de dados numéricos, mineração de dados, análise estatística e matemática são essenciais (ciências naturais, engenharia, modelagem e análise dos mercados financeiros). Rattle (a R Analytical Tool to Learn Easily) apresenta resumos estatísticos e visuais de dados, transforma dados em formulários que podem ser prontamente modelados, constrói modelos não supervisionados e supervisionados a partir dos dados, apresenta gráficamente o desempenho dos modelos e marca novos conjuntos de dados. É um toolkit de mineração de dados livre e aberto escrito na linguagem estatística R usando a interface gráfica do Gnome. Ele é executado em GNULinux, Macintosh OS X e MSWindows. Rattle está sendo usado em negócios, governo, pesquisa e para o ensino de mineração de dados na Austrália e internacional. MetaTrader Expert Advisor Devido às características únicas de diferentes pares de moedas, muitas estratégias quantitativas Forex são projetados com um par de moedas específicas em mente. Embora isso possa produzir muitas estratégias de negociação rentável, também há vantagens em desenvolver estratégias que podem ser negociadas em vários pares de moedas. Isto introduz um elemento de diversificação que pode proporcionar um nível adicional de protecção contra a descida. Daniel Fernandez publicou recentemente um sistema que ele projetou para o comércio em cada um dos quatro majores Forex. Seu objetivo era encontrar um sistema que produziria um histórico de 20 anos de negociação rentável em EURUSD, GBPUSD, USDJPY e USDCHF. Daniel usa uma abordagem de mineração de dados para desenvolver uma estratégia para a negociação das quatro maiores de Forex. Para construir seu sistema, Daniel usou seu software de mineração de dados para definir sinais de entrada e saída que teriam produzido uma estratégia de negociação lucrativa em cada um dos quatro pares de moedas nos últimos 20 anos. O que ele vem com é uma combinação de três regras baseadas em preços que formam a base da sua estratégia de Forex Majors. Daniel8217s Forex Majors estratégia Daniel8217s estratégia de Majors Forex é muito simples em que ele sempre tem uma posição, longa ou curta, em cada um dos quatro pares de moedas que ele trades. Baseia todos os seus negócios em gráficos diários. A estratégia dura muito tempo quando se cumprem as três condições a seguir: A estratégia fica curta quando se cumprem as três condições a seguir: Como você pode ver, a estratégia é basicamente uma tendência otimizada seguindo a estratégia. Isso faz sentido, porque Daniel afirma no início de seu artigo que a tendência de longo prazo estratégias a seguir são geralmente as melhores estratégias para a negociação de múltiplos mercados. Uma regra adicional que a estratégia de Daniel8217s usa é uma parada-perda baseada em ATR. O stop-loss fixo é ajustado em 180 do ATR de 20 dias. Se a stop-loss é acionada, a estratégia permanece fora do mercado até que um sinal seja gerado na direção oposta. O teste indica que a reentrada num sinal na mesma direcção afectou negativamente o desempenho. Backtesting Performance Os resultados de backtesting que Daniel incluiu em seu post mostram que a estratégia foi bastante rentável. Produziu uma relação de vitória de 45, um fator de lucro de 1,38, e uma razão de recompensa a risco de 1,68. A maior preocupação de Daniel8217s sobre a estratégia era que o período de levantamento máximo representou um tempo muito longo. De acordo com os números de Daniel8217s, o retorno anual médio foi de 9,67. Isso consistiu de 16 anos lucrativos, 4 anos perdidos, e um ano que, basicamente, quebrou mesmo. O melhor ano foi um retorno de 37,76, eo pior ano foi uma perda de 20,2. Daniel observa que este sistema não representaria uma boa estratégia autônoma por causa de seus retornos relativos aos levantamentos máximos. No entanto, ele sugere que poderia ser um pedaço interessante de uma estratégia maior, multi-sistema. As seguintes são algumas ferramentas livres e ou open source para aplicações de mineração de dados. Alguns deles são gratuitos para uso sem fins lucrativos apenas. Verifique os sites correspondentes para obter detalhes sobre a licença. R IDEEditors R - um ambiente de software livre para computação estatística e gráficos RStudio - um IDE para R Tinn-R - uma GUI livre para linguagem R e ambiente. Software de mineração de dados Weka - um software de código aberto para mineração de dados RapidMiner - um sistema de código aberto para mineração de dados e texto KNIME - uma plataforma de integração, processamento, análise e exploração de dados de código aberto A biblioteca de aprendizagem de máquina Mahout - Conjuntos. Ele suporta mineração de recomendação, clustering, classificação e mineração de itens freqüentes. Rattage - uma GUI para mineração de dados usando R Clustering CLUTO - um pacote de software para agrupamento de conjuntos de dados de baixa e alta dimensões fastcluster - rotinas de agrupamento hierárquico rápido para R e Python Associação Análise de Seqüência TraMineR - um pacote R para mineração e visualização de dados de seqüência Social Análise de Rede Gephi - uma plataforma de visualização e exploração interativa para redes e sistemas complexos, gráficos dinâmicos e hierárquicos Pajek - uma ferramenta gratuita para análise e visualização de grandes redes CFinder - um software livre para encontrar e visualizar grupos densos sobrepostos de nós em redes, com base Sobre o Método de Percolação de Clique (CPM) Mineração de Processos Análise de Dados Espaciais GeoDa - um software livre para análise de dados espaciais CLAVIN - um pacote de software de fonte aberta para geotagging e geoparsing de documentos que emprega a resolução de entidade geográfica baseada em contexto