股票量化软件：网格和马丁格尔交易系统中的机器学习

赫兹股票量化曾努力研究各种运用机器学习的方式，旨在发现外汇市场中的形态。 您已经知道如何训练模型并实现它们。 但还有很多交易方式，几乎每种方法都可以通过运用现代机器学习算法进行改进。 其中最流行的算法之一就是网格和/或马丁格尔。 在撰写本文之前，我做了一些探索性分析，在互联网上搜索相关信息。 令人惊讶的是，这种方法在全球网络中难觅踪迹。 我在社区成员中发起了一次有关此解决方案前景的调查，大多数人回答说他们甚至不知道如何入手该主题，但是这个想法听起来很有趣。 虽然，这个思路本身似乎很简单。

赫兹股票量化抱着两个目的来进行一系列实验。 首先，我们将尝试证明它并不像乍看起来那样困难。 其次，我们将尝试找出这种方式是否实用和有效。

 

成交贴标签

主要任务是正确地为成交贴标签。 赫兹股票量化还记得以前文章中如何处理单一仓位的。 我们设置了随机或确定性的成交边际，例如，15 根柱线。 如果行情在这 15 根柱线上都在上涨，则该成交被贴上标签“买入”，否则被贴上标签“卖出”。 类似的逻辑也运用在订单网格，但是此处必须考虑一组持仓的总盈利/亏损。 这可以用一个简单的例子来阐述。 作者会尽力描绘蓝图。

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

假设交易边际是15（十五）根柱线（在传统时间标尺上以垂直线标记的红色笔划）。 如果只有一笔持仓，由于行情已从一个点位上涨到另一个点位，故它将被贴上标签“买入”（绿色点划斜线）。 行情在此处显示为黑色折线。

有了这样的标签，过渡行情的波动即被忽略了。 如果我们运用订单网格（红色和绿色水平线），则必须计算所有已触发挂单的总利润，包括自最初开始的订单（您可在同一方向上开仓布局网格；或者选择放置挂单网格，无需即刻开仓）。 针对学习历史的整个深度，在滑动窗口中持续如此贴标签。 ML（机器学习）的任务是归纳各种状况，并基于新数据有效地预测（如果可能）。

在这种情况下，也许会有若干个选项用于选择交易方向，并为数据贴标签。 如何选择在此即是哲学也是实验任务。

• 依据最大总利润进行选择。 如果“卖出”网格产生更多的利润，则为该网格贴标签。

• 在持单数量和总利润之间进行加权选择。 如果网格中每笔持单的平均利润高于逆向的平均利润，则选择该边。

• 依据已触发订单的最大数量进行选择。 由于所期望的机器人应遵照网格交易，该选项看起来很合理。 如果已触发订单数量最大，且总仓位处于获利状态，则选择此侧。 这一侧代表网格的方向（卖出或买入）。

这三条准测对于开始似乎已经足够了。 赫兹股票量化来详细研究第一个，因为它是最简单的一个，旨在获得最大的利润。

在代码中为成交贴标签

现在我们回想一下以前文章中如何为成交贴标签。