Jump to content
Tom Next - Daytrading Community

MetaTraders

  • entries
    29
  • comments
    69
  • views
    103,393

Verwende Fuzzy Logic in deinem MQL5 Indikator


FinGeR

3,363 views

Einführung

Die Verwendung verschiedener Methoden zur Analyse der Märkte wird von Jahr zu Jahr immer beliebter. Ich möchte meinen Beitrag dazu leisten und euch zeigen, wie man einen guten Indikator erstellt, mit wenigen Codezeilen. Und eine Einführung in den Grundlagen von Fuzzy Logic.

 

Wer sich intensiver mit dem Thema Fuzzy Logic beschäftigen will, dem Empfehle ich:

  1. Leonenkov А. "Fuzzy Simulation in MATLAB and fuzzyTECH" (in Russian).
  2. Bocharnikov V."Fuzzy Technology: Mathematical Background. Simulation Practice in Economics" (in Russian).
  3. Bart Kosko "Fuzzy Logisch. Eine neue Art des Denkens."

 

1. Die Grundlagen von Fuzzy Logic

"... ein wenig mehr ...", "... zu schnell ...", "... fast nichts ...",

wie Erklärt man einem Computer solche einfachen Ausdrücke? Es ist durchaus möglich mithilfe der "Fuzzy Sets Theory Elemente", oder vielmehr der sogenannten "Zugehörigkeitsfunktion"(membership function). Hier ist ein Beispiel aus dem Buch von А. Leonenkov:

 

Beschreiben wir die Zugehörigkeitsfunktion(membership function) für die Phrase "Hot Coffee":

Die Kaffee Temperatur sollte im Bereich von 0 - 100 Grad Celsius liegen, aus dem einfachen Grund, da bei Temperaturen unter 0 Grad der Kaffe gefriert, während er bei bei einer Temperatur von über 100 Grad verdampft. Es ist ganz offensichtlich, dass eine Tasse Kaffee mit einer Temperatur von 20 Grad nicht Heiß ist, deshalb setzen wir die "membership function" der Kategorie "Hot" auf 0. während aber eine Tasse Kaffee mit einer Temperatur von 70 Grad auf jeden Fall heiß ist, setzten wir dort die "membership function" der Kategorie "Hot" auf 1.

 

Für die Temperaturwerte, die zwischen diesen zwei extremen Werten(0-100) liegen ist die Situation nicht eindeutig. Für die einen wäre der Kaffe mit einer Temperatur von 55 Grad heiß, während andere ihn als nicht heiß betrachten würden. Dieses ist die "fuzziness".

 

Trotzdem können wir uns ungefähr Vorstellen wie die Zugehörigkeitsfunktion(membership function) in diesem Beispiel aussehen würde: "monoton steigend"(monotonically increasing):

2013-09-10_21-15-55.png

Die Abbildung oben zeigt die "stückweise lineare" Zugehörigkeitsfunktion(membership function)

 

Somit kann die Funktion durch den folgenden analytischen Ausdruck definiert werden:

2013-09-10_21-22-30.png

Diese membership function werden wir in unserem MQL5 Indikator benutzten.

 

2. (membership function) Zugehörigkeitsfunktion

Alle Technischen Indikatoren haben auf der einen oder anderen Weise immer die selbe Aufgabe,

die Bestimmung des aktuellen Markt Geschehens (Konsolidierungsphasen, Aufwärtstrend, Abwärtstrend),

sowie das Erstellen von Markt Signalen Entry/Exit. Wie kann man dies aber mit Hilfe der Fuzzy Logic "membership function"

umsetzen. Ganz einfach.

 

Zunächst einmal müssen wir die Grenzbereiche definieren.(Wie bei der Tasse Kaffee im oberen Beispiel)

 

© --

Übersetzung von Alexander Piechotta alias FinGeR

Leider ist die Übersetzung des gesamten Beitrags nicht gestattet.

Quelle, Englische Fortsetzung : Continue Reading...

0 Comments


Recommended Comments

There are no comments to display.

×
×
  • Create New...