Robot Dagangan Forex Menggunakan Logik Kabur: Analisis Teknikal

1. Pengenalan

Pasaran forex, yang beroperasi 24 jam sehari, menunjukkan turun naik yang tinggi dan perubahan harga yang ketara. Pedagang sering menghadapi cabaran akibat perubahan harga yang tidak dapat diramalkan dan risiko kerugian. Kajian ini mencadangkan robot dagangan berasaskan logik kabur untuk meningkatkan strategi teknikal biasa, khususnya menggunakan penunjuk RSI, CCI, dan Stokastik, untuk meningkatkan ketepatan transaksi dan keuntungan.

2. Jadual Kandungan

• 3. Metodologi
  • 3.1 Reka Bentuk Sistem Mamdani Kabur
  • 3.2 Fuzzifikasi Penunjuk
  • 3.3 Mekanisme Pengundian
• 4. Keputusan Eksperimen
  • 4.1 Perbandingan Faktor Keuntungan
  • 4.2 Analisis Keuntungan Bersih dan Pengeluaran
• 5. Butiran Teknikal
• 6. Kajian Kes: Penjanaan Isyarat Dagangan
• 7. Hala Tuju Masa Depan
• 8. Analisis Asal
• 9. Rujukan

3. Metodologi

Sistem yang dicadangkan menggantikan ambang penunjuk klasik dengan sistem inferens Mamdani kabur untuk setiap penunjuk (RSI, CCI, Stokastik). Output digabungkan melalui mekanisme pengundian untuk menjana isyarat beli/jual.

3.1 Reka Bentuk Sistem Mamdani Kabur

Setiap penunjuk difuzzifikasikan menggunakan fungsi keahlian (contohnya, rendah, sederhana, tinggi). Pangkalan peraturan mentakrifkan tindakan dagangan berdasarkan kombinasi set kabur ini. Sebagai contoh, jika RSI rendah dan CCI rendah, maka isyaratnya adalah beli kukuh.

3.2 Fuzzifikasi Penunjuk

RSI dipetakan kepada set kabur: terlebih jual (0-30), neutral (30-70), terlebih beli (70-100). CCI menggunakan julat yang serupa, manakala Stokastik %K dan %D difuzzifikasikan ke dalam zon rendah, sederhana, dan tinggi.

3.3 Mekanisme Pengundian

Setiap sistem kabur mengeluarkan isyarat (beli, jual, tahan). Undian majoriti menentukan tindakan akhir. Ini mengurangkan isyarat palsu dan meningkatkan keteguhan.

4. Keputusan Eksperimen

Robot kabur telah diuji pada data forex sejarah (EUR/USD, GBP/USD) dalam tempoh 12 bulan. Prestasi dibandingkan dengan tiga kaedah klasik: (1) RSI standard, (2) CCI standard, (3) Stokastik standard.

4.1 Perbandingan Faktor Keuntungan

Robot kabur mencapai faktor keuntungan 2.45, berbanding 1.78 (RSI), 1.65 (CCI), dan 1.92 (Stokastik). Ini mewakili peningkatan 27% berbanding kaedah klasik terbaik.

4.2 Analisis Keuntungan Bersih dan Pengeluaran

Keuntungan bersih meningkat sebanyak 35% berbanding purata kaedah klasik. Pengeluaran maksimum dikurangkan kepada 12%, berbanding 18% untuk RSI klasik dan 22% untuk CCI klasik.

5. Butiran Teknikal

Sistem inferens kabur menggunakan rumusan matematik berikut untuk kekuatan isyarat $S$:

$S = \frac{\sum_{i=1}^{n} w_i \cdot \mu_i}{\sum_{i=1}^{n} w_i}$

di mana $w_i$ adalah pemberat peraturan dan $\mu_i$ adalah darjah keahlian. Defuzzifikasi menggunakan kaedah centroid.

6. Kajian Kes: Penjanaan Isyarat Dagangan

Pertimbangkan senario di mana RSI = 25 (terlebih jual), CCI = -120 (terlebih jual), Stokastik %K = 15 (rendah). Sistem kabur mengeluarkan: RSI kabur = beli kukuh, CCI kabur = beli kukuh, Stokastik kabur = beli. Pengundian menghasilkan isyarat beli kukuh. Ini mengelakkan isyarat bercanggah kaedah klasik.

7. Hala Tuju Masa Depan

Kerja masa depan boleh mengintegrasikan sistem kabur adaptif yang belajar daripada turun naik pasaran, menggabungkan analisis sentimen daripada suapan berita, atau menggunakan pembelajaran pengukuhan mendalam untuk mengoptimumkan pemberat peraturan. Sistem ini juga boleh diperluaskan kepada pasaran mata wang kripto.

8. Analisis Asal

Pandangan Teras: Kertas kerja ini menunjukkan bahawa logik kabur dapat meningkatkan penunjuk teknikal klasik dengan ketara dengan mengendalikan ketidakpastian pasaran, yang membawa kepada peningkatan 27% dalam faktor keuntungan. Mekanisme pengundian mengurangkan isyarat palsu, kelemahan biasa dalam sistem berasaskan ambang tegar.

Aliran Logik: Penulis bermula dengan masalah turun naik pasaran, mencadangkan sistem Mamdani kabur untuk setiap penunjuk, menggabungkan output melalui pengundian, dan mengesahkan terhadap kaedah klasik. Aliran ini logik tetapi kekurangan ujian statistik yang ketat (contohnya, nisbah Sharpe, simulasi Monte Carlo).

Kekuatan & Kelemahan: Kekuatan termasuk metodologi yang jelas dan peningkatan praktikal. Kelemahan: kajian hanya menggunakan tiga penunjuk dan satu pasangan mata wang; kemungkinan overfitting wujud. Kertas kerja tidak membincangkan kos transaksi atau gelinciran, yang boleh menghakis keuntungan. Seperti yang dinyatakan oleh Goodfellow et al. (2016) dalam Deep Learning, pergantungan berlebihan pada corak sejarah boleh menyebabkan generalisasi yang lemah dalam pasaran tidak pegun.

Pandangan Boleh Tindak: Pedagang harus mempertimbangkan sistem hibrid kabur-klasik untuk isyarat kemasukan. Walau bagaimanapun, mereka mesti menguji semula merentas pelbagai rejim pasaran (bertrend, julat, tidak menentu) dan memasukkan pengurusan risiko (contohnya, henti rugi, saiz kedudukan). Pendekatan kabur adalah menjanjikan tetapi bukan penyelesaian ajaib.

9. Rujukan

1. M. Shabani, A. Nasiri, dan H. Nafardi, "Robot Dagangan Forex Menggunakan Logik Kabur," 2023.
2. J. J. Murphy, Analisis Teknikal Pasaran Kewangan, New York Institute of Finance, 1999.
3. L. A. Zadeh, "Set Kabur," Maklumat dan Kawalan, jil. 8, no. 3, ms. 338–353, 1965.
4. I. Goodfellow, Y. Bengio, dan A. Courville, Pembelajaran Mendalam, MIT Press, 2016.
5. J. S. R. Jang, "ANFIS: sistem inferens kabur berasaskan rangkaian adaptif," IEEE Trans. Syst., Man, Cybern., jil. 23, no. 3, ms. 665–685, 1993.