Random-Forest Machine Learning Indicator for NinjaTrader 8

Beschreibung

Algorithm Übersicht

Der Indikator verwendet ein Random-Forest-Machine-Learning-Modell, das auf historischen Marktdaten trainiert wurde, um Preisbewegungen eine bestimmte Anzahl von Balken in die Zukunft vorherzusagen (20 Balken auf dem 1-Minuten-Timeframe). Random Forest ist eine Ensemble-Learning-Methode, die mehrere Entscheidungsbäume kombiniert, um robuste und genaue Vorhersagen zu liefern — durch Reduzierung von Überanpassung und Verbesserung der Vorhersagegenauigkeit durch Aggregation von Ergebnissen aus mehreren unabhängigen Modellen.

Feature Engineering

Das Random-Forest-Modell analysiert eine umfassende Reihe von Merkmalen, die aus der Preisbewegung extrahiert werden, einschließlich:

• Referenzpunkte des Vortages: Abstand von den Hoch- und Tiefpreisen des Vortages, für Analyse von Übernacht-Lücken und möglichen Unterstützungs-/Widerstandsniveaus
• Referenzpunkte des aktuellen Tages: Abstand vom Hoch- und Tiefpreis des aktuellen Tages, erfasst Intraday-Momentum und Range-Dynamik
• Daten aus höheren Timeframes: Abstände von 30-Minuten- und 4-Stunden-Timeframe-Hochs und -Tiefs, zur Bestätigung von Multi-Timeframe-Signalen
• Technische Indikator-Konfluenz: Preisnähe zu SuperTrend-Niveaus und anderen proprietären Indikatoren, identifiziert Schlüsselniveaus, an denen mehrere Analysen zusammenkommen
• Volumen-Analyse: Volumen-Differential im Vergleich zum vorherigen Balken, erfasst Änderungen in der Marktbeteiligung und Handelsintensität
• Preisbewegungsmuster: Unterschiede des Schluspreises über mehrere Perioden, erkennt Momentum-Verschiebungen und Trend-Änderungen

Technologie-Stack

Dieser Indikator wird von Microsofts ML.NET-Bibliothek angetrieben, einem professionellen Machine-Learning-Framework, das hochleistungsstarkes Modell-Training und -Inferenz bietet, geeignet für Echtzeit-Handelsanwendungen.

Trainingsdaten

Das Modell wurde auf umfangreiche historische Daten trainiert, die verschiedene Marktbedingungen, Volatilitätsniveaus und Preismuster erfassen, so dass es diverse Marktverhalten gelernt hat und sich an verschiedene Handelsumgebungen anpassen kann.

Vorhersageergebnis

Der Indikator erzeugt Vorhersagen als erwartete Preisbewegungen (in Punkten) für die nächsten 20 Balken. Wenn die vorhergesagte Bewegung den benutzerdefinierten Schwellwert überschreitet, wird ein Signal erzeugt — bullisch, wenn das Modell eine positive Preisbewegung vorhersagt, bärisch, wenn es eine Abwärtsbewegung vorhersagt.

Signal-Integration & Automatisierung

Die Eingangs-Signale, die dieser Indikator erzeugt, können nahtlos mit Drittanbieter-Handelssoftware wie AlgoStudio und Bloodhound integriert werden, sodass du deine Handelsstrategien basierend auf den Machine-Learning-Vorhersagen automatisieren kannst — eröffnet automatisierte Order-Platzierung und Positions-Management.

Audio-Benachrichtigungen

Echtzeit-Sound-Warnungen werden ausgelöst, wenn immer ein Eingangs-Signal erzeugt wird, sodass du nie eine Gelegenheit verpasst, auch wenn du weg von deinem Bildschirm bist — anpassbar an jede .wav-Datei auf deinem Computer.

Beispiele

Alle unten stehenden Beispiele sind auf dem MES-Instrument mit einem Vorhersage-Schwellwert von 10 Punkten.

Beispiel 1: Starke Verkaufssignale auf einem bärischen Trend

Der Indikator sagt die Fortsetzung eines Verkaufstrends voraus, indem er eine Reihe von Verkaufssignalen erzeugt, die bestätigt wurden und rentabel gewesen wären, wenn sie genommen wurden — erzeugt während RTH (reguläre Handelszeiten), wo das Volumen auf MES erheblich hoch ist.

Beispiel 2: Starkes Kaufsignal, aber wo die Platzierung des Stop Loss entscheidend ist

Ein bullisches Kaufsignal tritt auf, aber die Preisbewegung zieht sich später in den FVG zurück, der das Eingangs-Signal erstellte — eine Erinnerung daran, immer einen Puffer von Punkten zum FVG-Docht hinzuzufügen, der den Eintritt erstellte, um zu vermeiden, dass der Stop Loss durch Preis-Pullbacks aktiviert wird.

Beispiel 3: Nicht alle Signale sind perfekt, aber vorherige Signale und Kontext sind wichtig

Der Indikator erzeugt ein schlechtes bullisches Signal — aber es wurde von einer Gruppe starker bärischer Signale vorausgegangen, und die letzte Gruppe bärischer Signale bestätigt die Trend-Fortsetzung bärisch, zeigt, warum der Kontext um ein Signal wichtig ist.

Beispiel 4: Fortsetzungs-Signale & Umkehr-Signale

Der Indikator kann sowohl Umkehr- als auch Fortsetzungs-Signale erzeugen. Umkehr-Signale werden durch die Erzeugung nach einem entgegengesetzten FVG unterschieden — z. B. ein bärisches Umkehr-Signal erzeugt nach einem bullischen FVG, gefolgt von einer roten Kerze.

Signals & Usage in Strategy Builder

Der Indikator macht Signal-Plots verfügbar, die vom Strategy Builder und Drittanbieter-Software wie Bloodhound und AlgoStudio verwendet werden können.

Diese Signal-Plots sind transparent und werden nicht auf dem Chart gezeichnet. Um sie vom Strategy Builder zu verwenden, wähle sie aus und baue Logik auf ihren Werten auf — die Buy Signal und Sell Signal Plots halten +1 für bullische Signale und -1 für bärische Signale, ansonsten 0. Also sollte eine bullische Signal-Bedingung "größer als 0" prüfen, und eine bärische Signal-Bedingung sollte "kleiner als 0" prüfen.

Parameter

Wir versuchen immer, die Parameter auf ein Minimum zu beschränken.

Download- und Installationsanleitung

Installationsschritte

1

Lade die Random-Forest-Modell-Datei für dein Instrument herunter (das Training ist spezifisch für jedes Instrument und jeden Timeframe — ein Modell wird pro Instrument auf dem 1-Minuten-Timeframe bereitgestellt).

Melden Sie sich an, um diese Datei herunterzuladen.

2

Lade und extrahiere die Microsoft.ML Runtime Abhängigkeiten in deinen NinjaTrader Custom bin Ordner (C:\Users\{Dein Windows Benutzername}\Documents\NinjaTrader 8\bin\Custom\) — stelle sicher, dass die DLL-Dateien direkt in diesem Ordner landen, nicht in einem Unterordner, und überschreibe nicht eine neuere Version, die bereits dort vorhanden ist.

Melden Sie sich an, um diese Datei herunterzuladen.

3

Importieren Sie die heruntergeladene .zip-Datei in NinjaTrader über das Menüelement NinjaScript importieren.

4

Öffne ein neues Chart-Fenster und lade mindestens zwei Tage an Daten — der Indikator benötigt Daten vom Vortag, um ordnungsgemäß zu funktionieren.

5

Klicke mit der rechten Maustaste auf das Chart und wähle Indicators..., um den Indikator zum Chart hinzuzufügen, während du deine Lizenz (auf der Abrechnung-Seite zu finden) einfügst.

6

Gebe den vollständigen Pfad der Modell-Datei im Model File Parameter an — oder lass ihn leer und der Indikator zeigt einen Browse File Dialog zum Auswählen der Modell .zip-Datei.

7

Danach läuft der Indikator zunächst auf den Verlaufsdaten des Charts und setzt sich dann mit Live-Marktdaten fort.

Häufig gestellte Fragen

Allgemein

Versionshinweise