tuisku 如何帮助您？

Tuisku 是一个人工智能和机器学习平台，可利用技术形态优化您的交易策略。Tuisku 与 TraderView 完全集成，可帮助您对包括加密货币在内的资产做出买卖决策，最大限度地提高您在金融市场的表现。

比较分析

图伊斯库 RSI 与经典 RSI 的对比

尝试使用松树克利夫策略，人工智能决策树会优化你的

  1. 复制以下代码
  2. OpenTradingView.
  3. 打开后，请确保您使用的是日线格式的蜡烛图，并已打开 GOOGstock。
  4. 进入松树脚本编辑器：
  5. 点击TradingView界面底部的 "Pine Script "按钮。如果编辑器不可见，请进入主菜单>"更多">"Pine 脚本编辑器 "启用它。
  6. 复制下面的代码并粘贴到编辑器中：
​打开 TraderView

优化微型战略示例

                             if (stochasticD <= 5.85403)
    if (smoothedD_Diff > 2.31155)
        if (stochasticK <= 1.36624)
            decisionValue := 1.000000 // buy
        if (stochasticK > 1.36624)
            if (stochasticDiff <= 1.83977)
                decisionValue := 0.714286 // buy
if (stochasticD > 5.85403)
    if (stochasticD <= 16.8716)
        if (stochasticSmoothedDiff <= -2.07631)
            if (smoothedD_Diff > 12.2661)
                decisionValue := -0.750000 // sell

经典 RSI 策略

  • 依赖于固定阈值（如 RSI < 30 或 > 70）。
  • 完全缺乏时间烛光和行动类型的定制功能
  • 缺乏先进工具，通常需要手动止损和获利。
  • 静态阈值，灵活性有限。

图伊库 RSI 战略

  • 使用随机森林人工智能分析多个变量，将数字置于最佳点。例如，在特斯拉的 RSI 值为 18.4 和谷歌的 RSI 值为 26.4 时买入。
  • 更精确的超买/超卖信号
  • 买入/卖出信号和风险管理的阈值可调、
  • 包括动态止损、多级止盈和可选跟踪止损。

TradingView.com Pine Script™ v5 GOOG Small icon of Alphabet (Google) Class C - 1Day - 1S00

Open in TradingView TW icon Alphabet (Google) Class C (GOOG)

*In TW update the candles Time: - 1Day

Trading Strategy Overview

Price Name Time frame Net Profit ($) Indicators Name Net Profit (%) Closed Trades Win Rate (%) Profit Factor Max Loss ($) Max Loss (%) Avg Profit ($) Avg Profit (%)
$79.00 Alphabet (Google) Class C Icon of Alphabet (Google) Class C 1Day $9,989.17 Stochastic RSI 1.00% 59.0 55.93% 3.06 $1,128.00 0.11% $169.00 1.70%

Technical Pattern Information

Key: 1S00

Attached File: Stochastic_RSI.py

Associated Function: TECH_PATTERN. L_Stochastic_RSI

Full Indicator Name: Stochastic RSI

Variables it Returns: Stochastic RSI

Explanation: The Stochastic RSI generates signals for overbought or oversold conditions based on the RSI formula, increasing sensitivity to price movements.

Key Combination: 1S00

什么是人工智能决策树？

决策树是一种用于分类和回归的机器学习算法。在交易中，它评估各种输入（如技术指标）以预测结果，如买入或卖出。Scikit-learn (sklearn) 是一个 Python 库，可以轻松创建和优化这些模型。

它们是如何产生的？

  1. 数据收集：收集历史市场数据（价格、指标等）。
  2. 特征选择：选择 RSI、移动平均线和波动率等关键指标作为输入。
  3. 模型训练：决策树在标注数据上进行训练，算法在此基础上学习预测价格走势的模式。
  4. 优化：对树的深度和分割标准等超参数进行调整，以确保准确性。

最简单的人工智能决策树示例

如何进行测试？

    回溯测试：交叉验证：将数据分为训练集和测试集，确保数据的稳健性：评估指标：精确度、召回率和利润因子等指标决定了模型的性能。

图伊库交易策略概述

我在这里看到了什么

我们将以所附的松树脚本策略为例进行讨论。Tuisku 提供的其他策略也采用了类似的结构，只是在 decision_tree() 函数中会根据以下因素进行调整：

  • 技术模式
  • 资产类型（如股票、加密货币）
  • 时间框架（如每日、每小时蜡烛图）

您可以在 "购买策略 "选项卡中查看全部策略列表。这种方法使 Tuisku 能够提供多种策略，以适应不同的交易风格和市场条件。

优化

Tuisku 的人工智能使用 Scikit-learn 的 DecisionTreeRegressor 在历史市场数据上训练决策树。这可以确保

  • 数据驱动决策：历史数据可优化阈值，提高准确性和适应性：
  • 关键变量（如 d、rsi1 和 smoothK_k）根据其预测能力进行优先排序。

您可以在 "购买策略 "选项卡中查看全部策略列表。这种方法使 Tuisku 能够提供多种策略，以适应不同的交易风格和市场条件。

条件 if-else 决策树

脚本采用结构化的 if-else 决策树来评估条件和确定交易行动：

  • 阈值：如果 rsi ≤ 5.85403，脚本会评估更精细的条件，以决定是 "买入"、"卖出 "还是 "持有"。
  • 优化阈值：传统策略中，RSI=20 等阈值表示 "超卖"，而 Tuisku 的人工智能会优化这些值，以获得最大收益。
  • 深度：决策树结构的复杂程度各不相同：对于大容量资产，更深的树（5-8 层）可确保更好的决策。

洞察力

精确与安全：默认情况下，战略的目标是将风险降至最低：

  • 买入阈值：设置为 ret ≥ 0.55，以确保只在有利条件下启动交易。
  • 止损：动态止损，自动设置在买入点下方 2%。
  • 卖出阈值：如果回撤≤ -0.9，则卖出头寸，及时平仓不利交易。
  • 风险管理：这些设置可在盈利和风险之间取得平衡，让交易更有把握。

目的和产出

该脚本使用技术指标评估市场状况，并计算回报值（ret）以指导交易行动：

  • 正值（~1）：表示 "买入 "信号。
  • 负值 (~-1)：表示 "卖出 "信号。
  • 中性区间（-0.7 至 0.7）：该区间内的数值被视为 "持有"，即不建议采取任何交易行动。

尝试使用松树克利夫策略，人工智能决策树会优化你的

  1. 复制以下代码
  2. OpenTradingView.
  3. 打开后，请确保您使用的是日线格式的蜡烛图，并且GOOG 的股价在
  4. 进入松树脚本编辑器：
  5. 点击TradingView界面底部的 "Pine Script "按钮。如果编辑器不可见，请进入主菜单>"更多">"Pine 脚本编辑器 "启用它。
  6. 复制下面的代码并粘贴到编辑器中：