本文介绍了 G10 货币的盈利交易策略的研究。 我们将通过考虑现实的交易场景来设计交易策略,分析这些策略在样本外数据上的表现,识别这些交易策略的风险,解释交易策略为何有效,并总结和得出结论。 我们将使用技术指标,如移动平均线 (MA)、指数加权移动平均线、Ichimoku、相对强度指数、随机震荡指标、威廉姆斯 %R、商品通道指数和布林带。 我们还将使用基本指标,例如一种货币与另一种货币的利率差异。我们将构建一个基于机器学习的模型,因为它可以更好地构建动态交易规则以捕捉有利可图的交易机会。 我们使用了一组机器学习算法 - 具有四个主成分的逻辑回归,以及具有随机森林的选民分类器、极度随机化的树、具有来自特征的 4 个主成分的逻辑回归以及具有来自特征的 4 个主成分的支持向量机,年化回报率分别为 27% 和 27%,夏普比率分别为 1.47 和 1.60。