
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Nicht wirklich, ich nahm ATR für Tage 3 und 100 (ich versuchte 50% und 61,8% von ihnen) - 100 zeigte besser natürlich, die mehr über statische Abweichung sagt, aber diese ATR (100) wird für verschiedene Paare unterschiedlich sein, und der feste Wert von 90 Pips für alle Paare erwies sich als effektiver, die mich überrascht.
Aber es geht nicht darum, Durchschnittswerte hinzuzufügen, dann Oszillatoren hinzuzufügen, zu prüfen, welche nicht funktionieren, und die, die nicht funktionieren, wegzuwerfen.
Bisher hat noch niemand über diesen Ansatz gesprochen, aber ich sehe grundsätzlich keinen Grund, warum er nicht funktionieren sollte. Wenn ich genügend Ressourcen hätte, würde ich alle Standardindikatoren auf ihre Nützlichkeit hin überprüfen, aber das tue ich nicht, und ich verwende nur MAA und ATR, obwohl ich meine eigene ATR habe, die ich 2010 entwickelt habe, ohne von der Existenz der ATR zu wissen...
Hier geht es jedoch nicht um Filter und deren Auswahlverfahren zur Optimierung, sondern darum, wie man die Effizienz eines Filters mit Hilfe mathematischer (statistischer) Methoden bestimmt.
Das ist eine interessante Sache.
Bisher hat noch niemand über diesen Ansatz gesprochen, aber ich sehe grundsätzlich keinen Grund, warum er nicht funktionieren sollte. Wenn ich genügend Ressourcen hätte, würde ich alle Standardindikatoren auf ihre Nützlichkeit hin überprüfen, aber das tue ich nicht, und ich verwende nur MAA und ATR, obwohl ich meine eigene ATR habe, die ich 2010 entwickelt habe, ohne von der Existenz der ATR zu wissen...
Hier geht es jedoch nicht um Filter und deren Auswahlverfahren zur Optimierung, sondern darum, wie man die Effizienz eines Filters mit Hilfe mathematischer (statistischer) Methoden bestimmt.
Wenn über die Tatsache, dass 90 ist effektiver, dann gibt es eine Vermutung über einige faule globale Teilnehmer - deren Indikatoren sind einfach die gleichen in allen Paaren, aber das ist eine Annahme, aber ich habe nicht gefunden, eine echte Erklärung.
Dieser Ansatz kann gute Ergebnisse liefern, die Methode der Aufzählung von Zufallsstrategien ist ein separates Thema und kann gute Ergebnisse liefern, aber die Maschine muss sie aufzählen, das ist zu zeitaufwendig.
Natürlich hilft der maschinelle, manuelle Handel nur dabei, eine Hypothese zu bilden.
Nun ja, es gibt definitiv globale Funktionen, die funktionieren, darüber kann man nicht streiten. Es gibt immer eine Lücke im System. Eigentlich ist es ein interessantes Muster. Aber in welchem Zeitintervall und mit welchem System funktionierten statische Werte besser als dynamische?
Ich habe einen Zeitraum von 3 Jahren genommen, ich habe ihn nicht weniger geteilt - vielleicht war es eine zufällige Fluktuation, aber dann wäre es für ein Paar gewesen, und hier war es für 13:
Der "Durchschnitt" ist ein Durchschnitt aller Währungspaare und der "beste %" ist der Prozentsatz, der angibt, wie viele der besten Währungspaare es gab.Um die Wirksamkeit der Filterung zu bewerten, vergleiche ich die folgenden Indikatoren:
Rentabilität_AVR - zeigt die durchschnittliche Rentabilität der Optimierungsergebnisse.
Ich habe oben eine Tabelle mit den erhaltenen Daten aufgeführt, aber ich bezweifle, dass diese Zahlen gleichmäßig verglichen werden können, d.h. ich bezweifle, dass die Variante "MAf_3_3_100" den größten Wert des Indikators "Profit_AVR" hat, der besser ist als "MAf_Pips" oder den gleichen Wert des Indikators "Profit_procplus".
Ursprünglich beschloss ich, einen einfachen Ansatz zu wählen - die besten Werte für jeden Indikator zu finden und zu sehen, welche Filtervariante die besten Werte insgesamt lieferte; auf der Grundlage der Ergebnisse erhielt der Filter einen Punkt für jeden besten Indikator. In ähnlicher Weise habe ich eine Tabelle verwendet, die in Prozent ausgedrückt zeigt, welche Filtervariante unter Berücksichtigung der Statistiken für jedes Währungspaar die besten Ergebnisse lieferte. Danach habe ich die beiden Tabellen kombiniert und die Punktzahl berechnet, wobei die Variante mit der höheren Punktzahl als die beste Filtervariante erkannt wurde.
Dieser Ansatz hat jedoch eine Reihe von Nachteilen, von denen zwei offensichtlich sind:
1. die relative Bedeutung eines Indikators im Vergleich zu anderen wird nicht berücksichtigt, d. h. ein Unterschied von 1 % und 10 % wird gleich behandelt
2. Sie berücksichtigt nicht die Bedeutung der Indikatoren - profit_AVR ist gleichwertig mit profit_procplus, aber ist das wirklich so?
Ich kaufe den ersten Fehler, indem ich die Abweichung des Wertes vom Mittelwert für die schlechteren Werte berechne - je mehr Abweichungen für jeden Indikator, desto größer ist die Chance, von der Auswahl ausgeschlossen zu werden.
Um den zweiten Nachteil zu beheben, habe ich beschlossen, Gewichte zu verwenden, aber es stellt sich die Frage, wie sie verteilt werden sollen - ich nehme Koeffizienten von 1 bis 7 - ich bestimme, welcher Indikator der bedeutendste ist und gebe bereits nicht einen Punkt für den besten Indikator, sondern einen Punkt multipliziert mit dem Koeffizienten.
Welches sind Ihrer Meinung nach die wichtigsten der oben genannten Indikatoren und wie sollten sie gewichtet werden?
Da es nach dem letzten Beitrag keine Kommentare gibt, gibt es zwei Annahmen - das Thema ist nicht interessant oder ich verstehe nicht, worüber ich schreibe. Deshalb habe ich beschlossen, ein Live-Beispiel in einer Datei zu veröffentlichen, das zeigt, wie die Daten verglichen und die besten Optionen ausgewählt werden.
Ich würde mich freuen, wenn das Thema weiterentwickelt wird.