Kriterium für die automatische Auswahl von Optimierungsergebnissen.

 

Wir kämpfen, wir schreiben Strategien, und praktisch jeder Experte ist in der Lage, mit bestimmten Parametern im letzten Handelsintervall Gewinne zu erzielen. Der Auswahl der Parameter wird dagegen relativ wenig Aufmerksamkeit geschenkt.

Ehrlich gesagt, habe ich mich für dieses Thema auf aus einem anderen Grund interessiert, nämlich wegen der Suche nach dem Optimierungskriterium in meinem eigenen Optimierer mit meinem eigenen GA, da ich verstanden habe, dass die Optimierungskriterien von MT4 nicht das gewünschte Ergebnis liefern. Aber mir wurde klar, dass ich mit dem Tanzen im Quellcode beginnen sollte. Deshalb "Suche nach Auswahlkriterien für Optimierungsergebnisse".

Natürlich habe ich mich nicht mit den auf der Website verfügbaren Artikeln vertraut gemacht (danke an die Autoren), auch die verfügbaren Diskussionen durchgesehen, sogar einige Bücher durchgeblättert), aber ich habe dort nicht gefunden, was ich gerne sehen würde. Vielleicht gibt es etwas, aber in der Sprache der Vögel, ich bin nicht sehr gut darin, alle die gleichen Praktiker primitivist (vielleicht wird jemand in "menschlichen" übersetzen), aber vielleicht einfach nicht sehen. Als Ergebnis dieses Threads und der hoffentlich konstruktiven Diskussion möchte eine spezifische Formel, eine Funktion der Testergebnisse, deren Maximum mit hoher Wahrscheinlichkeit einen brauchbaren Parametersatz anzeigen würde.

Ohne falsche Bescheidenheit möchte ich anmerken, dass ich bei der manuellen Auswahl des Optimierungsergebnisses von einige Erfolge erzielt habe. Ich kann diesen Prozess jedoch nicht automatisieren. Vielleicht ist es nur eine schlecht formalisierbare Erfahrung.

Natürlich gibt es eine einfache und effiziente Möglichkeit der Parameterauswahl - den OOS-Test . Aber leider ist das nicht immer akzeptabel. Wenn wir z.B. für meine Schafböcke ein Kriterium für das OOS-Ergebnis aufstellen ( ), dann wird es kein OOSmehr sein .

Also, erste Daten in Bezug auf MT4:

-GrossProfit ,

-GrossLoss,

-MaxDrawdown (Drawdown) ,

-Anzahl der gewinnbringenden Geschäfte, Verlustgeschäfte, - Gesamtzahl der Geschäfte,

-Anzahl der Balken (Ticks) der Prüfung,

Handel mit maximalem Gewinn, Handel mit maximalem Verlust

-Serien von gewinnbringenden Geschäften, Serien von Verlustgeschäften

Es scheint nichts zu fehlen (korrigieren Sie mich, wenn ich etwas übersehen habe), alle Arten von MO, RFP usw. werden absichtlich weggelassen, da sie berechnet werden und aus dem oben genannten erhalten werden können.

Sollen wir etwas zaubern?

 
Figar0 писал(а) >>

Wir kämpfen, wir schreiben Strategien, und praktisch jeder Experte ist in der Lage, mit bestimmten Parametern im letzten Handelsintervall Gewinne zu erzielen. Dem Thema der Parameterauswahl wurde bisher relativ wenig Aufmerksamkeit geschenkt.

Sollen wir etwas zaubern?

Das Thema scheint immer aktuell zu sein. Wir können also beginnen.

 
Vinin писал(а) >>

Das Thema scheint schon immer ein heißes Eisen gewesen zu sein. Wir können also beginnen.

Fangen wir an, und zwar damit, dass es an der Zeit ist, einige Thesen zu entkräften, die diesen Thread teilweise sinnlos machen.

1) "Der Gewinn wird in das System in der Bauphase eingebaut, nicht in der Optimierungsphase". Dadurch wird die Optimierungsphase im Allgemeinen unwichtig. Ich selbst habe lange Zeit so gedacht. Wie falsch ich doch lag... Es gibt eine Reihe von Systemen, bei denen dies nicht oder nicht ganz der Fall ist. Verschiedene NS und einfach sehr komplexe Systeme (ich habe vor kurzem einen Pipswitch mit etwa 100 Parametern gesehen, die "getunt" werden müssen, übrigens ziemlich profitabel, seltsamerweise), die, was auch immer man in sie in der Entwurfsphase einbaut, ohne Optimierung/Training leicht in den Müll wandern können...

2) "Zu viele externe Parameter - der Experte ist ein Schmarotzer". Ich habe es schon oft gehört. Die Praxis zeigt, dass es keinen solchen Zusammenhang gibt. Solche EAs sind schwer auszubilden und daher schwer zu benutzen, aber das liegt daran, dass niemand klar sagen kann, was gelehrt werden soll. Daher ist das wahrscheinlichste Ergebnis der Optimierung eine "schlechte Passform" und damit ein Misserfolg.

 
Meine 5 Cents Erfahrung - für mich gibt es eine Formel = die Anzahl der Trades ist direkt proportional zur Stabilität und umgekehrt proportional zur Rentabilität.
 
xeon писал(а) >>
Meine 5 Cent Erfahrung - für mich selbst habe ich eine Formel abgeleitet = die Anzahl der Geschäfte ist direkt proportional zur Stabilität und umgekehrt proportional zur Rentabilität.

Es ist sehr gut, dass Sie auf dieses Thema aufmerksam geworden sind. Ich denke, dass Sie durch die Arbeit mit und an dem Auto-Optimierer mehr als nur eine Menge Rubel an Erfahrung gesammelt haben, die Sie noch weitergeben können).

In diesem speziellen Fall habe ich eine doppelte Sicht auf die Anzahl der Geschäfte:

Die erste Option - deckt sich mit Ihren Beobachtungen, aber ich allmählich aufgeben, muss ich die Suche einzugrenzen.

Der zweite Fall ist der, dass die Anzahl der Berufe in der Entwurfsphase festgelegt wird, d.h. für jedes System gibt es seine Aktivität und das, was es auf Kosten der Mutation in ein anderes System "erlernen" musste. In letzter Zeit verwende ich die Anzahl der Abschlüsse in etwa wie folgt: Angenommen, die geschätzte Anzahl der Abschlüsse (bei Betrachtung eines Charts) beträgt beispielsweise 5 pro Tag (Sie können 1 für 20 Balken, 2 pro Stunde oder was auch immer verwenden), dann sollte die durchschnittliche Anzahl der Abschlüsse (ACS) in einem Bereich von etwa 5 liegen, d. h. 3<=ACS<=7. Was außerhalb des Bereichs liegt, wird rücksichtslos verworfen, so dass der Sinn des Systems nicht verloren geht, aber gleichzeitig die Möglichkeit ausgeschlossen wird, zufällig eine verwandte Variante der Verwendung von TS oder ein anderes Muster zu finden.

 
Figar0 >>:

Очень хорошо, что Вы заметили эту тему. Я думаю, работая с автооптимизатором и над ним, опыта Вы набрали более чем на много рублей, и еще сможете им поделиться)

В этом конкретном случае, с колличеством сделок, у меня двоякое видение:

Первый вариант - совпадает с Вашими наблюдениями, но постепенно от него отказываюсь, приходится сжимать круг поиска.

Второй - это тот случай когда колличество сделок закладывается на этапе проектирования, т.е. для каждой системы есть ее активность, а есть то, чему ее "заставили" научиться ценой мутации в другую систему. И последнее время я использую колличество сделок примерно так: Допустим, расчетно-визуальное (глядя на график) колличество сделок 5 в день (можно 1 на 20 баров, 2 в час или что угодно), соответственно среднее колличество сделок (СКС) должно укладываться в диапазон около 5, т.е. например 3<=CКC<=7. То что за диапазоном - безжалостно отбрасывается, позволяя не потерять смысл системы, правда заодно перечеркивая возможность случайно найти сопутствующий вариант использования ТС, или просто другую закономерность.


Das hängt natürlich von der Art des Fahrzeugs ab.

Ein weiterer interessanter Parameter ist meiner Meinung nach der (berechnete) "Sharp-Koeffizient", aber ich habe noch nicht damit gearbeitet :-)

 
xeon писал(а) >>

Natürlich hängt das alles von der Art des TS ab.

Ein weiterer interessanter Parameter ist meiner Meinung nach (berechnet) die "Sharpe Ratio", aber ich habe noch nicht damit gearbeitet :-)

Sharps, Sortino und andere - es ist fast wie eine Vogelzunge :) Alle sagen "cool", aber ich habe es auch noch nicht ausprobiert. Wenn jemand weiß, wie man es aus Rohdaten für den praktischen Gebrauch berechnen kann, werde ich es versuchen und Ihnen das Ergebnis mitteilen. Wir müssen die Rohdaten für die formelhafte Sprache umdefinieren.

-Gesamtgewinn = GP ,

-GrossLoss = GL,

-MaxDrawdown (Drawdown) = MD ,

-Anzahl der gewinnbringenden Geschäfte = PD, Verlustgeschäfte = LD, Gesamtzahl der Geschäfte = AD,

-Anzahl der Balken (Ticks) des Tests = TIME,

Maximaler Gewinn = MPD, Maximaler Verlust Handel = MLD

-Serie von gewinnbringenden Geschäften = SPD (in Einheiten), = SPD$ (in Einzahlungswährung), Serie von Verlustgeschäften =SLD, =SLD$

Habe ich etwas verpasst? Ist es möglich, Formeln zu zeichnen?

Z.U. werde ich mir ein paar Stunden Zeit nehmen, um nachzudenken und unsere Olympioniken moralisch zu unterstützen, Skifahren) Und ohne meine Unterstützung) sind sie nicht so weit....(

Wer macht mit?:)

 

Methodik zur Berechnung der Sharpe Ratio


Hilfe für die Sharpe Ratio:

Die Sharp Ratio, auch bekannt als Reward-to-Variability-Ratio, charakterisiert die Managementleistung. Er misst die Rendite im Verhältnis zum Gesamtrisiko des Portfolios. Dabei ist das Gesamtrisiko die Standardabweichung der Portfoliorenditen.
Die Sharpe Ratio wird für einen bestimmten Umfang und einen bestimmten Zeitrahmen anhand der folgenden Formel berechnet:

wobei
-durchschnittliche Portfoliorendite (durchschnittliche Portfoliorendite);
-durchschnittlichen risikofreien Zinssatz;
-Standardabweichung der Portfoliorenditen, die detaillierte Berechnung ist in der Dokumentation des Volatilitätsberechnungsdienstes zu finden.
Es wird die geometrische Rendite verwendet, die als natürlicher Logarithmus des Kursverhältnisses (logarithmische Rendite) definiert ist:

wobei
- Preise zum Ende des vorangegangenen Zeitraums gemessen;
-Preise am Ende der laufenden Periode;

Je höher die Sharpe Ratio ist, desto effizienter ist die Investition. Ein kleiner Sharpe-Ratio-Wert zeigt an, dass die Anlagerenditen das eingegangene Risiko nicht rechtfertigen. Eine negative Sharpe Ratio deutet darauf hin, dass Investitionen in risikofreie Anlagen höhere Renditen bringen würden.


Sortino und modifizierter Sortino-Koeffizient helfen:

Die Sortino Ratio ist ein weiteres Maß für den Ertrag und das Risiko eines Anlageinstruments. Mathematisch wird sie ähnlich wie die Sharpe Ratio berechnet, allerdings wird statt der Portfolio-Volatilität die so genannte "Downside Volatility" verwendet. In diesem Fall wird die Volatilität auf Renditen berechnet, die unter der akzeptablen Mindestportfoliorendite (MAR) liegen.

Der Sortino-Koeffizient für die gegebene Tiefe und den gegebenen Zeitrahmen wird nach der folgenden Formel berechnet
wobei
- durchschnittliche Portfoliorendite (durchschnittliche Portfoliorendite);
MAR- Minimum Acceptable Return des Portfolios
-Standardabweichung der Portfoliorenditen, berechnet für die Renditen unterhalb der akzeptablen Mindestportfoliorendite. Die detaillierte Berechnung kann in der Dokumentation des Volatilitätsberechnungsdienstes nachgelesen werden.

Der modifizierte Sortino-Koeffizient für die gegebene Tiefe und den gegebenen Zeitrahmen wird nach der folgenden Formel berechnet
wobei
-durchschnittliche Portfoliorendite (durchschnittliche Portfoliorendite);
-durchschnittlichen risikofreien Zinssatz;
-Standardabweichung der Portfoliorenditen, berechnet für die Renditen, die unter der akzeptablen Mindestportfoliorendite liegen. Die detaillierte Berechnung kann in der Dokumentation des Volatilitätsberechnungsdienstes nachgelesen werden.

Die Rendite ist geometrisch und wird als natürlicher Logarithmus des Preisverhältnisses (logarithmische Rendite) definiert:

wobei
- Preise zum Ende des vorangegangenen Zeitraums gemessen;
-Preise, gemessen am Ende der laufenden Periode;
 

Referenz für Alpha- und Betakoeffizienten:

Die Alpha- und Beta-Koeffizienten sollen die statistische Beziehung zwischen dem Instrument und dem Index aufzeigen. In der grafischen Darstellung ist dies ein Punktdiagramm der Rendite des Instruments im Vergleich zur Indexrendite. (siehe Zeichnung einer Ellipse). Zeichnen wir durch die erhaltene Punktmenge eine gerade Linie, die so nah wie möglich am Punktdiagramm liegt. Das statistische Verfahren zur Erstellung einer solchen Linie ist bekannt - es wird "einfachelineare Regression oder die Methode der kleinsten Quadrate" genannt. Nach dieser Methode wird die Gleichung der Geraden gefunden, die die Summe der Quadrate der Abstände von jedem Punkt des Graphen zur Geraden minimiert. Die sich ergebende Geradengleichung (Regressionsgleichung) hat die Form:
,
wobei es sich um die Rendite des Instruments handelt;
-Koeffizient der vertikalen Verschiebung der Geraden;
-Koeffizient der Steigung der Geraden;
-Rückkehr
Nach der Methode der kleinsten Quadrate werden die Koeffizienten und durch Formeln ermittelt:

,
wobei Cov(,)-Kovarianz der Instrumentenrendite und der Indexrendite
-Standardabweichung der Indexrendite
wobei
-durchschnittliche Rendite eines Instruments
-Index durchschnittliche Rendite

Wenn der Index der Marktindex ist
"Beta-Koeffizient - bestimmt den Einfluss der allgemeinen Marktsituation auf das Schicksal des jeweiligen Instruments. Ist der Wert >0, ist die Effizienz des Instruments mit der des Marktes vergleichbar. Bei einem Wert < 0 nimmt die Effizienz des betreffenden Instruments mit steigender Markteffizienz ab. Die Kennzahl gilt auch als Maß für das Risiko einer Investition in diese Wertpapiere. Bei >1 ist das Investitionsrisiko höher als der Marktdurchschnitt, während es bei <1 umgekehrt ist.

Der"Alpha"-Koeffizient charakterisiert die Korrelation zwischen der Wachstumsrate des Marktes und der Wachstumsrate des spezifischen Instruments. Wenn ein Instrument positiv ist, bedeutet dies, dass seine Wachstumsrate höher ist als der Marktdurchschnitt, d.h. wir können sagen, dass es derzeit vom Markt "unterbewertet" ist.


Referenzkoeffizient

Die Genauigkeit der Beschreibung von Ertragsschwankungen durch die Regressionsgleichung wird durch die Streuung (Spread) der Ertragswerte gekennzeichnet. Um die Erklärungskraft der Regressionsgleichung zu schätzen, führen wir den Koeffizienten ein, der angibt, inwieweit die Veränderung des Instrumentenpreises durch das angegebene Verhältnis mit der Veränderung des Indexwertes erklärt wird, und der nach folgender Formel definiert ist
R = ,
wobei der Beta-Koeffizient
-Standardabweichung der Indexrendite
-Standardabweichung der Instrumentenrendite

Wenn der Marktindex als Index ausgewählt wird:

Der Koeffizient "" oder Bestimmungskoeffizient- charakterisiert den Anteil des Risikos einer Investition in ein bestimmtes Instrument, der durch die Unsicherheit des Marktes als Ganzes verursacht wird. Je näher bei Null liegt, desto unabhängiger ist das Verhalten des Instruments in Bezug auf den allgemeinen Markttrend. Wenn ein beliebiges Instrument oder das Portfolio eines Nutzers als Index ausgewählt wird: Der Koeffizient "" kennzeichnet die Enge der Beziehung zwischen dem Instrument und dem Index. Je näher dieser Wert bei 1 liegt, desto stärker ist die Beziehung.


Wert des t-Tests nach dem Student's t-Kriterium

Zur Prüfung der Signifikanz der Regressionskoeffizienten, d. h. der Alpha- und Betakoeffizienten, wird die Berechnung des Student's t-Tests angewendet. Der Wert des Student's t-Tests für den Betakoeffizienten wird nach der folgenden Formel berechnet:
,
wobei der Beta-Koeffizient
-ist der Standardfehler, der nach einer Formel berechnet wird:
,
wobei - die Rentabilität des Instruments;
-Rentabilität des Instruments, berechnet nach der folgenden Formel: ;
Index-Rendite; -Index-Rendite berechnet nach der Formel: ;;
-durchschnittliche Rendite des Indexes
n-Anzahl der an der Berechnung beteiligten Rückgabewerte.

Der Wert des Student's t-Tests für den Koeffizienten Alpha wird nach folgender Formel berechnet: ,
wobei - Koeffizient Alpha;
-ist der Wert des Standardfehlers, der nach der folgenden Formel berechnet wird
,
wo - Rückgabe des Instruments;
-Rentabilität des Instruments, berechnet nach der Formel: ;
Index-Rendite; -Index-Rendite berechnet nach der Formel: ;;
-durchschnittliche Rendite des Indexes

n-Anzahl der an der Berechnung beteiligten Ertragswerte.


Wert des Fisher-Kriteriums

Der Wert des Fisher-Kriteriums wird nach der folgenden Formel berechnet:

Ähnlich wie beim Student's t-Kriterium wird der berechnete Wert des Fisher-Kriteriums mit dem Tabellenwert verglichen (siehe Tabellenwerte). Wenn der berechnete Wert des Fisher-Kriteriums den Tabellenwert übersteigt, wird die Nullhypothese, dass kein Zusammenhang zwischen dem Instrument und dem Index besteht, verworfen und die Schlussfolgerung über das Vorhandensein des Zusammenhangs und die statistische Signifikanz der Regressionsgleichung gezogen. Wenn jedoch der berechnete Wert des Fisher-Kriteriums niedriger ist als der Tabellenwert, dann ist die Wahrscheinlichkeit der Nullhypothese höher als das angegebene Niveau und sie kann nicht verworfen werden, ohne dass die Gefahr besteht, dass eine falsche Schlussfolgerung über die Beziehung gezogen wird. In diesem Fall wird die Regressionsgleichung als statistisch unbedeutend angesehen.
 
Ob die Beschreibungen und Formeln für die Forschung nützlich sind, weiß ich nicht, aber ich habe sie hierher kopiert, vielleicht gibt es ein paar Gedanken, wie man sie anwenden kann....
 

Juhu, die Sitzung ist vorbei!!!!

Ich frage mich, was all diese Scharfmacher und Studenten bewirken, wenn der Markt sprunghaft sinkt?