![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Und Sie haben den Gral aus purem Gold auf Ihrem Bild.
Ich habe mir die 100%-Quantile der Inkrementensummenverteilungen angesehen und sie mit den Quantilen des Preises selbst für dieselbe historische Grafik verglichen:
Schwarz - 100%-Quantil für die Summe der Inkremente im gleitenden Fenster=8 Stunden
Lila - 100% Quantil für den Preis im gleichen Fenster.
Taki sind zwei verschiedene Prozesse, die unterschiedliche Wahrscheinlichkeitsverteilungen erzeugen.
Wenn wir das dynamische 100%-Quantil für die Summe der Inkremente verwenden, ergibt sich folgendes Bild:
Ich schließe nicht aus, dass man ein ähnliches Bild erhält, wenn man mit einem gleitenden Fenster = 24 Stunden arbeitet (auf Anraten meines Freundes Bas'a) und ein dynamisches 99%-Quantil verwendet.
Gral-Projekt #100500.
2. Rentabilitätsgraphen des Handelssystems unter Verwendung von Tick-MAs zur Festlegung des Geschäftseintritts.
2.1. ALPARI_MT5
2.2. ROBOFOREX_ECN
2.3. ROBOFOREX_CENT
2.4 ROBOFOREX_CENT längerer Zeitraum
Schlussfolgerungen:
1. In einigen Strukturen (es gibt einen Fisch!) können wir Spuren der Ergebnisgruppierung erkennen.
2. Wir sehen eine gewisse Ähnlichkeit der gebildeten Strukturen auf Konten verschiedener Makler und Typen.
3. dennoch werden bei Konten verschiedener Broker und Typen sogar in ein und demselben Zeitraum (2.1-2.3) signifikante Unterschiede bei den quantitativen Merkmalen festgestellt.
4. Wenn sich das Prüfintervall ändert (2.3-2.4), ändern sich die quantitativen Merkmale, aber der wesentliche Teil der allgemeinen Merkmale bleibt unverändert.
Referenz.
Der Tester benötigte etwa 5000 Kernel-Stunden (4 Tests X 2 Tage X 50 Kernel), um nur diese Ergebnisse zu erhalten.
Gral-Projekt #100500.
....
1.10. Da starke Störungen das Channel-Trading-Modell sprengen, sollte der Anwendungsbereich dieses Modells nicht an die Bereiche heranreichen, für die starke Störungen vorhergesagt werden.
usw.
Alle 600500 Seiten, die hier zitiert werden, sind ein Versuch, 1.9 allein zu betrachten und 1.10 völlig außer Acht zu lassen, wodurch 1.9 überhaupt keine Bedeutung erhält.
Nee... Ich kann das nicht mehr machen. Ich werde einen Stöpsel holen gehen. (с)
Übrigens, bis ich es ausprobiert habe, ist Punkt 1.10 nur in dem hervorgehobenen Teil richtig. Das Folgende ist falsch.
Schlussfolgerungen:
1. Sie können Spuren der Gruppierungsergebnisse in einigen Strukturen sehen (es gibt Fische!).
...
Allein um diese Ergebnisse zu erzielen, haben die Tester etwa 5000 Kernel-Stunden (4 Tests X 2 Tage X 50 Kernel) benötigt.
Schlussfolgerungen:
1. Spuren der Gruppierung der Ergebnisse in einige Strukturen sind zu erkennen (es gibt Fische!).
Diese Strukturen werden mit der Zeit schwimmen. Es ist dasselbe wie in jeder begrenzten Fläche von SB - es wird "Muster" geben, aber sie werden sich in der Zukunft ändern.
Für eine qualitative Überprüfung ist es besser, ein Ertragsdiagramm zu erstellen (zeigt die Stabilität im Laufe der Zeit), und zwar nicht auf dem Anpassungsdiagramm, sondern auf dem OOS.
Diese Muster werden sich mit der Zeit verändern. Es ist dasselbe wie bei jeder begrenzten SB-Fläche - es wird "Muster" geben, aber sie werden sich in Zukunft ändern.
Für eine qualitative Überprüfung ist es besser, eine Ertragskurve zu erstellen (um die Stabilität im Laufe der Zeit zu sehen), und zwar nicht auf dem Fit-Plot, sondern auf dem OOS.
Renditediagramm Oktober 2015 - September 2018
Anpassungszeitraum März 2018 bis September 2018.
Nee... Ich kann das nicht mehr. Ich werde mir eine Spritze holen. (с)
Übrigens, bevor ich mich betrinke: Punkt 1.10 ist nur in dem hervorgehobenen Teil der Aussage wahr. Das Folgende ist falsch.
Horror. Auf einem alten Laptop in einem rudimentären SciLab dauert es nur ein paar Stunden, um herauszufinden, welchen Fisch man essen sollte.(Sie würden also die Methodik teilen.
Ansonsten ist es ziemlich unverschämt.
Und zu Punkt 1.10 werden etwas später Bilder gezeigt, um die Wirkung der Bestimmung zu veranschaulichen: "Der Anwendungsbereich des Modells sollte sich nicht an die Bereiche der prognostizierten starken Störungen annähern.
P.S.
Ohne Handel im Bereich von starken Störungen (Nachrichten).
Handel ohne Einschränkungen im Bereich starker Störungen.
Das Ergebnis ist offensichtlich. Eine Rebound-Strategie (nach innen) ist unvereinbar mit Bereichen mit starken Kursbewegungen.
Nun, Sie könnten die Methodik teilen.
Ansonsten ist es ein wenig unbegründet.
Und zu Punkt 1.10 wird es später Bilder geben, um die Auswirkungen der Bestimmung zu veranschaulichen: "Der Anwendungsbereich dieses Modells sollte sich nicht den Bereichen starker vorhergesagter Störungen nähern.
Zu 1.10. Wenn die Nachrichten usw. an den Rand des Kanals gehen, macht das für uns keinen Unterschied. Wenn wir von der Grenze zur Mitte gehen, arbeiten wir sie aus. In beiden Fällen ist es uns egal, ob sich der Kanal verschiebt (in Ihrer Terminologie: kollabiert) oder nicht.
Renditeplan Oktober 2015 - September 2018
Der Anpassungszeitraum März 2018 bis September 2018.
Noch etwas) gutes Ergebnis. Mehr Mittelwertbildung zum Wegwerfen?
Selbst wenn man einen Zufallsprozess von einem Zufallszahlengenerator erhält, ergibt sich eine gewisse Abweichung vom idealen Prozess.
Computergesteuerte RNGs sind pseudozufällig.
Eine andere Sache) ein gutes Ergebnis. Mehr Mittelwertbildung?