Diskussion zum Artikel "Neuronale Netze leicht gemacht (Teil 52): Forschung mit Optimismus und Verteilungskorrektur"

 

Neuer Artikel Neuronale Netze leicht gemacht (Teil 52): Forschung mit Optimismus und Verteilungskorrektur :

Da das Modell auf der Grundlage des Erfahrungswiedergabepuffers trainiert wird, entfernt sich die aktuelle Strategie oder Politik des Akteurs immer weiter von den gespeicherten Beispielen, was die Effizienz des Trainings des Modells insgesamt verringert. In diesem Artikel befassen wir uns mit einem Algorithmus zur Verbesserung der Effizienz bei der Verwendung von Stichproben in Algorithmen des verstärkten Lernens.

Wie üblich sind wir viel mehr an der Effizienz des Modells bei neuen Daten interessiert. Die Verallgemeinerungsfähigkeit und Leistung des Modells bei unbekannten Daten wurde im Strategietester an historischen Daten für Juni 2023 getestet. Wie man sieht, schließt sich die Testphase unmittelbar an die Trainingsgruppe an. Dies gewährleistet eine maximale Homogenität der Trainings- und Testproben. Die Testergebnisse werden im Folgenden vorgestellt.

Testergebnisse

Das dargestellte Saldenkurve zeigt einen Drawdown in den ersten zehn Tagen des Monats. Doch dann folgt eine Phase mit Gewinnen, die bis zum Ende des Monats anhält. Infolgedessen erzielte der EA im Laufe des Monats einen Gewinn von 7,7 % bei einem maximalen Drawdown des Kapitals von 5,46 %. Beim Saldo war der Drawdown sogar noch geringer und lag nicht über 4,87 %.

Testergebnisse

Die Tabelle der Testergebnisse zeigt, dass der EA während des Tests in beide Richtungen gehandelt hat. Es wurden insgesamt 48 Positionen gehandelt. 54,17 % davon wurden mit einem Gewinn beendet Der größte Gewinn aller Handelsgeschäfte ist mehr als dreimal so hoch wie der größte Verlust. Und das durchschnittliche Gewinn der gehandelten Positionen übersteigt den durchschnittlichen Verlust um die Hälfte. Quantitativ gesehen kommen im Durchschnitt auf 3 gewinnbringende Handelsgeschäfte 2 mit Verlust. Daraus ergibt sich ein Gewinnfaktor von 1,74 und ein Erholungsfaktor von 1,41.

Autor: Dmitriy Gizlyk