Volver a entrenar - página 7
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Amigos, no es necesario discutir.
La bolsa decidirá quién tiene razón :)
La bolsa decidirá quién tiene razón :)
Así que sí )
No.
Es mucho más fácil probar el rendimiento de un EA en secciones no optimizadas del historial que malgastar dinero en retocar los EA.
Por cierto, nuestro personaje nunca ha mostrado un éxito lobo hacia adelante de su EA que sugiere para comprar por $ 1500 y esperar durante décadas para el beneficio.
No, empezamos con, digamos, 1975.
Optimización 1975-1985, verificación 1985-1990
Optimización 1980-1990, verificación 1990-1995
Optimización 1985-1995, comprobación 1995-2000
Optimización 2000-2005, verificación 2005-2010
Optimización 2005-2010, verificación 2010-2015
Mira sólo los resultados de las pruebas, y si al menos UNO de estos cinco años será negativo (y creo que habrá más), entonces el sistema es defectuoso.
Es decir, tu truco con el encaje en todo el historial sólo funcionará si hay locos dispuestos a esperar durante décadas los beneficios de tu EA.
Y, por cierto, no olvides contarnos cómo evitas la sobreoptimización en cada parcela).
Me uniré a su debate, sobre todo porque el tema es muy actual e interesante. Y luego, si los volvemos a entrenar en las mismas condiciones, obtendremos un modelo diferente que se comportará exactamente igual que el anterior, pero en futuras citas de estos dos modelos aparentemente idénticos funcionará de forma diferente. La cuestión es cómo elegir el modelo que funcionará en el futuro. Una red debe corresponder al mercado de la zona de formación. Y esa parrilla, que tiene una variable de pronóstico mayor, es más adecuada a la situación actual del mercado. Mi NS clasifica las señales del TS. Hay unas 10 señales por día, pero para elegir qué modelo utilizar hago lo siguiente. Considero la variable de pronóstico del funcionamiento de la red en el área de optimización y el valor que es grande para el modelo, ese modelo se utiliza.
Supongamos que el valor del modelo es ascendente, es decir, que el valor actual es mayor que el anterior, y que la barra SIGUIENTE también es ascendente. Es decir, si la parrilla tiene un crecimiento previsto, añadimos uno a la variable, si no, lo restamos y aplicamos el mismo procedimiento para bajar. Significa que buscamos la variable de pronóstico de nuestro modelo y qué modelo tiene un número más alto, significa que el modelo predijo más a menudo el mercado, por lo que lo describe mejor y elegimos..... en el código se ve así
Así que... eso es... alguien tiene alguna idea sobre esto. Me gustaría escuchar una opinión....
No, empezamos con, digamos, 1975.
Optimización 1975-1985, verificación 1985-1990
Optimización 1980-1990, verificación 1990-1995
Optimización 1985-1995, comprobación 1995-2000
Optimización 2000-2005, verificación 2005-2010
Optimización 2005-2010, verificación 2010-2015
Mira sólo los resultados de las pruebas, y si al menos UNO de estos cinco años será negativo (y creo que habrá más), entonces el sistema es defectuoso.
Es decir, tu truco con el encaje en todo el historial sólo funcionará si hay locos dispuestos a esperar durante décadas los beneficios de tu EA.
Y por cierto, no olvides contarnos cómo evitas la sobreoptimización en cada área).
Optimización 1975 -1985 (tamaño óptimo de la muestra = 80 barras de historia):
Comprobación de 1985 a 1990:
Optimización 1980-1990 (tamaño óptimo de la muestra = 80 barras de historia):
Comprobación de 1990 a 1995:
Optimización 1985-1995 (tamaño óptimo de la muestra = 360 barras de historia):
Comprobación 1995-2000:
Optimización 2000-2005 (tamaño óptimo de la muestra = 330 barras de historia):
Verificación 2005-2010:
Optimización 2005-2010 (tamaño óptimo de la muestra = 330 barras de historia):
Verificación 2010-2015:
No cumplió sus expectativas, todos los sitios de verificación se superan con resultados positivos, aunque no sobresalientes.