Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Pour comparer les deux stratégies, même une adéquation au marché de 60 % serait suffisante pour faire un choix en faveur de l'une ou l'autre. Vous devrez simplement augmenter la taille de l'échantillon.
Pour le travail en code réel, la précision de 95% de la simulation de l'environnement à 1m est très bonne. De nombreux modèles d ' environnement scientifiques et pratiques ne peuvent se vanter d'une telle précision.
Et je ne vois aucune raison de croire que la méthode automatique de création de stratégies est en quelque sorte miraculeusement différente de la méthode manuelle en termes de dépendance de la qualité de l'historique.
Si l'historique est mauvais, c'est mauvais pour tous les conseillers experts.
En d'autres termes, la question du choix de l'environnement n'est pas directement liée aux critères d'évaluation du système.
"Je ne vois pas de raisons de croire que la méthode automatique de création de stratégies est en quelque sorte miraculeusement différente de la méthode manuelle en termes de dépendance à la qualité de l'historique." - Une recherche automatique peut trouver une "stratégie" qui exploite les caractéristiques techniques (défauts) du testeur lui-même combinées à la qualité des données historiques. Apparemment, vous n'avez pas rencontré un tel problème)). Voici un exemple illustratif :
Supposons que des données historiques au format OHLC soient utilisées, que les ticks ne soient pas modélisés, que des périodes plus petites ne soient pas utilisées, que les conditions d'entrée/sortie du marché soient calculées à chaque arrivée de la valeur O, H, L ou C.
Dans la figure :
Comme (O-L) + (H - C) < (H - O) + (C-L), le testeur simule les mouvements du marché en utilisant des valeurs dans l'ordre indiqué sur la figure, ce qui est tout à fait logique.
Par conséquent, il s'avère qu'au moment indiqué par la ligne rouge, les deux valeurs Open et Low (pour la stratégie, ce sera Close) contiendront des informations sur le "futur".
Voici la règle de la "prise de bénéfices" :
si (Open[0] - Close[0])> X et (High[0] == Open[0]), alors acheter, où X est une certaine valeur recouvrant le spread.
Notez qu'à ce moment-là, les valeurs OHLC de la stratégie correspondront aux valeurs OOLL des données historiques ! !!
Le défaut du testeur et la mauvaise qualité de l'historique sont montrés.
Montre le défaut du testeur et la mauvaise qualité de l'histoire.
C'est ce que vous entendez par le futur. Ce phénomène est connu depuis longtemps. Je me souviens qu'il y a environ trois ans, il y avait même un article sur l'étude des conséquences de la prise de profit sur la base d'un EA avec cette fonctionnalité. Le profit a été généré par cet EA sans aucune pause.
Mais quelle est la probabilité que la stratégie apprenne à attraper ce jeton par elle-même et même en tenant compte de l'écart si vous ne lui apprenez pas à le faire ? Cela me semble négligeable.
Bien sûr, en réalité, le prix peut aller et venir à sa guise à l'intérieur d'une bougie. C'est ce qui crée ces 5-10% d'erreurs entre le test et le réel. Je veux dire que ce n'est pas essentiel pour comparer les stratégies lors d'un test, car elles seront toutes dans les mêmes conditions de toute façon.
Et je veux dire que si vous pensez que c'est critique, alors prenez l'historique des tics réels, en sacrifiant la vitesse.
C'est-à-dire que tout cela n'a pas d'importance par rapport à la méthode d'essai à utiliser.
À certains moments, le système a trouvé une "stratégie" qui, sur environ 150 transactions, comportait environ 15 transactions perdantes, et ce sur un terrain non optimisé. D'une manière ou d'une autre, la confiance dans ces résultats est faible.
Vous vous tirez dessus ?
Nous parlons de deux choses différentes.
1. je connais votre exemple depuis longtemps. A mon avis, la probabilité d'une telle création accidentelle au cours de l'"évolution" est insignifiante. Si vous avez encore peur de ce genre d'astuces "hors prix", il vous suffit de vérifier l'historique des tics avec un écart plausible, et tout se révélera immédiatement. Il suffit parfois de changer le type de test dans le fichier ini.
Les modèles de génération de règles, à mon avis, pour qu'il n'y ait pas de contretemps, devraient fonctionner à un niveau suffisamment élevé de généralisation de ces règles et de compatibilité des blocs. Ensuite, l'utilisateur lui-même peut définir ces dépendances et les éléments avec lesquels le générateur doit travailler.
2. Si le générateur contient une sélection de stratégies basée sur des tests, alors le volking forward est un MUST. En outre, cela simplifiera considérablement le critère de sélection.
Nous parlons de deux choses différentes.
1. je connais votre exemple depuis longtemps. Je pense que la probabilité de la création accidentelle d'une telle chose au cours de l'"évolution" est négligeable. Si vous avez encore peur de ces astuces "hors prix", il vous suffit de faire un test de contrôle sur un historique de tics avec un écart plausible, et tout se révélera immédiatement. Il suffit parfois de changer le type de test dans le fichier ini.
Les modèles de génération de règles, à mon avis, pour qu'il n'y ait pas de contretemps, devraient fonctionner à un niveau suffisamment élevé de généralisation de ces règles et de compatibilité des blocs. Ensuite, l'utilisateur lui-même peut définir ces dépendances et les éléments avec lesquels le générateur doit travailler.
2. Si le générateur contient une sélection de stratégies basée sur des tests, alors le volking forward est un MUST. En outre, cela simplifiera considérablement le critère de sélection.
C'est probable).
Quelles devraient être les règles, selon vous ? Je me demande juste comment vous voyez le problème.
Je suggère cette option.
Cette évaluation est adaptée aux stratégies qui présentent les caractéristiques/limitations suivantes :
Le profit et le drawdown sont représentés comme le ratio de leurs valeurs respectives par rapport au risque/stop loss fixé.
Les principaux indicateurs de performance de la stratégie sont pris et transformés comme indiqué dans la figure ci-dessous, l'ordre des formules correspond à l'ordre des indicateurs dans le titre.
Sur le graphique il y a aussi la complexité de la stratégie, vous ne pouvez pas l'utiliser, j'en avais besoin.
La volatilité montre la somme des déviations maximales des valeurs des actions par rapport à la ligne de régression dans les valeurs correspondantes, graphiquement c'est ainsi :
La volatilité est la somme des valeurs absolues de A B, c'est-à-dire A+||B|.
Il existe également une valeur de rentabilité légèrement modifiée qui se calcule comme suit
Rentabilité=(bénéfice total + 1)/(perte totale + 1)
Il est transformé comme suit :
Comme la rentabilité n'est pas très utile avec un petit nombre de transactions, nous procédons comme suit :
le graphique ci-dessus montre comment la valeur de rentabilité sera calculée en fonction du nombre de transactions.
Ensuite, nous modifions à nouveau la rentabilité (en fonction de son importance en fonction du nombre de transactions) en utilisant la formule suivante
Rentabilité = 1 + Rentabilité * Significativité - Significativité
Ensuite, toutes les valeurs obtenues de profit, de drawdown, de nombre de transactions, de volatilité et de rentabilité (à partir de la dernière formule) sont multipliées. Le résultat est un coefficient unique reflétant la qualité générale de la stratégie basée sur les transactions effectuées pendant une certaine période.
Valeurs des ratios :
0 - impitoyablement terrible)
0,3 - mauvais
~0,8 - bon
>1 - très bon
Voici les résultats de l'évaluation de cette manière :
Ici, ce facteur est représenté par le coefficient Z, vous pouvez évaluer les ensembles de formation (ligne verte) et de test (ligne violette).
Un bon résultat pour la ligne d'équité verte (0.993) et la ligne inférieure violette (0.5714).
Pour la ligne violette, c'est légèrement mieux que mauvais, la rentabilité est de 1.447
Exemples de mauvais résultats.