Non ditemi allora che l'AT non funziona - pagina 23
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Questo è il risultato per l'aggiunta del segnale (trigger=0)
E qui è per la moltiplicazione del segnale logico (trigger=2)
Entrambi i risultati, a parità di altre condizioni (coppia, tempi, periodi di ottimizzazione, ecc.). Gli stessi 11 anni.
Ok, ci penserò domani, è ora di andare a letto.
Questo è solo quello che ho notato quando ho ottimizzato il tuo EA:
- Ho lasciato pass = 1 per errore, e ho impostato i parametri del perceptron a 0 per l'ottimizzazione.
In questo caso i parametri 0 del perceptron non dovrebbero essere calcolati, ma sono stati calcolati, cioè il controllo è stato passato alla funzione perceptron0().....
Sono lieto che la durata dell'OOS redditizia sia superiore a 7 anni, tuttavia è teso che quasi tutto sia indietro sulla rotta.Quello che c'è in fondo al corso non è un ceppo. Il punto è che anche supponendo che abbiamo a che fare con una previsione stabile del passato, cioè una sorta di macchina del tempo che può portarci indietro e permetterci di commerciare con profitto lì, c'è una soluzione. Con i perceptrons convenzionali sulla differenza dei prezzi di apertura agli ingressi possiamo manipolarli come vogliamo: mettere il carro sia dietro il cavallo che davanti. Cioè, se un perceptron può prevedere con sicurezza il passato, i pesi possono essere ricalcolati in modo da "prevedere" il futuro. I grafici possono anche essere capovolti intorno all'asse verticale, cioè il tempo può essere invertito.
Cioè abbiamo bisogno di qualsiasi tipo di macchina del tempo, indipendentemente da dove ci porti: avanti o indietro. Ciò che conta è il risultato redditizio nel luogo stesso in termini di stabilità, dove otteniamo. Il resto non è un problema - matematica elementare. Il Perceptron è una tipica disuguaglianza lineare.
Quello che c'è in fondo al corso non è un ceppo. Il punto è che anche supponendo che abbiamo a che fare con una previsione stabile del passato, cioè una sorta di macchina del tempo che può portarci indietro e permetterci di commerciare con profitto lì, c'è una soluzione. Con i perceptrons convenzionali sulla differenza dei prezzi di apertura agli ingressi possiamo manipolarli come vogliamo: mettere il carro sia dietro il cavallo che davanti. Cioè, se un perceptron può prevedere con sicurezza il passato, i pesi possono essere ricalcolati in modo da "prevedere" il futuro. I grafici possono anche essere capovolti intorno all'asse verticale, cioè il tempo può essere invertito.
Cioè abbiamo bisogno di qualsiasi tipo di macchina del tempo, non importa dove ci porti: avanti o indietro. Ciò che conta è un risultato redditizio in termini di stabilità, dove si arriva. Il resto non è un problema - matematica elementare. Il Perceptron è una tipica disuguaglianza lineare.
Perché la tua infondatezza sembra ancora peggiore di quella di Reshetov. E comunque, mi sembra che non sia corretto pretendere che lui vi dimostri qualcosa.
Nel post ho scritto del p-value. È il primo azz della statistica matematica.
L'uomo ha proposto l'idea, e l'ha anche illustrata tecnicamente, non è abbastanza per voi per rimboccarvi le maniche (se la considerate promettente)? Potresti anche chiedergli dei soldi per la semina. ;-)
Vorrei ricordare gli autori di idee che 100 opinionisti non possono commentare.
Riempire i vuoti. O almeno provarci.
Reshetov sostiene che il suo sistema è una prova di AT. Questo lo dimostra con TC. Ma Reshetov non è il primo - tale prova è stata data per circa 400 anni, a partire dai giapponesi con i loro candelabri.
A proposito, la mancanza di prove di AT funzionante o non funzionante non toglie che sia possibile sviluppare l'AT basata sull'AT e fare dell'AT una fonte di reddito. L'AT è un'arte, come in qualsiasi altro tipo di arte ci sono artisti popolari per una folla enorme di perdenti che nessuno conosce.
Ho capito che l'AT di Reshetov è basata su NS. Se è così, questo è significativo, poiché il successo dell'applicazione dei NS dipende interamente dalla persona che insegna NS. Reshetov è riuscito, forse è un genio, forse è caduto dal suo albero, forse ha bevuto molta birra - non ci interessa - la sua abilità non si trasferirà a noi. Tutta l'assistenza tecnica è così. L'AT non è provata in linea di principio.
Conclusione.
Forse può chiarire una mia osservazione. Questo forum (e anche altri) discute l'AT, alcune cose esotiche come i frattali ecc., ma non discute mai l'applicazione dell'econometria e della sua sorella, la matstatistica, al TC. Si prega di notare che la parola "econometria" è grammaticalmente scorretta in questo forum.
A colpo d'occhio, posso ricordare una discussione sull'equazione di regressione, che è stata rapidamente ridotta a formule per calcolare i coefficienti di regressione - nessuna discussione sull'applicazione della regressione in TC ha mai avuto luogo. L'ignorare le statistiche è un incidente o è merito di Reshetov e co.
:)
non si è mai parlato dell'uso dell'econometria e della sua sorella, la matstatistica, in TC
Offhand
https://www.mql5.com/ru/forum/105771
https://www.mql5.com/ru/forum/105740
https://www.mql5.com/ru/articles/222
Così su due piedi
https://www.mql5.com/ru/forum/105771
Non è rilevante per l'econometria perché non ha un modello chiaramente dichiarato.
https://www.mql5.com/ru/forum/105740
È stato proposto un nuovo modello di mercato presunto. Proposta da uno specialista di DSP, che sono profondamente convinto non sia applicabile al mercato. Non c'è stato alcuno studio effettivo di questo modello sul forum.
https://www.mql5.com/ru/articles/222
Mi scusi, sono d'accordo. Se fai una ricerca su "econometria" non lo trova. L'articolo è molto recente ed è un articolo, non un forum. Devo insistere che sono corretto a partire dal 1° gennaio 2011. Una discussione su questo pezzo o simile mi sembrerebbe piuttosto interessante. In ogni caso, sarebbero stati discussi algoritmi e cifre specifiche, piuttosto che le abilità di singole, anche se geniali, personalità.
Commentando l'articolo, sto generando un sacco di interessi e suggerimenti diversi. In primo luogo, l'autore ha usato i suoi programmi, ma c'è Eviews e soprattutto Matlab. Se prendiamo questi pacchetti, otteniamo una visione più sistematica del problema.
Grazie per l'ultimo link, era abbastanza triste da parte degli ignoranti, disinformati e specialisti in DSP e NS.
Colleghi, adattare i parametri del modello con qualsiasi cosa è un'idea vecchia e corretta, io, per esempio, uso le reti bayesiane + un paio di altre idee sono ora in sperimentazione, si può adattare con la danza del tamburello e le offerte rituali. Non è questa la domanda. Controlla la casualità dei nuovi grafici di redditività ottenuti. L'occhio nudo può vedere problemi evidenti. Infatti non c'è motivo di rallegrarsi.
Martingeil:
Quello che c'è in fondo al corso non è un ceppo.
...
Il resto non è un problema - matematica elementare.
Non credo che sia primavera a Tashkent - qui fa neve e freddo.
Che fa freddo ad Almaty, credo - fuori è febbraio.
Per quanto riguarda la matematica, non è una religione in cui credere:
Supponiamo di avere quattro sezioni adiacenti di storia in ordine dal passato al futuro: A, B, C, D
Se i segnali di A, B e C vengono sommati in modo che D = A + B + C, allora il segnale è incerto su D.
Otteniamo segnali di trading sicuri sulla sezione A sommando semplicemente i segnali sulle altre tre sezioni: A = B + C + D
Ma non abbiamo bisogno della sezione A - è il passato, mentre il futuro può essere ottenuto solo sulla sezione D, se conosciamo i segnali su A, B e C.
Quindi dalla formula precedente si ottiene: D = A - B - C
Facciamo un esperimento su un sistema di trading che si basa sulla previsione della direzione futura del movimento delle quotazioni di
adattamento dei coefficienti di peso di una rete neuronale elementare a uno strato - perceptron su dati storici. Il principio di questo sistema di trading è stato descritto in dettaglio nel mio articolo "Come trovare un sistema di trading". Prendiamo i dati storici per la coppia di valute EURUSD per 9 mesi precedenti o più sul grafico timeframe H1. Lo divideremo in tre sezioni indipendenti di tre mesi ciascuna. Il primo sarà usato per il test finale, mentre gli altri due saranno usati per adattare la storia. Per evitare di eseguire il sistema di trading separatamente, ho immediatamente combinato due perceptron in un sistema di trading.
E ho creato la funzione Supervisor() con l'aiuto della quale il sistema di trading ha tre modalità di funzionamento, a seconda del parametro di passaggio di input:
1 - montaggio e test del primo perceptron,
2 - montaggio e test del secondo perceptron,
3 - filtraggio setacciando le letture incoerenti di entrambi i percettori in modalità test senza ottimizzazione o in modalità auto-trading su un deposito demo o reale.
I coefficienti di peso dei perceptron: x11, x12 ... x42, così come p e sl sono adattati ai dati storici. Il parametro di ingresso sl è una costante per tutte le sezioni. I livelli di Stop Loss e Take Profit sono impostati per tutte le posizioni aperte proprio da questo valore. Un altro parametro di input p - il periodo di tempo di ritardo per la differenza di prezzo di apertura, è anche una costante. L'entrata nel mercato viene fatta all'inizio di una nuova formazione di barre, cioè secondo i prezzi di apertura delle barre e le letture del perceptron, a seconda del valore del parametro di input del passaggio, e l'uscita solo allo scattare di uno Stop Loss o Take Profit. L'ottimizzazione viene eseguita utilizzando l'algoritmo genetico per identificare gli estremi e il massimo dell'equilibrio viene preso come estremo. L'importo iniziale dovrebbe essere molto grande, ad esempio $1000000, per evitare che l'algoritmo si blocchi sulle chiamate di margine durante l'ottimizzazione. Parametri di input: lotti - volume delle posizioni aperte in lotti e mn - numero magico unico, in modo che l'EA non confonda la gestione dei propri (che ha aperto) ordini con quelli di altri (che non ha aperto).
Alprimo passo , dobbiamo scoprire quali dovrebbero essere i valori delle variabili di input p e sl. Per farlo, selezioniamo le ultime due parti della storia, cioè da 6 mesi fa a oggi. Abbiamo impostato tutti i parametri dei pesi del perceptron su valori da Start = 0 a Stop = 200 in passi di 1. Imposta il valore p da Start = 3 a Stop =100 in passi di 1, il valore sl da Start = 100 a Stop =1000 in passi di 10 (o da 10 a 100 in passi di 1 per quotazioni a quattro cifre). Impostare il valore di passaggio a 1. Seleziona i seguenti parametri da ottimizzare: x11, x21, x31, x41, p e sl. Tutte le altre caselle di controllo dovrebbero essere disabilitate. Attivare l'ottimizzazione. Una volta che l'adattamento è completo, impostate i parametri di ingresso sul passaggio migliore.
Secondo passo. Adattare i pesi del primo perceptron sulla seconda sezione di dati storici. Abbiamo impostato la data e l'ora dell'ottimizzazione da 6 mesi fa a 3 mesi fa. Deseleziona i parametri ottimizzati solo dalle variabili di input p e sl. Eseguire l'ottimizzazione. Una volta che l'ottimizzazione è completata, impostate i parametri di input secondo il miglior adattamento.
Terzo passo. Adattare i pesi del secondo perceptron sulla terza sezione di dati storici. Abbiamo impostato la data e l'ora dell'ottimizzazione da 3 mesi fa a oggi. Deseleziona i parametri ottimizzati: x11, x21, x31, x41 e impostali per x12, x22, x32 e x42. Le altre caselle di controllo devono essere deselezionate. Impostare il passaggio della variabile d'ingresso a 2. Iniziare l'ottimizzazione. Una volta completata l'ottimizzazione, impostate i parametri di ingresso con il miglior passaggio.
Questo è tutto, il nostro sistema di trading è stato adattato ai dati storici da 6 mesi fa fino ad oggi. Salviamo i valori dei parametri di input nel file delle impostazioni. Impostare la variabile di ingresso pass a 3. Deselezionare la casella "Usa data. Iniziare il test. Guardiamo il grafico dei test. Possiamo vedere che la curva dell'equilibrio e del capitale tende verso l'alto nella parte destra del grafico e tende verso il basso nella parte sinistra. Ora dobbiamo fare in modo che la bilancia tenda verso l'alto nella zona esterna al campione di regolazione. Portiamo il cursore del nostro mouse sulla linea del bilancio, dove inizia l'aumento del profitto e guardiamo la data nel tooltip. Si scopre che la curva di equilibrio tendeva verso l'alto quasi nove mesi fa, contando da oggi, esclusi 10 giorni, cioè 8 mesi e 20 giorni. E l'aggiustamento è stato effettuato su un tratto di 6 mesi. Quindi, c'è un test di successo al di fuori del campione ottimizzato . Evidenziamo questa zona fuori campione per analizzarla più in dettaglio. Nel complesso i risultati sono abbastanza soddisfacenti, anche se significativamente inferiori al record di J. Soros, ma superiori a quello di W. Niederhoffer.
Per essere sicuri di aver trattato il montaggio in alcune parti della storia, è necessario e sufficiente deselezionare la casella di controllo "Use date". Ed esegui il test dell'Expert Advisor con i valori 1 e 2 attraverso tutta la storia disponibile. In ognuna di queste modalità, possiamo vedere che la crescita verso l'alto della curva di equilibrio è osservata solo all'interno di quei periodi, sui quali sono stati montati determinati perceptron. Per tutti gli altri periodi della storia non c'è una tendenza positiva, tranne che per singole gobbe che terminano in avvallamenti.
Come abbiamo visto, nonostante il fatto che entrambi i perceptron non hanno superato i test forward al di fuori del campione ottimizzato di dati storici, tuttavia il filtro dei loro segnali congiunti ha dato risultati positivi su dati storici di cui non si sapeva nulla al momento del fitting. Puoi anche sperimentare altri sistemi di trading, come quelli basati sulla scomposizione di semplici medie mobili o su reti neurali multistrato più avanzate. Se il sistema di trading è robusto, è più probabile che produca risultati positivi sui segnali di trading filtrati al di fuori del periodo di ottimizzazione. Se non è robusto, non darà risultati positivi sul periodo ottimizzato con il filtro attivato. Tuttavia, la robustezza del TS è secondaria rispetto ai costi generali di spread, swap e commissioni del broker. Quindi, con un overhead significativo, si può solo sognare di ottenere risultati positivi nel forward testing, perché il payoff atteso sarà ovviamente negativo.