Un incidente o un modello non riconosciuto?

 
Mi chiedo se esiste un metodo logico, matematico o altro per distinguere gli eventi casuali da quelli regolari,
a condizione che il modello (se esiste) sia insignificante e differisca dal risultato medio di eventi casuali indipendenti solo dell'1-3%.
Cioè, la varianza netta degli eventi casuali così come la varianza mista di eventi debolmente regolari e casuali coprono l'intero campo di probabilità
e gli eventi legittimi cadono sempre nella loro ombra.

La domanda è: come separare le mosche dalle cotolette?
Stiamo ovviamente parlando di risultati di test sulla storia, dove vengono inevitabilmente campionati sia eventi casuali che regolari.
Il problema è che la storia con certe proprietà dello strumento (l'area qualitativa della ricerca) è limitata nel numero di eventi possibili.
E non c'è modo di eseguire lo stesso algoritmo qualitativamente 100 volte e ottenere 100 varianze su cui fare un'analisi.
E dividere la storia in frammenti più piccoli comincia a non soddisfare il numero minimo di eventi che vi sono inseriti.

Colleghi, quando cercate dei modelli, dovete distinguerli dal caso.
Curioso... come?
 
vladzeit:
Mi chiedo se esiste un metodo logico, matematico o altro per distinguere gli eventi casuali da quelli regolari,
a condizione che il modello (se esiste) sia insignificante e differisca dal risultato medio di eventi casuali indipendenti solo dell'1-3%.
Cioè, la varianza netta degli eventi casuali così come la varianza mista di eventi debolmente regolari e casuali coprono l'intero campo di probabilità
e gli eventi legittimi cadono sempre nella loro ombra.

La domanda è: come separare le mosche dalle cotolette?
Stiamo ovviamente parlando di risultati di test sulla storia, dove vengono inevitabilmente campionati sia eventi casuali che regolari.
Il problema è che la storia con certe proprietà dello strumento (il campo qualitativo della ricerca) è limitata nel numero di eventi possibili.
E non c'è modo di eseguire lo stesso algoritmo qualitativamente 100 volte e ottenere 100 varianze su cui fare un'analisi.
E dividere la storia in frammenti più piccoli comincia a non soddisfare il numero minimo di eventi che vi sono inseriti.

Colleghi, quando cercate dei modelli, dovete distinguerli dal caso.
Curioso... come?

Supponiamo di vedere qualche caratteristica interessante sul grafico e supponiamo che sia un modello che può essere utilizzato per fare un Expert Advisor redditizio. Quindi, se un Expert Advisor che utilizza questo pattern atteso mostra profitto senza alcuna ottimizzazione quando viene testato su un timeframe lungo, possiamo considerarlo un pattern reale con un'alta probabilità.

 
vladzeit:
Sono curioso di sapere se c'è qualche metodo logico, matematico o altro per distinguere gli eventi casuali dagli eventi regolari,
a condizione che il modello (se esiste) sia insignificante e differisca dal risultato medio di eventi casuali indipendenti solo dell'1-3%.
Cioè, la varianza netta degli eventi casuali così come la varianza mista di eventi debolmente regolari e casuali coprono l'intero campo di probabilità
e gli eventi legittimi cadono sempre nella loro ombra.

La domanda è: come separare le mosche dalle cotolette?
Stiamo ovviamente parlando di risultati di test sulla storia, dove vengono inevitabilmente campionati sia eventi casuali che regolari.
Il problema è che la storia con certe proprietà dello strumento (il campo qualitativo della ricerca) è limitata nel numero di eventi possibili.
E non c'è modo di eseguire lo stesso algoritmo qualitativamente 100 volte e ottenere 100 varianze su cui fare un'analisi.
E dividere la storia in frammenti più piccoli comincia a non soddisfare il numero minimo di eventi che vi sono inseriti.

Colleghi, quando cercate dei modelli, dovete distinguerli dal caso.
Curioso... come?

Dal mio punto di vista, c'è uno spettro di regolarità che identificherei in qualche modo.

Diciamo che avete una storia dell'intensità del fattore (chiamiamolo F1), che causa un cambiamento di prezzo abbastanza naturale. È necessario filtrare la storia dei prezzi in modo che sia chiaramente correlata alla storia di quel fattore dopo il filtraggio (con il filtro che denotiamo con C1). Allora il prezzo che sarà filtrato da C1 vi darà un quadro del suo movimento regolare C1, associato all'azione di F1.

Determinare tutti gli altri fattori importanti per il prezzo (Ф2, ..., Фn) e trovare i loro filtri corrispondenti (С2, ..., Сn), che daranno uno spettro di movimenti regolari dei prezzi (Ц1, ..., Цn).

 
vladzeit:
Sono curioso di sapere se c'è qualche metodo logico, matematico o altro per distinguere gli eventi casuali dagli eventi regolari,
a condizione che il modello (se esiste) sia insignificante e differisca dal risultato medio di eventi casuali indipendenti solo dell'1-3%.
Cioè, la varianza netta degli eventi casuali così come la varianza mista di eventi debolmente regolari e casuali coprono l'intero campo di probabilità
e gli eventi legittimi cadono sempre nella loro ombra.

La domanda è: come separare le mosche dalle cotolette?
Stiamo ovviamente parlando di risultati di test sulla storia, dove vengono inevitabilmente campionati sia eventi casuali che regolari.
Il problema è che la storia con certe proprietà dello strumento (il campo qualitativo della ricerca) è limitata nel numero di eventi possibili.
E non c'è modo di eseguire lo stesso algoritmo qualitativamente 100 volte e ottenere 100 varianze su cui fare un'analisi.
E dividere la storia in frammenti più piccoli comincia a non soddisfare il numero minimo di eventi che vi sono inseriti.

Colleghi, quando cercate dei modelli, dovete distinguerli dal caso.
Curioso... come?

È sciocco cercare un modello a caso. Qualsiasi regolarità deve essere basata su una teoria, giustificata dalla logica del corso dei processi o da ipotesi basate sull'analisi dei risultati delle osservazioni, o su un postulato plausibile. Pertanto, ogni regolarità deve essere cercata coscientemente, con l'aspettativa approssimativa di come dovrebbe apparire. Di conseguenza, la ricerca di un modello è un lavoro minuzioso ed estenuante e dovrebbe iniziare con la formulazione delle suddette posizioni. Durante gli ultimi quasi 8 anni di ricerca sono riuscito a formulare solo 3 ipotesi in cui sono riuscito a trovare 3 regolarità che hanno portato a risultati positivi. Ma tutti loro hanno confermato la mia ipotesi che in un mercato così perfetto come il Forex è impossibile ottenere risultati eccezionali. I profitti oscillano tra il 10 e il 15 per cento all'anno, e questo quando sono composti su 10-20 anni. Non è nemmeno possibile garantire un profitto entro questi limiti per un anno specifico, preso a caso, nella storia. Conclusione - è impossibile in linea di principio ottenere un profitto stabile e garantito sul mercato, che è molto più grande di quello di una banca, perché il Forex è prima di tutto uno strumento interbancario. D'altra parte, questa è la mia opinione personale e in nessun modo la impongo ad altri ricercatori di mercato e valutatori di rake. Auguro loro di trovare risultati migliori.

E le 3 teorie che ho sviluppato e ricercato sono note a tutti:

1. Il modello di regressione universale per prevedere il prezzo di mercato https://www.mql5.com/ru/articles/250;

2. teoria del mercato https://www.mql5.com/ru/articles/1825;

3. analisi della forza dei tori e degli orsi https://www.mql5.com/ru/code/19139 ,https://www.mql5.com/ru/code/19142.

Универсальная регрессионная модель для прогнозирования рыночной цены
Универсальная регрессионная модель для прогнозирования рыночной цены
  • www.mql5.com
к. т. н., доцент кафедры Экономики и предпринимательства  Института Экономики и Торговли Таджикского государственного университета коммерции ( ИЭиТ ТГУК )  УДК 330.115 Введение Рыночная цена складывается в результате устойчивого равновесия между спросом и предложением, которые, в свою очередь, зависят от множества экономических, политических и...
 
vladzeit:
Mi chiedo se esiste un metodo logico, matematico o altro per distinguere gli eventi casuali da quelli regolari,
a condizione che il modello (se esiste) sia insignificante e differisca dal risultato medio di eventi casuali indipendenti solo dell'1-3%.
Cioè, la varianza netta degli eventi casuali così come la varianza mista di eventi debolmente regolari e casuali coprono l'intero campo di probabilità
e gli eventi legittimi cadono sempre nella loro ombra.

La domanda è: come separare le mosche dalle cotolette?
Stiamo ovviamente parlando di risultati di test sulla storia, dove vengono inevitabilmente campionati sia eventi casuali che regolari.
Il problema è che la storia con certe proprietà dello strumento (l'area qualitativa della ricerca) è limitata nel numero di eventi possibili.
E non c'è modo di eseguire lo stesso algoritmo qualitativamente 100 volte e ottenere 100 varianze su cui fare un'analisi.
E dividere la storia in frammenti più piccoli comincia a non soddisfare il numero minimo di eventi che vi sono inseriti.

Colleghi, quando cercate dei modelli, dovete distinguerli dal caso.
Curioso... come?

Un mio recente articolo ne ha uno simile - esplorando la deviazione del prezzo dal vagare casuale dopo i gap.

 
Aleksey Nikolayev:

Un mio recente articolo ne ha uno simile - esplorando la deviazione del prezzo dal vagare casuale dopo i gap.

Alexey, ottimo articolo in linea con il problema del pattern finding, soprattutto la sobria conclusione sul profitto insignificante, che coincide con le mie conclusioni. Cerchiamo nuove direzioni in questo viaggio. Grazie per il link.

 
Aleksey Nikolayev:

Un mio recente articolo ne ha uno simile - esplorando la deviazione del prezzo dal vagare casuale dopo i gap.

Alexei. Grazie, l'ho già letto e ho preso conoscenza dei risultati e dei metodi, così come il tuo precedente articolo sulla stima del rischio.

Soprattutto sono vicino al vostro metodo descritto di passeggiata casuale del prezzo, perché nella mia domanda (post) intendo esattamente questa caratteristica.

Ma per applicare il vostro metodo come uno stencil alla decisione del problema, non penso ancora come, e fondamentalmente e nell'esperienza applicata, non sono così fortemente savvy come voi, che in modo affidabile e rapidamente per risolvere questo problema.

Dimmi Alexey, se ti fornisco un algoritmo che secondo me crea un 50/50% di probabilità di indovinare l'evento, valuterai la sua credibilità o inaffidabilità?

Il mio algoritmo per trovare un prezzo funziona sul principio di un teorico, ma assicura la ripetibilità del risultato in tutto il campione della storia, così come in alcune parti di esso.

Sembra così:

L'algoritmo ha solo tre variabili SL, TP e Market Entry Point.

Ho impostato una certa gamma di valori per ciascuna di queste variabili per dissolvere/mediare l'influenza del fitting.

SL da 40 a 70

TP da 40 a 70

Punto di entrata nel mercato da 0 a 12.

Totale di 12 493 variabili.

Risultati dei test sulla storia di 10 anni:

Nuvola n1

Compito.

Identificare/provare: questo risultato è puramente un adattamento o c'è un algoritmo in cui la probabilità di risultati casuali e indipendenti può essere maggiore di 50/50.

Alexey. Lo farai?

Sono scettico sui miei risultati, suppongo che siano stati causati da un errore nel codice o da condizioni logiche, ma da una settimana intera non riesco a trovare né l'uno né l'altro.

Aiuto... E il diamante della vostra generosità risplenderà nella cornice della mia gratitudine)

 
vladzeit:

Identificare/provare: questo risultato è puramente un adattamento, o c'è un algoritmo in cui i risultati casuali e indipendenti possono avere più di un 50/50 di possibilità.

Per sapere se si tratta di una misura o meno, controllate sul fronte

 
khorosh:

Supponiamo di vedere qualche caratteristica interessante su un grafico e supponiamo che sia una regolarità e che possa essere usata per creare un Expert Advisor redditizio. Quindi, se un Expert Advisor che utilizza questo pattern atteso mostra profitto senza alcuna ottimizzazione quando viene testato su un timeframe lungo, possiamo considerarlo un pattern reale con alta probabilità.

Beh, questo metodo mi è chiaro, ma non lo dimostra in modo affidabile, crea solo dei presupposti di probabilità... più/meno.

Grazie comunque)

All'improvviso mi è venuta in mente la definizione di Platone su cosa sia un essere umano:

Una volta fu chiesto ai discepoli dell'antico filosofo greco Platone di definire l'uomo, e lui rispose:

"L'uomo è un animale con due gambe e senza piume". Tuttavia, dopo Diogene di Sinop..,

Diogene di Sinop portò all'Accademia un gallo spennato e lo presentò come l'uomo di Platone,

Platone ha dovuto aggiungere alla sua definizione: "E con le unghie piatte".

)))

 
elibrarius:

Per scoprire se è adatto o no, controlla il

Dovrei provarlo... Ma non capisco davvero l'utilità di Forward.

Se ho capito bene, allora l'inoltro prenderà una parte della storia ed eseguirà un'esecuzione supplementare su di essa...

Ma se sto già usando tutta la storia (di qualità) nel test, ha senso andare avanti?

 
vladzeit:

Dovrei provare... Ma non capisco bene l'utilità di Forward.

Se ho capito bene, allora l'inoltro prenderà una parte della storia ed eseguirà un'esecuzione supplementare su di essa...

Ma se sono già nel test usando tutta la storia (di qualità), allora vale la pena andare avanti?

Ma la sezione principale della storia sarà adattata alla storia o le regolarità saranno trovate.
Se la redditività della strategia è conservata in avanti, allora abbiamo trovato un modello, se no, allora è solo un adattamento alla storia.