음, 모두가 지역적 합의에 도달했으므로 틱에 대한 Pastekhov의 계획에 따라 실제 거래 모델링을 시작하겠습니다.
EURUSD(스프레드=1핍), EURCHF(스프레드=2핍), EURGBP(스프레드=2핍)에 대한 2006년 틱이 모델링을 위해 사용되었습니다. 이 쌍에 대한 추정 계산에서 renko 건설에 대해 큰 수익성이 달성되었으므로 renko 계획에 대해서만 실제 거래 시뮬레이션이 수행되었습니다. 최적화 매개변수는 분할 진폭(브릭의 수직 크기)뿐입니다. 시작 크기는 각 쌍에 대한 평가 결과( "엘리엇 파동 이론에 기반한 거래 전략" 01/26/07 15:47)에서 가져온 다음 더 작은 분할 크기로 계산하는 식으로 다음까지 계속되었습니다. 해당 연도의 최대 소득 할당. 실제 거래의 시뮬레이션 결과는 다음과 같습니다.
아래 그림은 수익률 곡선과 평활 값 사이의 차이의 동작을 보여줍니다. 이 의존성은 특징적인 절대값과 포인트로 표현되는 가능한 감소의 역학을 반영합니다.
결과:
1. Pastukhov가 제안한 Renko 계획에 따른 실제 거래 시뮬레이션은 고려 대상 상품에 대한 차익 거래 이익을 얻을 가능성을 확인했습니다.
2. 2포인트 스프레드의 EURCHF 및 EURGBP 상품의 평균 수익성은 거래당 각각 1.5 및 2.5핍이었고 EURUSD 쌍의 경우 스프레드가 1핍인 거래당 6포인트였으며 만족스럽게 일치합니다. 공식 nt-2H-Spread 에 의해 얻은 추정치로. ( "엘리엇 파동 이론에 기반한 거래 전략" 01/26/07 15:47)
4. EURCHF 쌍(최대 50포인트)에 대한 적당한 금액의 인출을 통해 최대 50의 레버리지로 이 상품을 운용할 수 있습니다. 연간 수입이 약 400포인트이고 자금을 재투자하면 다음을 수행할 수 있습니다. 연간 소득의 100-200%를 희망하고 최대 25%까지 인출합니다. EURGBP 쌍(최대 20포인트)에 대한 적당한 금액의 인출을 통해 최대 100의 레버리지로 이 상품을 운용할 수 있습니다. 연간 소득이 약 100포인트이고 자금을 재투자하면 100포인트를 기대할 수 있습니다. 연간 소득의 % -150%, 최대 50%까지 인출. EURUSD 쌍의 평균 하락(최대 100포인트)을 통해 최대 30의 레버리지로 이 상품을 운용할 수 있습니다. 연간 소득이 약 500포인트이고 자금을 재투자하면 100-150을 기대할 수 있습니다. 연간 소득의 %, 최대 30%까지 공제.
2. EURUSD 쌍의 스프레드가 2포인트인 EURCHF 및 EURGBP 상품의 평균 수익성은 거래당 각각 1.5 및 2.5핍이었고 거래당 6포인트였으며 스프레드는 1핍으로 만족스럽게 일치합니다. 공식 nt-2H-Spread에 의해 얻은 추정치로.
사실, 내 중개인은 EURUSD에 대한 스프레드가 2포인트이고 다른 두 쌍에 대한 스프레드는 각각 4포인트입니다. 내가 이해하는 한 실제 거래를 모델링하는 과정에서 소득 계산 공식에 존재하는 가산성을 위반하지 않습니다. 즉, 귀하가 얻은 결과를 다시 계산하는 것이 기본이며 경매를 다시 모델링할 필요가 없습니다. 이것이 사실입니까?
그리고 또 다른 질문. EURUSD의 경우 연간 약 80건의 거래만 있었던 것으로 나타났습니까?
이것이 내가 생각한 것입니다. kagi 건설은 견적에서 수익성이 낮지 만 동일한 견적으로 판단하면 테스트 기간 동안 다른 모든 조건이 동일하면 1.5-2 배 더 많은 거래를 할 수 있습니다. 그런 의미에서 카기는 아마 테스트 기간에 더 많은 수입을 보일 것입니다 ... Yuriy, 방법을 아는 즉시 kagi 대형에 대한 실제 거래를 시뮬레이션한 결과를 게시할 수 있습니까?
그리고 파티션 매개변수의 최적화가 수행된 샘플 외부의 테스트는 어떻습니까? (이상적인 조건에서) 최적화로 인한 연간 100-500핍은 실제 시장에서의 생존 가능성 측면에서 "약간" 의심스럽습니다. '역사에 맞는' 함정에 빠지지 않는 방법…
1. 어떠한 조정이나 최적화도 없고 할 수도 없습니다. 완전히 일관되고 자체 일관된 계획이 구성되고 이론적으로 입증되었습니다. 이 체계는 H 매개변수만 포함하며 전략을 적용해야 하는 기간과 유사하다고 생각할 수 있습니다. 동의합니다. 기간을 조정하는 것은 불가능합니다. 백테스팅 과정은 단순히 이 전략의 적용이 최상의 효과를 내는 H를 결정합니다. 그건 그렇고, 다른 t/f에 대한 모든 전략은 다른 결과를 제공합니다. 따라서 저자는 그것을 어떤 특정한 것에만 적용하는 경향이 있고 어느 것에도 적용하지 않습니다. 그들이 경고하는 것.
2. 샘플 외 테스트는 옳고 논리적인 단계입니다. 그러나 그는 무엇을 보여줄 수 있습니까? 시장 상황이 변경되지 않은 경우(이 경우 H-변동성이 변경되지 않았음) 결과는 통계적으로 유사합니다. 그들이 바뀌면 결과가 바뀔 것입니다. 어떤 시장 상황 에서도 작동하는 단일 전략은 없습니다. 여기에 하나의 H-vol. = const입니다.
3. Andrei, 어떤 함정에도 "떨어지지 않음"을 보장하는 그런 전문가가 있을 수 있다고 생각합니까? 또는 운영 매개변수가 이력에 따라 결정되지만 이력에 의존하지 않는 Expert Advisor?
4. 이 도식을 이해했다면 한 가지 세부 사항을 직접 기록했을 것입니다. 이 도식은 사실 수학적 통계의 힘을 보여주는 것입니다. 즉, 시장에서 돈을 벌 수 있는 가능성이 과학적으로 입증되었으며, 조건에 따라 이를 어떻게 할 수 있는지에 대한 방법이 공식화되었습니다. 좋은 소식입니다. 그리고 나쁜 점은 수학적 통계가 큰 수의 법칙이라는 것입니다. 그리고 수익 예측을 정당화하기 위해서는 시장에 장기간 참여해야 합니다. 그러나 시장에 오래 있을수록 시장 상황이 변하고 계획이 작동하지 않을 가능성이 높아집니다. 그리고 당신은 당신의 손실로 그것을 알게 될 것입니다.
5. 손실에 빠질 위험이 없으면 이익도 없습니다. 이것이 AXIOM입니다. 당신이 감당할 수 있는 유일한 것은 당신이 실제로 위험을 감수하는 곳을 아는 것입니다. 그리고 무엇을, 당신은 이미 알고 있습니다. :-))
그리고 파티션 매개변수의 최적화가 수행된 샘플 외부의 테스트는 어떻습니까? (이상적인 조건에서) 최적화로 인한 연간 100-500핍은 실제 시장에서의 생존 가능성 측면에서 "약간" 의심스럽습니다. '역사에 맞는' 함정에 빠지지 않는 방법…
최적화 매개변수는 하나뿐이며 좋은 안정성을 보여줍니다. 결과적으로 이 전략은 과거 데이터를 기반으로 한 재최적화 가능성에 대한 수익성 수준의 의존도가 낮을 것으로 예상할 수 있습니다. Yuri가 분 막대로 올바르게 작동하면 앞으로 전략을 적절하게 테스트하는 데 문제가 없을 것입니다. 모든 기간 동안 분 단위로 아카이브가 많이 있습니다.
여기서 x축은 H=1...50 포인트를 나타내고 y축은 H-변동성을 나타냅니다. 가격 차트의 세부 정보: 총 약 350,000개의 막대가 있으며 이 간격의 ATR 값은 2.19포인트입니다. 따라서 Hvol[H=1]=3.63 및 Hvol[H=2]=2.14는 물리적 의미가 없는 결과입니다. Hvol[H=3]=1.83부터 결과는 이론과 잘 일치합니다. 틱 차트의 경우 H>20에서 Hvol -> 2.0이 이 값을 중심으로 매우 빠르게 변동하는 것을 볼 수 있습니다.
나는 동시에 H 값에 대한 동일한 그래프의 kagi-partition의 정점 수 의존성을 퍼뜨립니다. 아마도 누군가에게는 흥미로울 것입니다.
Sergey, 여기 Wiener 프로세스의 매우 거칠지만 정확한 시뮬레이션이 있습니다. 이 무작위 과정은 수렴 급수의 합으로 모델링되며, 여기서 N은 일반적으로 무한대입니다.
일반적으로 의미는 다음 요소가 이전 요소와의 합으로 얻어지지 않는다는 것입니다. 요소는 독립적이며 이는 랜덤 프로세스의 속성 중 하나입니다.
위의 방법(또는 오히려 방법이 아니라 N. Wiener에 의해 유도된 공식)도 모델링에 사용할 수 없습니다. 일반적으로 Wiener 프로세스는 Monte Carlo 방법을 사용하여 모델링됩니다. 그러나 이 방법에 대한 내 기계는 다소 약합니다.
만족스럽게 나는 N이 증가함에 따라 내 기준이 샘플 연결 강도와 "메모리 길이"의 감소를 등록한다는 점에 서둘러 주목합니다.
N=50000
N=100000
휴, 여기에서 내가 아무것도 증명하려고 하지 않습니다. 내가 원했던 모든 것 - 나는 확인하고 말했고, 나는 모든 주장을 했습니다. Sergey, 아이디어 주셔서 감사합니다. 다시 한 번 많은 도움이 되었습니다. :에 대한)))
EURUSD(스프레드=1핍), EURCHF(스프레드=2핍), EURGBP(스프레드=2핍)에 대한 2006년 틱이 모델링을 위해 사용되었습니다. 이 쌍에 대한 추정 계산에서 renko 건설에 대해 큰 수익성이 달성되었으므로 renko 계획에 대해서만 실제 거래 시뮬레이션이 수행되었습니다. 최적화 매개변수는 분할 진폭(브릭의 수직 크기)뿐입니다. 시작 크기는 각 쌍에 대한 평가 결과( "엘리엇 파동 이론에 기반한 거래 전략" 01/26/07 15:47)에서 가져온 다음 더 작은 분할 크기로 계산하는 식으로 다음까지 계속되었습니다. 해당 연도의 최대 소득 할당. 실제 거래의 시뮬레이션 결과는 다음과 같습니다.
아래 그림은 수익률 곡선과 평활 값 사이의 차이의 동작을 보여줍니다. 이 의존성은 특징적인 절대값과 포인트로 표현되는 가능한 감소의 역학을 반영합니다.
결과:
1. Pastukhov가 제안한 Renko 계획에 따른 실제 거래 시뮬레이션은 고려 대상 상품에 대한 차익 거래 이익을 얻을 가능성을 확인했습니다.
2. 2포인트 스프레드의 EURCHF 및 EURGBP 상품의 평균 수익성은 거래당 각각 1.5 및 2.5핍이었고 EURUSD 쌍의 경우 스프레드가 1핍인 거래당 6포인트였으며 만족스럽게 일치합니다. 공식 nt-2H-Spread 에 의해 얻은 추정치로.
( "엘리엇 파동 이론에 기반한 거래 전략" 01/26/07 15:47)
3. 최적화할 때 비트의 진폭이라는 하나의 매개변수만 사용되었습니다. 매개변수는 좋은 시간 안정성을 보여주었습니다:
( "Elliot Wave Theory에 기반한 거래 전략" 01/27/07 09:28).
4. EURCHF 쌍(최대 50포인트)에 대한 적당한 금액의 인출을 통해 최대 50의 레버리지로 이 상품을 운용할 수 있습니다. 연간 수입이 약 400포인트이고 자금을 재투자하면 다음을 수행할 수 있습니다. 연간 소득의 100-200%를 희망하고 최대 25%까지 인출합니다.
EURGBP 쌍(최대 20포인트)에 대한 적당한 금액의 인출을 통해 최대 100의 레버리지로 이 상품을 운용할 수 있습니다. 연간 소득이 약 100포인트이고 자금을 재투자하면 100포인트를 기대할 수 있습니다. 연간 소득의 % -150%, 최대 50%까지 인출.
EURUSD 쌍의 평균 하락(최대 100포인트)을 통해 최대 30의 레버리지로 이 상품을 운용할 수 있습니다. 연간 소득이 약 500포인트이고 자금을 재투자하면 100-150을 기대할 수 있습니다. 연간 소득의 %, 최대 30%까지 공제.
예비 결과입니다. 모든 분들이 토론에 참여해 주시기 바랍니다.
사실, 내 중개인은 EURUSD에 대한 스프레드가 2포인트이고 다른 두 쌍에 대한 스프레드는 각각 4포인트입니다.
내가 이해하는 한 실제 거래를 모델링하는 과정에서 소득 계산 공식에 존재하는 가산성을 위반하지 않습니다. 즉, 귀하가 얻은 결과를 다시 계산하는 것이 기본이며 경매를 다시 모델링할 필요가 없습니다. 이것이 사실입니까?
그리고 또 다른 질문. EURUSD의 경우 연간 약 80건의 거래만 있었던 것으로 나타났습니까?
모든 것이 정확히 그렇습니다.
이것이 내가 생각한 것입니다. kagi 건설은 견적에서 수익성이 낮지 만 동일한 견적으로 판단하면 테스트 기간 동안 다른 모든 조건이 동일하면 1.5-2 배 더 많은 거래를 할 수 있습니다. 그런 의미에서 카기는 아마 테스트 기간에 더 많은 수입을 보일 것입니다 ...
Yuriy, 방법을 아는 즉시 kagi 대형에 대한 실제 거래를 시뮬레이션한 결과를 게시할 수 있습니까?
오늘은 결과를 막대별로 포스팅하겠습니다. 그리고 나서 카가를 위한 모델링.
그리고 파티션 매개변수의 최적화가 수행된 샘플 외부의 테스트는 어떻습니까?
(이상적인 조건 에서) 최적화 로 인한 연간 100-500핍은 실제 시장에서의 생존 가능성 측면에서 "약간" 의심스럽습니다. '역사에 맞는' 함정에 빠지지 않는 방법…
(이상적인 조건에서) 최적화로 인한 연간 100-500핍은 실제 시장에서의 생존 가능성 측면에서 "약간" 의심스럽습니다. '역사에 맞는' 함정에 빠지지 않는 방법…
1. 어떠한 조정이나 최적화도 없고 할 수도 없습니다. 완전히 일관되고 자체 일관된 계획이 구성되고 이론적으로 입증되었습니다. 이 체계는 H 매개변수만 포함하며 전략을 적용해야 하는 기간과 유사하다고 생각할 수 있습니다. 동의합니다. 기간을 조정하는 것은 불가능합니다. 백테스팅 과정은 단순히 이 전략의 적용이 최상의 효과를 내는 H를 결정합니다. 그건 그렇고, 다른 t/f에 대한 모든 전략은 다른 결과를 제공합니다. 따라서 저자는 그것을 어떤 특정한 것에만 적용하는 경향이 있고 어느 것에도 적용하지 않습니다. 그들이 경고하는 것.
2. 샘플 외 테스트는 옳고 논리적인 단계입니다. 그러나 그는 무엇을 보여줄 수 있습니까? 시장 상황이 변경되지 않은 경우(이 경우 H-변동성이 변경되지 않았음) 결과는 통계적으로 유사합니다. 그들이 바뀌면 결과가 바뀔 것입니다. 어떤 시장 상황 에서도 작동하는 단일 전략은 없습니다. 여기에 하나의 H-vol. = const입니다.
3. Andrei, 어떤 함정에도 "떨어지지 않음"을 보장하는 그런 전문가가 있을 수 있다고 생각합니까?
또는 운영 매개변수가 이력에 따라 결정되지만 이력에 의존하지 않는 Expert Advisor?
4. 이 도식을 이해했다면 한 가지 세부 사항을 직접 기록했을 것입니다. 이 도식은 사실 수학적 통계의 힘을 보여주는 것입니다. 즉, 시장에서 돈을 벌 수 있는 가능성이 과학적으로 입증되었으며, 조건에 따라 이를 어떻게 할 수 있는지에 대한 방법이 공식화되었습니다. 좋은 소식입니다. 그리고 나쁜 점은 수학적 통계가 큰 수의 법칙이라는 것입니다. 그리고 수익 예측을 정당화하기 위해서는 시장에 장기간 참여해야 합니다. 그러나 시장에 오래 있을수록 시장 상황이 변하고 계획이 작동하지 않을 가능성이 높아집니다. 그리고 당신은 당신의 손실로 그것을 알게 될 것입니다.
5. 손실에 빠질 위험이 없으면 이익도 없습니다. 이것이 AXIOM입니다. 당신이 감당할 수 있는 유일한 것은 당신이 실제로 위험을 감수하는 곳을 아는 것입니다. 그리고 무엇을, 당신은 이미 알고 있습니다. :-))
(이상적인 조건에서) 최적화로 인한 연간 100-500핍은 실제 시장에서의 생존 가능성 측면에서 "약간" 의심스럽습니다. '역사에 맞는' 함정에 빠지지 않는 방법…
최적화 매개변수는 하나뿐이며 좋은 안정성을 보여줍니다. 결과적으로 이 전략은 과거 데이터를 기반으로 한 재최적화 가능성에 대한 수익성 수준의 의존도가 낮을 것으로 예상할 수 있습니다. Yuri가 분 막대로 올바르게 작동하면 앞으로 전략을 적절하게 테스트하는 데 문제가 없을 것입니다. 모든 기간 동안 분 단위로 아카이브가 많이 있습니다.
여기서 x축은 H=1...50 포인트를 나타내고 y축은 H-변동성을 나타냅니다.
가격 차트의 세부 정보: 총 약 350,000개의 막대가 있으며 이 간격의 ATR 값은 2.19포인트입니다.
따라서 Hvol[H=1]=3.63 및 Hvol[H=2]=2.14는 물리적 의미가 없는 결과입니다.
Hvol[H=3]=1.83부터 결과는 이론과 잘 일치합니다.
틱 차트의 경우 H>20에서 Hvol -> 2.0이 이 값을 중심으로 매우 빠르게 변동하는 것을 볼 수 있습니다.
나는 동시에 H 값에 대한 동일한 그래프의 kagi-partition의 정점 수 의존성을 퍼뜨립니다.
아마도 누군가에게는 흥미로울 것입니다.