Youri Tarshecki : 모든 옵션을 확인하고 있습니다. 이제 12개의 포워드가 있는 12개의 세그먼트를 실행하고 전체 결과를 살펴봅니다. 대부분의 포워드가 불만족스러운 경우 그러한 어드바이저를 사용할 수 없으며 다시 실행해야 합니다. Expert Advisor를 재설계하는 동시에 포워드에 대한 정보를 수신함으로써 올바른 방향으로 가고 있는지 이해할 수 있습니다.
역사를 앞뒤로 무작위로 분류하는 것은 아무 소용이 없습니다.
백테스트의 개별 부분에서 임의의 값과 클러스터까지도 가장 좋은 것으로 판명될 수 있습니다. 저것들. 좋은 조언자지만 1등에서 무작위 도매 세트가 최고가 되었고 당신은 그것을 포워드로 선택했습니다. 따라서 그는 포워드에서 사망했습니다)) 다른 사람들에게는 - 더 많이 나눌수록 스탯이 낮아집니다. 결과의 신뢰성. 따라서 각 백 테스트 및 스탯에 대한 포워드에 대해 충분한 수의 거래가 있어야 합니다. 신뢰할 수 있음. 사실, 대부분의 인트라데이 시스템의 경우, 이것은 최소 20년 동안 분쇄와 함께 테스트해야 한다는 사실을 초래할 것입니다.)) 그리고 일반적으로 그렇게 오래 살지 않습니다. 따라서 그들은 최고의 솔루션이 백 존을 하나로 결합하고 평균이지만 더 안정적인 도매 세트를 얻을 것이라고 올바르게 썼습니다. 보다 정확하게는 각 최적화된 매개변수에 대한 최적의 영역입니다.
각 섹션에서 통계적으로 신뢰할 수 있는 결과에 대해 충분한 트랜잭션이 있는 12개 섹션으로 기록을 나누는 것은 사치입니다. 그리고 통계로 무언가를 저어주세요. 신뢰할 수 없는 결과는 결과적으로 사고입니다
백테스트의 개별 부분에서 임의의 값과 클러스터까지도 가장 좋은 것으로 판명될 수 있습니다. 저것들. 좋은 조언자지만 1등에서 무작위 도매 세트가 최고가 되었고 당신은 그것을 포워드로 선택했습니다. 따라서 그는 포워드에서 사망했습니다)) 다른 사람들에게는 - 더 많이 나눌수록 스탯이 낮아집니다. 결과의 신뢰성. 따라서 각 백 테스트 및 스탯에 대한 포워드에 대해 충분한 수의 거래가 있어야 합니다. 신뢰할 수 있음. 사실, 대부분의 인트라데이 시스템의 경우, 이것은 최소 20년 동안 분쇄와 함께 테스트해야 한다는 사실을 초래할 것입니다.)) 그리고 일반적으로 그렇게 오래 살지 않습니다. 따라서 그들은 가장 좋은 해결책은 뒷 구역을 하나로 결합하는 것이며 평균이지만 더 안정적인 도매 세트를 얻을 것이라고 올바르게 썼습니다. 보다 정확하게는 각 최적화된 매개변수에 대한 최적의 영역입니다.
각 섹션에서 통계적으로 신뢰할 수 있는 결과에 대해 충분한 트랜잭션이 있는 12개 섹션으로 기록을 나누는 것은 사치입니다. 그리고 통계로 무언가를 저어주세요. 신뢰할 수 없는 결과는 결과적으로 사고입니다
스탯이 무엇인지 알아봅시다. 확실성. 평균화가 클수록 신뢰도가 높다고 생각한다면 사용 가능한 모든 기록에 대해 테스트하지 않는 것이 좋습니다. 평균은 절대적입니다. 그러나 그것이 신뢰할 수 있습니까? 할 것 같지 않은. 바로 시장이 통계적으로 변하기 때문에 이 특정 클러스터가 비정상인지 아니면 새로운 추세의 시작인지 예측할 수 없기 때문입니다. 시장의 이 두 가지 속성은 정반대이며 하나는 세그먼트의 증가를 요구하고 두 번째는 감소를 요구하기 때문에 변증법적 솔루션이 필요합니다.
이 문제를 실험적으로 해결합니다. 제 경우에는 12개월 포워드가 3개월 포워드 4개를 합친 것보다 많고, 차례로 1년 이상 지속 손실도 더 좋은 것으로 나타났습니다.
후진 비율을 실험적으로 테스트했습니까? 귀하의 세그먼트가 가장 최적이라고 생각하는 기준은 무엇입니까?
백테스트의 개별 부분에서 임의의 값과 클러스터까지도 가장 좋은 것으로 판명될 수 있습니다. 저것들. 좋은 조언자지만 1등에서 무작위 도매 세트가 최고가 되었고 당신은 그것을 포워드로 선택했습니다. 따라서 그는 포워드에서 사망했습니다)) 다른 사람들에게는 - 더 많이 나눌수록 스탯이 낮아집니다. 결과의 신뢰성. 따라서 각 백 테스트 및 스탯에 대한 포워드에 대해 충분한 수의 거래가 있어야 합니다. 신뢰할 수 있음. 사실, 대부분의 인트라데이 시스템의 경우, 이것은 최소 20년 동안 분쇄와 함께 테스트해야 한다는 사실을 초래할 것입니다.)) 그리고 일반적으로 그렇게 오래 살지 않습니다. 따라서 그들은 최고의 솔루션이 백 존을 하나로 결합하고 평균이지만 더 안정적인 도매 세트를 얻을 것이라고 올바르게 썼습니다. 보다 정확하게는 각 최적화된 매개변수에 대한 최적의 영역입니다.
각 섹션에서 통계적으로 신뢰할 수 있는 결과에 대해 충분한 트랜잭션이 있는 12개 섹션으로 기록을 나누는 것은 사치입니다. 그리고 통계로 무언가를 저어주세요. 신뢰할 수 없는 결과는 결과적으로 사고입니다
나는 모든 단어를 구독합니다. TS 매개변수의 가장 안정적인 영역을 식별하기 위해 얻은 지분 전략에서 계산된 R^2 지표를 사용한다고 덧붙입니다. 내 관점에서 가장 좋은 실행은 긍정적인 결과, 좋은 R^2(0.8, 0.9 이상) 및 통계적으로 유의미한 거래 수입니다 . 동시에 절대 이익은 배수 기간이 있는지 여부만큼 중요하지 않습니다. 모든 좋은 전략은 특정 기간에 소진됩니다. 이 배수가 전반적으로 긍정적인 추세 내에 있어야 한다는 것뿐입니다. 또한 불리한 순간이 절대 정확도로 서로 겹치지 않는(완전한 불일치를 달성하기 어렵습니다) 평균이지만 안정적인(R ^ 2 포함) 전략을 12개 가지고 있는 것도 중요합니다.
스탯이 무엇인지 알아봅시다. 확실성. 평균화가 클수록 신뢰도가 높다고 생각한다면 사용 가능한 모든 기록에 대해 테스트하지 않는 것이 좋습니다. 평균은 절대적입니다. 그러나 그것이 신뢰할 수 있습니까? 할 것 같지 않은. 바로 시장이 통계적으로 변하기 때문에 이 특정 클러스터가 비정상인지 아니면 새로운 추세의 시작인지 예측할 수 없기 때문입니다. 시장의 이 두 가지 속성은 정반대이며 하나는 세그먼트의 증가를 요구하고 두 번째는 감소를 요구하기 때문에 변증법적 솔루션이 필요합니다.
그래서 나는 이것에 동의하고 그것에 대해 썼습니다) 고문은 특정 시간 동안 일합니다. 거칠면 그에게 유리한 단계입니다. 그러므로 너무 많은 역사를 가지고 생각하는 것조차 무의미하다. 그리고 당신의 방법에는 몇 배나 더 많은 통계와 테스트 기간이 필요합니다. 저것들. 작업은 가능한 한 빨리 작업 주제를 찾는 동시에 피팅을 제외하고 결정이 내려지는 별도의 조각으로 기록을 분할하면 시스템이 이미 작동한 기록이 있다는 사실로 이어집니다. 매우 길다(이전 게시물의 통계적 신뢰성에 대한 주장).
유리 타셰키 :
이 문제를 실험적으로 해결합니다. 제 경우에는 12개월 포워드가 3개월 포워드 4개를 합친 것보다 많고, 차례로 1년 이상 지속 손실도 더 좋은 것으로 나타났습니다.
후진 비율을 실험적으로 테스트했습니까? 귀하의 세그먼트가 가장 최적이라고 생각하는 기준은 무엇입니까?
나는 다르게 접근) 나는 어떤 비율도 취하지 않고 순방향 테스트를 사용하지 않습니다. 나는 형평성의 질로 시스템의 질을 분석한다.
이상적인 시스템은 형평성이 곧은 것입니다)) I. Mo=상수 및 분산(산란)=0. 실제로 mo는 부동하고 분산도 0이 아닙니다. 완벽한 직선 주위의 거친 진동. 좋은 시스템은 안정적으로 테스트할 때(거래 횟수를 하나의 기준으로 함) 작은 편차와 양의 기울기를 갖는 시스템입니다. 예를 들어, PF는 이것을 고려합니다. 저것들. 신뢰할 수 있는 테스트와 함께 우수한 PF(및 형평성의 몇 가지 수치적 특성)가 있는 시스템은 안정성을 위해 추가로 고려됩니다. 이것은 이미 통과하고 지표에 충분합니다. 부분으로 나누면 고품질이 될 것입니다))
일반적으로 시스템의 수익을 이해하고 안정성을 위해 시스템의 각 부분을 별도로 고려해야 합니다. 각 도매는 별도의 지속 가능성 연구여야 합니다.
글쎄, 당신은 시스템의 구성 요소에 대한 이해에서 구축되고 성능에 결정적인 시스템을 종료하기 위해 충분히 지연되지 않은 기준이 필요합니다.
Vasiliy Sokolov : 나는 모든 단어를 구독합니다. TS 매개변수의 가장 안정적인 영역을 식별하기 위해 얻은 지분 전략에서 계산된 R^2 지표를 사용한다고 덧붙입니다. 내 관점에서 가장 좋은 실행은 긍정적인 결과, 좋은 R^2(0.8, 0.9 이상) 및 통계적으로 유의미한 거래 수입니다 . 동시에 절대 이익은 배수 기간이 있는지 여부만큼 중요하지 않습니다. 모든 좋은 전략은 특정 기간에 소진됩니다. 이 배수가 전반적으로 긍정적인 추세 내에 있어야 한다는 것뿐입니다. 또한 불리한 순간이 절대 정확도로 서로 겹치지 않는(완전한 불일치를 달성하기 어렵습니다) 평균이지만 안정적인(R ^ 2 포함) 전략을 12개 가지고 있는 것도 중요합니다.
동의합니다) 또한 12개의 상관되지 않은 수익성 있는 전략을 손에 넣는 것이 현실적입니다)
...완벽한 직선을 중심으로 대략적으로 진동합니다. 좋은 시스템은 안정적으로 테스트할 때(거래 횟수를 하나의 기준으로 함) 작은 편차와 양의 기울기를 갖는 시스템입니다. 예를 들어, PF는 이것을 고려합니다.
한때 PF에 의존하려고 했지만 문제는 트랜잭션 수가 많을수록 PF가 적습니다. 순 자본 변화를 기반으로 하는 R^2(차량의 가동 중지 기간은 고려되지 않음)에는 이러한 기능이 없습니다.
영광 :
...저것들. 신뢰할 수 있는 테스트와 함께 우수한 PF(및 몇 가지 더 많은 형평성 수치적 특성)가 있는 시스템은 안정성을 위해 추가로 고려됩니다. 이것은 이미 통과하고 지표에 충분합니다. 부분으로 나누면 고품질이 될 것입니다))
그게 다야 이 진술은 공식적으로 증명될 수 있습니다. TS가 거의 이상적인 직접 지분을 위쪽으로 향하고 있다면 이 지분의 임의의 세그먼트(앞으로)도 검증을 통과합니다. 왜냐하면 그리고 긍정적일 것입니다. 반면에 매개변수 세트의 순방향 테스트는 히스토리의 모든 섹션에서 수익성이 있는 세트를 찾을 것이므로 전체 히스토리에서 TS가 실행되는 것과 동일한 매개변수 세트를 찾을 것입니다. 가장 안정적이고 안정적인 긍정적인 결과. 그러나 전체 샘플에 대해 최적화하는 동안 동일한 매개변수 세트가 얻어지기 때문에 이 샘플을 N개의 임의 부분으로 나눌 필요가 없습니다.
영광 :
일반적으로 시스템의 수익을 이해하고 안정성을 위해 시스템의 각 부분을 별도로 고려해야 합니다. 각 도매는 별도의 지속 가능성 연구여야 합니다.
이 어려움으로. 이것은 아마도 거래의 성배일 것입니다. 우리는 거의 항상 배후에서 남아 있는 원인의 결과를 교환합니다. 예를 들어, 모든 트렌드 TS가 트렌드 시장에서 작동하는 것은 아닙니다. 일부 차량은 일부 시장에서 우수한 결과를 보일 수 있으며 다른 시장에서는 합병되지 않을 수도 있습니다. 이러한 시장 간에는 명백한 차이가 없지만 소위 말하는 경우에도 마찬가지입니다. 그들의 유행 또는 다른 통계.
영광 :
글쎄, 당신은 시스템의 구성 요소에 대한 이해에서 구축되고 성능에 결정적인 시스템을 종료하기 위해 충분히 지연되지 않은 기준이 필요합니다.
네. 여기서 더 쉽습니다. 우리가 보고 싶은 것을 정확하게 표현할 수 있기 때문입니다. 직선형, 양의 기울기를 가진 균일한 형평성입니다. TS가 수익을 내지 않는다면, 그 자산은 조만간 우리의 대기 모델을 넘어설 것이며 꺼야 할 것입니다.
그러나 여기서 주요 요인은 심리적 요인입니다. 불가피한 마킹 시간과 선택된 모델의 프레임워크 내에서 차량의 표준 동작에 대한 특정 배수를 수용하는 것입니다.
이 어려움으로. 이것은 아마도 거래의 성배일 것입니다. 우리는 거의 항상 배후에서 남아 있는 원인의 결과를 교환합니다. 예를 들어, 모든 트렌드 TS가 트렌드 시장에서 작동하는 것은 아닙니다. 일부 차량은 일부 시장에서 우수한 결과를 보일 수 있으며 다른 시장에서는 합병되지 않을 수도 있습니다. 이러한 시장 간에는 명백한 차이가 없지만 소위 말하는 경우에도 마찬가지입니다. 그들의 유행 또는 다른 통계.
항상 2가지 방법이 있습니다)) 공제 및 귀납. 테스트는 유도입니다 - from stat. 연구, 우리는 패턴을 찾고 있습니다. 또한 공제가 있습니다. 우리가 얻는 것(더 정확하게는 일부는 잃거나 잃는 것)에 대한 이해에서 우리는 이것이 이를 사용하는 전략이 어떻게 귀결되어야 하는지 찾고 있습니다. 이 두 가지 접근 방식을 결합할 수 있습니다. 유도 모색, 추론이 명확해집니다. 혹은 그 반대로도))
나에게 이것은 매우 강력한 지표이지만 충분하지 않습니다. 실제로 일부 TS는 매우 훌륭하고 부드러운 에퀴티를 제공할 수 있다는 사실을 알게 되었습니다. 그들의 R^2는 매우 높으며, 매개변수 세트는 가장 정교한 포워드도 깨뜨릴 것입니다. 예를 들어, 그러한 차량 중 하나의 자산:
그녀의 에퀴티는 시장에서 그녀의 입지를 굳건히 하지만 모든 것이 그렇게 단순하지는 않습니다. 장착된 TS에는 한 가지 주목할 만한 속성이 있습니다 . 매개변수 집합은 거의 항상 불안정하며 이러한 매개변수 값의 약간의 이동은 종종 결과를 크게 변경합니다. 예를 들어 이 차량의 마감 규칙을 약간 변경하면 다음과 같은 결과가 나타납니다.
작은 변화가 치명적인 결과를 가져온다는 것을 알 수 있습니다. 이 TS는 최적화 매개변수가 2개뿐이라는 점에 주목해야 합니다. 이것은 실제로 2개의 점으로만 근사하여 적합을 얻기 쉽고 적은 수의 TS 매개변수가 적합하지 않음을 나타내지 않는다는 질문에 대한 것입니다. . 따라서 최적의 매개변수 집합이 결정된 후 다차원 최적화 공간에서 매개변수를 어느 정도 이동하고 최적점 부근에서 실행 결과를 살펴봐야 합니다.
매개변수의 안정적인 위치에 있다면 매개변수의 이동이 TS의 동작을 근본적으로 바꾸지 않을 것입니다. 실제 거래에서 바로 이러한 변화가 일어날 것임을 이해하는 것이 중요합니다. 역사에서 우리는 TS의 매개변수를 정적 시장 주변으로 이동합니다. 실생활에서 시장은 우리가 이전에 발견하고 수정한 매개변수를 중심으로 그 특성을 이동할 것입니다.
머리에 바퀴벌레라고 합니다. 저것들. 모든 사람을 위해 말하지 말고 자신을 위해 말하십시오. 당신이 무언가에 대해 모른다고 해서 다른 사람들이 그것을 사용하지 않는다는 의미는 아닙니다. 예를 들어, RNN Expert Advisor를 참조하십시오.
어드바이저가 1/2 포워드(반 백테스트, 반 포워드)에 대해 이익을 주지 않으면 쓰레기통에 버려야 합니다. 백테스트에서 바보는 테스트 GA에 적합하여 이익을 얻을 것입니다.
Youri Tarshecki :
나는 포워드에 기반한 전략과 시스템의 효율성에 대한 분석을 거의 본 적이 없습니다.
그것은 무엇입니까? 전통의 부족 또는 불쾌한 감정의 회피?
...
내가 모르는 것을 이해하지 못합니까? 당신의 메시지의 의미는 무엇입니까?
PDF에서 로버트 파르도 참조
순방향 분석을 말씀하신다면 링크에 있는 사진은
CodeBase 는 에르미타주도 아니고 루브르 박물관도 아니고 그곳에서 피노키오 전시를 주관하는 곳도 아닙니다
모든 옵션을 확인하고 있습니다. 이제 12개의 포워드가 있는 12개의 세그먼트를 실행하고 전체 결과를 살펴봅니다. 대부분의 포워드가 불만족스러운 경우 그러한 어드바이저를 사용할 수 없으며 다시 실행해야 합니다. Expert Advisor를 재설계하는 동시에 포워드에 대한 정보를 수신함으로써 올바른 방향으로 가고 있는지 이해할 수 있습니다.
역사를 앞뒤로 무작위로 분류하는 것은 아무 소용이 없습니다.
백테스트의 개별 부분에서 임의의 값과 클러스터까지도 가장 좋은 것으로 판명될 수 있습니다. 저것들. 좋은 조언자지만 1등에서 무작위 도매 세트가 최고가 되었고 당신은 그것을 포워드로 선택했습니다. 따라서 그는 포워드에서 사망했습니다)) 다른 사람들에게는 - 더 많이 나눌수록 스탯이 낮아집니다. 결과의 신뢰성. 따라서 각 백 테스트 및 스탯에 대한 포워드에 대해 충분한 수의 거래가 있어야 합니다. 신뢰할 수 있음. 사실, 대부분의 인트라데이 시스템의 경우, 이것은 최소 20년 동안 분쇄와 함께 테스트해야 한다는 사실을 초래할 것입니다.)) 그리고 일반적으로 그렇게 오래 살지 않습니다. 따라서 그들은 최고의 솔루션이 백 존을 하나로 결합하고 평균이지만 더 안정적인 도매 세트를 얻을 것이라고 올바르게 썼습니다. 보다 정확하게는 각 최적화된 매개변수에 대한 최적의 영역입니다.
각 섹션에서 통계적으로 신뢰할 수 있는 결과에 대해 충분한 트랜잭션이 있는 12개 섹션으로 기록을 나누는 것은 사치입니다. 그리고 통계로 무언가를 저어주세요. 신뢰할 수 없는 결과는 결과적으로 사고입니다
역사를 앞뒤로 무작위로 분류하는 것은 아무 소용이 없습니다.
백테스트의 개별 부분에서 임의의 값과 클러스터까지도 가장 좋은 것으로 판명될 수 있습니다. 저것들. 좋은 조언자지만 1등에서 무작위 도매 세트가 최고가 되었고 당신은 그것을 포워드로 선택했습니다. 따라서 그는 포워드에서 사망했습니다)) 다른 사람들에게는 - 더 많이 나눌수록 스탯이 낮아집니다. 결과의 신뢰성. 따라서 각 백 테스트 및 스탯에 대한 포워드에 대해 충분한 수의 거래가 있어야 합니다. 신뢰할 수 있음. 사실, 대부분의 인트라데이 시스템의 경우, 이것은 최소 20년 동안 분쇄와 함께 테스트해야 한다는 사실을 초래할 것입니다.)) 그리고 일반적으로 그렇게 오래 살지 않습니다. 따라서 그들은 가장 좋은 해결책은 뒷 구역을 하나로 결합하는 것이며 평균이지만 더 안정적인 도매 세트를 얻을 것이라고 올바르게 썼습니다. 보다 정확하게는 각 최적화된 매개변수에 대한 최적의 영역입니다.
각 섹션에서 통계적으로 신뢰할 수 있는 결과에 대해 충분한 트랜잭션이 있는 12개 섹션으로 기록을 나누는 것은 사치입니다. 그리고 통계로 무언가를 저어주세요. 신뢰할 수 없는 결과는 결과적으로 사고입니다
스탯이 무엇인지 알아봅시다. 확실성. 평균화가 클수록 신뢰도가 높다고 생각한다면 사용 가능한 모든 기록에 대해 테스트하지 않는 것이 좋습니다. 평균은 절대적입니다. 그러나 그것이 신뢰할 수 있습니까? 할 것 같지 않은. 바로 시장이 통계적으로 변하기 때문에 이 특정 클러스터가 비정상인지 아니면 새로운 추세의 시작인지 예측할 수 없기 때문입니다. 시장의 이 두 가지 속성은 정반대이며 하나는 세그먼트의 증가를 요구하고 두 번째는 감소를 요구하기 때문에 변증법적 솔루션이 필요합니다.
이 문제를 실험적으로 해결합니다. 제 경우에는 12개월 포워드가 3개월 포워드 4개를 합친 것보다 많고, 차례로 1년 이상 지속 손실도 더 좋은 것으로 나타났습니다.
후진 비율을 실험적으로 테스트했습니까? 귀하의 세그먼트가 가장 최적이라고 생각하는 기준은 무엇입니까?
역사를 앞뒤로 무작위로 분류하는 것은 아무 소용이 없습니다.
백테스트의 개별 부분에서 임의의 값과 클러스터까지도 가장 좋은 것으로 판명될 수 있습니다. 저것들. 좋은 조언자지만 1등에서 무작위 도매 세트가 최고가 되었고 당신은 그것을 포워드로 선택했습니다. 따라서 그는 포워드에서 사망했습니다)) 다른 사람들에게는 - 더 많이 나눌수록 스탯이 낮아집니다. 결과의 신뢰성. 따라서 각 백 테스트 및 스탯에 대한 포워드에 대해 충분한 수의 거래가 있어야 합니다. 신뢰할 수 있음. 사실, 대부분의 인트라데이 시스템의 경우, 이것은 최소 20년 동안 분쇄와 함께 테스트해야 한다는 사실을 초래할 것입니다.)) 그리고 일반적으로 그렇게 오래 살지 않습니다. 따라서 그들은 최고의 솔루션이 백 존을 하나로 결합하고 평균이지만 더 안정적인 도매 세트를 얻을 것이라고 올바르게 썼습니다. 보다 정확하게는 각 최적화된 매개변수에 대한 최적의 영역입니다.
각 섹션에서 통계적으로 신뢰할 수 있는 결과에 대해 충분한 트랜잭션이 있는 12개 섹션으로 기록을 나누는 것은 사치입니다. 그리고 통계로 무언가를 저어주세요. 신뢰할 수 없는 결과는 결과적으로 사고입니다
스탯이 무엇인지 알아봅시다. 확실성. 평균화가 클수록 신뢰도가 높다고 생각한다면 사용 가능한 모든 기록에 대해 테스트하지 않는 것이 좋습니다. 평균은 절대적입니다. 그러나 그것이 신뢰할 수 있습니까? 할 것 같지 않은. 바로 시장이 통계적으로 변하기 때문에 이 특정 클러스터가 비정상인지 아니면 새로운 추세의 시작인지 예측할 수 없기 때문입니다. 시장의 이 두 가지 속성은 정반대이며 하나는 세그먼트의 증가를 요구하고 두 번째는 감소를 요구하기 때문에 변증법적 솔루션이 필요합니다.
그래서 나는 이것에 동의하고 그것에 대해 썼습니다) 고문은 특정 시간 동안 일합니다. 거칠면 그에게 유리한 단계입니다. 그러므로 너무 많은 역사를 가지고 생각하는 것조차 무의미하다. 그리고 당신의 방법에는 몇 배나 더 많은 통계와 테스트 기간이 필요합니다. 저것들. 작업은 가능한 한 빨리 작업 주제를 찾는 동시에 피팅을 제외하고 결정이 내려지는 별도의 조각으로 기록을 분할하면 시스템이 이미 작동한 기록이 있다는 사실로 이어집니다. 매우 길다(이전 게시물의 통계적 신뢰성에 대한 주장).
이 문제를 실험적으로 해결합니다. 제 경우에는 12개월 포워드가 3개월 포워드 4개를 합친 것보다 많고, 차례로 1년 이상 지속 손실도 더 좋은 것으로 나타났습니다.
후진 비율을 실험적으로 테스트했습니까? 귀하의 세그먼트가 가장 최적이라고 생각하는 기준은 무엇입니까?
나는 다르게 접근) 나는 어떤 비율도 취하지 않고 순방향 테스트를 사용하지 않습니다. 나는 형평성의 질로 시스템의 질을 분석한다.
이상적인 시스템은 형평성이 곧은 것입니다)) I. Mo=상수 및 분산(산란)=0. 실제로 mo는 부동하고 분산도 0이 아닙니다. 완벽한 직선 주위의 거친 진동. 좋은 시스템은 안정적으로 테스트할 때(거래 횟수를 하나의 기준으로 함) 작은 편차와 양의 기울기를 갖는 시스템입니다. 예를 들어, PF는 이것을 고려합니다. 저것들. 신뢰할 수 있는 테스트와 함께 우수한 PF(및 형평성의 몇 가지 수치적 특성)가 있는 시스템은 안정성을 위해 추가로 고려됩니다. 이것은 이미 통과하고 지표에 충분합니다. 부분으로 나누면 고품질이 될 것입니다))
일반적으로 시스템의 수익을 이해하고 안정성을 위해 시스템의 각 부분을 별도로 고려해야 합니다. 각 도매는 별도의 지속 가능성 연구여야 합니다.
글쎄, 당신은 시스템의 구성 요소에 대한 이해에서 구축되고 성능에 결정적인 시스템을 종료하기 위해 충분히 지연되지 않은 기준이 필요합니다.
나는 모든 단어를 구독합니다. TS 매개변수의 가장 안정적인 영역을 식별하기 위해 얻은 지분 전략에서 계산된 R^2 지표를 사용한다고 덧붙입니다. 내 관점에서 가장 좋은 실행은 긍정적인 결과, 좋은 R^2(0.8, 0.9 이상) 및 통계적으로 유의미한 거래 수입니다 . 동시에 절대 이익은 배수 기간이 있는지 여부만큼 중요하지 않습니다. 모든 좋은 전략은 특정 기간에 소진됩니다. 이 배수가 전반적으로 긍정적인 추세 내에 있어야 한다는 것뿐입니다. 또한 불리한 순간이 절대 정확도로 서로 겹치지 않는(완전한 불일치를 달성하기 어렵습니다) 평균이지만 안정적인(R ^ 2 포함) 전략을 12개 가지고 있는 것도 중요합니다.
...완벽한 직선을 중심으로 대략적으로 진동합니다. 좋은 시스템은 안정적으로 테스트할 때(거래 횟수를 하나의 기준으로 함) 작은 편차와 양의 기울기를 갖는 시스템입니다. 예를 들어, PF는 이것을 고려합니다.
한때 PF에 의존하려고 했지만 문제는 트랜잭션 수가 많을수록 PF가 적습니다. 순 자본 변화를 기반으로 하는 R^2(차량의 가동 중지 기간은 고려되지 않음)에는 이러한 기능이 없습니다.
...저것들. 신뢰할 수 있는 테스트와 함께 우수한 PF(및 몇 가지 더 많은 형평성 수치적 특성)가 있는 시스템은 안정성을 위해 추가로 고려됩니다. 이것은 이미 통과하고 지표에 충분합니다. 부분으로 나누면 고품질이 될 것입니다))
그게 다야 이 진술은 공식적으로 증명될 수 있습니다. TS가 거의 이상적인 직접 지분을 위쪽으로 향하고 있다면 이 지분의 임의의 세그먼트(앞으로)도 검증을 통과합니다. 왜냐하면 그리고 긍정적일 것입니다. 반면에 매개변수 세트의 순방향 테스트는 히스토리의 모든 섹션에서 수익성이 있는 세트를 찾을 것이므로 전체 히스토리에서 TS가 실행되는 것과 동일한 매개변수 세트를 찾을 것입니다. 가장 안정적이고 안정적인 긍정적인 결과. 그러나 전체 샘플에 대해 최적화하는 동안 동일한 매개변수 세트가 얻어지기 때문에 이 샘플을 N개의 임의 부분으로 나눌 필요가 없습니다.
일반적으로 시스템의 수익을 이해하고 안정성을 위해 시스템의 각 부분을 별도로 고려해야 합니다. 각 도매는 별도의 지속 가능성 연구여야 합니다.
이 어려움으로. 이것은 아마도 거래의 성배일 것입니다. 우리는 거의 항상 배후에서 남아 있는 원인의 결과를 교환합니다. 예를 들어, 모든 트렌드 TS가 트렌드 시장에서 작동하는 것은 아닙니다. 일부 차량은 일부 시장에서 우수한 결과를 보일 수 있으며 다른 시장에서는 합병되지 않을 수도 있습니다. 이러한 시장 간에는 명백한 차이가 없지만 소위 말하는 경우에도 마찬가지입니다. 그들의 유행 또는 다른 통계.
글쎄, 당신은 시스템의 구성 요소에 대한 이해에서 구축되고 성능에 결정적인 시스템을 종료하기 위해 충분히 지연되지 않은 기준이 필요합니다.
네. 여기서 더 쉽습니다. 우리가 보고 싶은 것을 정확하게 표현할 수 있기 때문입니다. 직선형, 양의 기울기를 가진 균일한 형평성입니다. TS가 수익을 내지 않는다면, 그 자산은 조만간 우리의 대기 모델을 넘어설 것이며 꺼야 할 것입니다.
그러나 여기서 주요 요인은 심리적 요인입니다. 불가피한 마킹 시간과 선택된 모델의 프레임워크 내에서 차량의 표준 동작에 대한 특정 배수를 수용하는 것입니다.
이 어려움으로. 이것은 아마도 거래의 성배일 것입니다. 우리는 거의 항상 배후에서 남아 있는 원인의 결과를 교환합니다. 예를 들어, 모든 트렌드 TS가 트렌드 시장에서 작동하는 것은 아닙니다. 일부 차량은 일부 시장에서 우수한 결과를 보일 수 있으며 다른 시장에서는 합병되지 않을 수도 있습니다. 이러한 시장 간에는 명백한 차이가 없지만 소위 말하는 경우에도 마찬가지입니다. 그들의 유행 또는 다른 통계.
R^2에 대해 조금 더.
나에게 이것은 매우 강력한 지표이지만 충분하지 않습니다. 실제로 일부 TS는 매우 훌륭하고 부드러운 에퀴티를 제공할 수 있다는 사실을 알게 되었습니다. 그들의 R^2는 매우 높으며, 매개변수 세트는 가장 정교한 포워드도 깨뜨릴 것입니다. 예를 들어, 그러한 차량 중 하나의 자산:
그녀의 에퀴티는 시장에서 그녀의 입지를 굳건히 하지만 모든 것이 그렇게 단순하지는 않습니다. 장착된 TS에는 한 가지 주목할 만한 속성이 있습니다 . 매개변수 집합은 거의 항상 불안정하며 이러한 매개변수 값의 약간의 이동은 종종 결과를 크게 변경합니다. 예를 들어 이 차량의 마감 규칙을 약간 변경하면 다음과 같은 결과가 나타납니다.
작은 변화가 치명적인 결과를 가져온다는 것을 알 수 있습니다. 이 TS는 최적화 매개변수가 2개뿐이라는 점에 주목해야 합니다. 이것은 실제로 2개의 점으로만 근사하여 적합을 얻기 쉽고 적은 수의 TS 매개변수가 적합하지 않음을 나타내지 않는다는 질문에 대한 것입니다. . 따라서 최적의 매개변수 집합이 결정된 후 다차원 최적화 공간에서 매개변수를 어느 정도 이동하고 최적점 부근에서 실행 결과를 살펴봐야 합니다.
매개변수의 안정적인 위치에 있다면 매개변수의 이동이 TS의 동작을 근본적으로 바꾸지 않을 것입니다. 실제 거래에서 바로 이러한 변화가 일어날 것임을 이해하는 것이 중요합니다. 역사에서 우리는 TS의 매개변수를 정적 시장 주변으로 이동합니다. 실생활에서 시장은 우리가 이전에 발견하고 수정한 매개변수를 중심으로 그 특성을 이동할 것입니다.