두 전략을 비교 하기 위해 시장 적합도가 60%라도 어느 하나를 선택하기에 충분할 것입니다. 샘플을 늘리기만 하면 됩니다.
코드를 사용한 실제 작업의 경우 1m에서 환경 시뮬레이션의 사용 가능한 95% 정확도가 매우 좋습니다. 그리고 진드기 역사 는 모두 99%를 줄 것입니다.많은 과학적이고 실용적인 환경 모델은 그러한 정확성을 자랑 할 수 없습니다.
나는 전략을 만드는 자동 방법이 역사의 질에 의존한다는 점에서 수동 방법과 어떻게 든 기적적으로 다르다고 믿을 이유가 없습니다.
이야기가 나쁘면 모든 고문에게 나쁜 것입니다.
즉, 환경의 선택은 시스템 평가 기준과 직접적인 관련이 없습니다.
"전략을 생성하는 자동 방식이 역사의 질에 의존한다는 점에서 수동 방식과 어떻게 든 기적적으로 다르다고 믿을 이유가 없다고 봅니다." - 자동 검색은 과거 데이터의 품질과 함께 테스터 자체의 기술적 특징(결함)을 이용하는 "전략"을 찾을 수 있습니다. 분명히 당신은 그러한 문제가 발생하지 않았습니다)). 다음은 좋은 예입니다.
OHLC 과거 데이터를 사용하고, 틱을 시뮬레이션하지 않고, 더 작은 기간을 사용하지 않고, O, H, L 또는 C 값이 수신될 때마다 시장 진입/종료 조건을 계산한다고 가정합니다.
이미지에서:
왜냐하면 (OL) + (H - C) < (H - O ) + (CL) 테스터는 그림에 표시된 순서대로 값을 사용하여 시장 움직임을 시뮬레이션하며 이는 매우 논리적입니다.
결과적으로 빨간색 선으로 표시된 순간에 Open 및 Low 두 값(전략의 경우 Close)에는 "미래"에 대한 정보가 포함됩니다.
다음은 이익 규칙입니다.
(Open[0] - Close[0])> X이고 (High[0] == Open[0])인 경우 매수합니다. 여기서 X는 스프레드를 커버하는 값입니다.
당신은 확실히 요점을 이해하지 못했습니다. 전략 테스터 에서 결함이 있는 내 예에서 고문은 긍정적인 거래만 제공할 것입니다. 성배)). "grails"를 검색하기 위해 만들어진 자동 검색 전략은 이러한 결함을 발견할 수 있습니다.
저를 믿으십시오. 이것은 전략 생성기의 심각한 문제입니다. 물론 예보다 더 나은 이미 존재합니다. 최적화되지 않은 세그먼트에 대한 좋은 에퀴티는 내가 "지능"을 높이는 작업을 하는 동안 1분 만에 포기할 수 있습니다. 인터넷에서 찾은 유사한 프로그램에는 많은 문제가 없으며 문제가 될 수 없습니다. 이것은 특정 규칙 생성 템플릿, 생성된 규칙의 예((A<B) & (A>C) & if(D>C)) 때문입니다. ;사실;A >B).
당신은 확실히 요점을 이해하지 못했습니다. 전략 테스터 에서 결함이 있는 내 예에서 고문은 긍정적인 거래만 제공할 것입니다. 성배)). "grails"를 검색하기 위해 만들어진 자동 검색 전략은 이러한 결함을 발견할 수 있습니다.
저를 믿으십시오. 이것은 전략 생성기의 심각한 문제입니다. 물론 예보다 더 나은 이미 존재합니다. 최적화되지 않은 세그먼트에 대한 좋은 에퀴티는 내가 "지능"을 높이는 작업을 하는 동안 1분 만에 포기할 수 있습니다. 인터넷에서 찾은 유사한 프로그램에는 많은 문제가 없으며 문제가 될 수 없습니다. 이것은 특정 규칙 생성 템플릿, 생성된 규칙의 예((A<B) & (A>C) & if(D>C)) 때문입니다. ;사실;A >B).
우리는 두 가지 다른 것에 대해 이야기하고 있습니다.
1. 나는 오랫동안 당신의 모범을 알고 있었습니다. 제 생각에는 "진화" 과정에서 우연히 그런 것을 만들 확률은 무시할 수 있을 정도입니다. 여전히 이와 유사한 "비가격" 트릭이 두려운 경우 - 그럴듯한 스프레드가 있는 틱 기록에 대한 통제 확인을 수행하십시오. 그러면 모든 것이 바로 거기에서 드러날 것입니다. 때때로 ini 파일에서 테스트 유형을 변경하십시오.
내 생각에 규칙 생성 템플릿은 트릭이 없도록 이러한 규칙과 블록 호환성을 충분히 일반화한 수준에서 작동해야 합니다. 그런 다음 사용자는 이러한 종속성과 생성기가 작동해야 하는 요소를 설정할 수 있습니다.
2. 생성기에 테스트를 기반으로 하는 전략 선택이 포함되어 있으면 앞으로 나아가는 것이 단순히 필수입니다. 또한 선택 기준을 획기적으로 단순화합니다.
1. 나는 오랫동안 당신의 모범을 알고 있었습니다. 제 생각에는 "진화" 과정에서 우연히 그런 것을 만들 확률은 무시할 수 있을 정도입니다. 여전히 이와 유사한 "비가격" 트릭이 두려운 경우 - 그럴듯한 스프레드가 있는 틱 기록에 대한 통제 확인을 수행하십시오. 그러면 모든 것이 바로 거기에서 드러날 것입니다. 때때로 ini 파일에서 테스트 유형을 변경하십시오.
내 생각에 규칙 생성 템플릿은 트릭이 없도록 이러한 규칙과 블록 호환성을 충분히 일반화한 수준에서 작동해야 합니다. 그런 다음 사용자는 이러한 종속성과 생성기가 작동해야 하는 요소를 설정할 수 있습니다.
2. 생성기에 테스트를 기반으로 하는 전략 선택이 포함되어 있으면 앞으로 나아가는 것이 단순히 필수입니다. 또한 선택 기준을 획기적으로 단순화합니다.
두 전략을 비교 하기 위해 시장 적합도가 60%라도 어느 하나를 선택하기에 충분할 것입니다. 샘플을 늘리기만 하면 됩니다.
코드를 사용한 실제 작업의 경우 1m에서 환경 시뮬레이션의 사용 가능한 95% 정확도가 매우 좋습니다. 그리고 진드기 역사 는 모두 99%를 줄 것입니다.많은 과학적이고 실용적인 환경 모델은 그러한 정확성을 자랑 할 수 없습니다.
나는 전략을 만드는 자동 방법이 역사의 질에 의존한다는 점에서 수동 방법과 어떻게 든 기적적으로 다르다고 믿을 이유가 없습니다.
이야기가 나쁘면 모든 고문에게 나쁜 것입니다.
즉, 환경의 선택은 시스템 평가 기준과 직접적인 관련이 없습니다.
"전략을 생성하는 자동 방식이 역사의 질에 의존한다는 점에서 수동 방식과 어떻게 든 기적적으로 다르다고 믿을 이유가 없다고 봅니다." - 자동 검색은 과거 데이터의 품질과 함께 테스터 자체의 기술적 특징(결함)을 이용하는 "전략"을 찾을 수 있습니다. 분명히 당신은 그러한 문제가 발생하지 않았습니다)). 다음은 좋은 예입니다.
OHLC 과거 데이터를 사용하고, 틱을 시뮬레이션하지 않고, 더 작은 기간을 사용하지 않고, O, H, L 또는 C 값이 수신될 때마다 시장 진입/종료 조건을 계산한다고 가정합니다.
이미지에서:
왜냐하면 (OL) + (H - C) < (H - O ) + (CL) 테스터는 그림에 표시된 순서대로 값을 사용하여 시장 움직임을 시뮬레이션하며 이는 매우 논리적입니다.
결과적으로 빨간색 선으로 표시된 순간에 Open 및 Low 두 값(전략의 경우 Close)에는 "미래"에 대한 정보가 포함됩니다.
다음은 이익 규칙입니다.
(Open[0] - Close[0])> X이고 (High[0] == Open[0])인 경우 매수합니다. 여기서 X는 스프레드를 커버하는 값입니다.
지정된 시간에 전략에 대한 OHLC 값은 이력 데이터의 OOLL 값에 해당합니다!!
테스터 결함 및 낮은 품질 이력이 표시됩니다.
테스터 결함 및 낮은 품질 이력이 표시됩니다.
어떤 미래에 대해 이야기하고 있습니까? 이 현상은 오랫동안 알려져 왔습니다. 약 3년 전쯤에는 그런 칩을 가지고 있는 고문을 기반으로 일을 해서 이익을 봤다는 기사까지 나온 적이 있었던 걸로 기억합니다. 그런 고문에 의해 멈추지 않고 이익이 발생했습니다.
그러나 구체적으로 가르치지 않으면 전략이 이 칩을 잡는 법을 독립적으로 배우고 확산을 고려하는 확률은 얼마입니까? 나는 그것이 무시할 수 있다고 생각합니다.
물론 양초 안에서 현실의 가격은 마음대로 왔다갔다 할 수 있습니다. 이것이 실제에서 5-10%의 테스트 오류를 만드는 것입니다. 모든 전략이 여전히 동일한 조건에 있기 때문에 이것이 테스트에서 전략을 비교하는 데 중요하지 않다는 사실에 대해 말하는 것입니다.
그리고 이것이 당신에게 중요해 보인다면 속도를 희생하면서 실제 틱 기록 을 가져간다는 사실에 대해 이야기하고 있습니다.
저것들. 이것은 사용될 테스트 방법과 비교할 때 모두 중요하지 않습니다.
시스템이 약 150개의 거래에서 약 15개의 무익한 전략이 있는 "전략"을 발견했는데 이것은 최적화되지 않은 영역에 있었습니다. 이 결과에 대한 확신은 거의 없습니다.
자신을 쏴?
우리는 두 가지 다른 것에 대해 이야기하고 있습니다.
1. 나는 오랫동안 당신의 모범을 알고 있었습니다. 제 생각에는 "진화" 과정에서 우연히 그런 것을 만들 확률은 무시할 수 있을 정도입니다. 여전히 이와 유사한 "비가격" 트릭이 두려운 경우 - 그럴듯한 스프레드가 있는 틱 기록에 대한 통제 확인을 수행하십시오. 그러면 모든 것이 바로 거기에서 드러날 것입니다. 때때로 ini 파일에서 테스트 유형을 변경하십시오.
내 생각에 규칙 생성 템플릿은 트릭이 없도록 이러한 규칙과 블록 호환성을 충분히 일반화한 수준에서 작동해야 합니다. 그런 다음 사용자는 이러한 종속성과 생성기가 작동해야 하는 요소를 설정할 수 있습니다.
2. 생성기에 테스트를 기반으로 하는 전략 선택이 포함되어 있으면 앞으로 나아가는 것이 단순히 필수입니다. 또한 선택 기준을 획기적으로 단순화합니다.
우리는 두 가지 다른 것에 대해 이야기하고 있습니다.
1. 나는 오랫동안 당신의 모범을 알고 있었습니다. 제 생각에는 "진화" 과정에서 우연히 그런 것을 만들 확률은 무시할 수 있을 정도입니다. 여전히 이와 유사한 "비가격" 트릭이 두려운 경우 - 그럴듯한 스프레드가 있는 틱 기록에 대한 통제 확인을 수행하십시오. 그러면 모든 것이 바로 거기에서 드러날 것입니다. 때때로 ini 파일에서 테스트 유형을 변경하십시오.
내 생각에 규칙 생성 템플릿은 트릭이 없도록 이러한 규칙과 블록 호환성을 충분히 일반화한 수준에서 작동해야 합니다. 그런 다음 사용자는 이러한 종속성과 생성기가 작동해야 하는 요소를 설정할 수 있습니다.
2. 생성기에 테스트를 기반으로 하는 전략 선택이 포함되어 있으면 앞으로 나아가는 것이 단순히 필수입니다. 또한 선택 기준을 획기적으로 단순화합니다.
아마 그럴 것이다.)
어떤 규칙이 있어야 한다고 생각합니까? 문제를 어떻게 보는지 궁금합니다.
이 옵션을 제공합니다.
이 평가는 다음과 같은 기능/제한이 있는 전략에 적합합니다.
이익 및 손실은 고정 위험/정지 손실에 대한 각 값의 비율로 표시됩니다.
전략의 주요 성과 지표는 다음과 같이 취하여 변환됩니다. 그림과 같이 수식의 순서는 헤더에 있는 지표의 순서와 일치합니다.
차트에는 전략의 복잡성도 있으며 사용할 수 없으며 필요했습니다.
변동성은 해당 값의 회귀선에서 자기 자본 값의 최대 편차 합계를 나타내며 그래픽으로 다음과 같습니다.
불안정성은 AB의 절대값의 합, 즉 A+|B|
다음과 같이 계산되는 약간 수정된 수익성 값도 있습니다.
수익성=(총 이익 + 1)/(총 손실 + 1)
다음과 같이 변환됩니다.
왜냐하면 적은 수의 거래로 수익성이 충분하지 않으면 다음을 수행합니다.
위의 차트는 거래 횟수에 따른 수익성 가치가 어떻게 계산되는지 보여줍니다.
다음으로, 다음 공식에 따라 수익성(트랜잭션 수에 따른 중요성에 따라)을 다시 한 번 변경합니다.
수익성 = 1 + 수익성 * 유의성 - 유의성
또한 얻은 이익, 손실, 거래 수, 불안정성 및 수익성의 모든 값을 곱합니다 (마지막 공식에서) 결과적으로 다음을 기반으로 전략의 전체 품질을 반영하는 특정 단일 계수를 얻습니다. 특정 기간의 거래.
계수 값:
0 - 무자비하게 끔찍한)
0.3 - 나쁜
~0.8 - 잘
>1 - 아주 좋은 결과
이렇게 평가한 결과는 다음과 같다.
여기에서 이 계수는 Z-계수로 표시되며 훈련(녹색 선) 및 테스트(보라색 선) 세트를 평가할 수 있습니다.
녹색 자산 라인(0.993) 및 하위 보라색 라인(0.5714)에 대한 좋은 결과
보라색의 경우 나쁨보다 약간 높으며 수익성 1.447
나쁜 결과의 예.