1. 2007년 1월 1일부터 2007년 8월 31일까지 최적화합니다. 그런 다음 2007년 9월 1일부터 2007년 9월 30일까지 확인합니다.
2. 2007년 2월 1일부터 2007년 9월 31일까지 최적화합니다. 그런 다음 2007년 1월 10일부터 2007년 10월 30일까지 확인합니다.
...
10. 01.11.2007-30.06.2008 우리는 최적화합니다. 2008년 7월 31일부터 2008년 7월 31일까지 확인합니다.
이 통계를 입력하면 시스템과 해당 매개변수를 통계적으로 안정적으로 판단할 수 있습니다.
"이 단어에 그런 글자가 있다"는 데 동의합니다. 그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다. 나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
"이 단어에 그런 글자가 있다"는 데 동의합니다. 그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다. 나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
가능하다면 예상대로(예: 위에서 제안한 대로) 순방향 분석이 수행되었고 시스템이 수익성이 있었지만 사용하는 시간이 되자마자 모든 것을 지옥으로 유출한 예를 들어 ...
"이 단어에 그런 글자가 있다"는 데 동의합니다. 그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다. 나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
각 개별 거래에는 고유한 위험 수준과 승리 확률이 있습니다. 일련의 N 트랜잭션에도 동일하게 적용됩니다. 이러한 특성을 알고 통제하면 시스템의 수익성을 통제할 수 있습니다. 사실, 포워드 테스팅의 목표는 시스템을 이길 확률과 위험 수준이 최적화 기간 동안 설정한 것과 얼마나 가까운지, 그리고 이러한 지표가 시장 변화에 얼마나 안정적인지를 평가하는 것입니다.
이를 평가하기 위해 한 달에 한 번 앞으로 테스트하는 것만으로는 충분하지 않습니다. 테스트 시리즈 통계가 필요합니다. 일련의 포워드 테스트(예: 실제 거래 시간에 가까운 10개월 테스트)의 결과가 위험 및 승리 확률 측면에서 일관되게 유사한 결과를 제공한다면 동일한 매개변수가 실제 거래 시스템.
아직 데모 계정에서도 실제 거래에 사용한 결과는 없고, 지금은 시스템을 MQL로 터미널로 옮기느라 바쁘다.
그러나 나는 alpari 포럼에서 테스트 스케치를 보여주었습니다.
내가 Alpari에서 본 것은 그다지 좋은 예가 아닙니다. 큰 드로다운은 1, 에쿼티가 2도 아니고, 관심이 가는 최적화 기간(또는 훈련)도 아니지만, OOS는 우선 3입니다. 그리고 OOS가 아닌 최적화 기간을 보여줍니다. 누구나 최적화 기간에 적합할 수 있지만 OOS에서 무슨 일이 일어날지, OOS에서 얼마나 오래 작동할 것인지도 큰 문제입니다. 이것이 우리가 말하는 것입니다. 그리고 (나는 인용한다) - "역사상 시스템 작동의 정적 케이스 수가 많을수록 그러한 시스템이 앞으로도 동일한 성공으로 계속 작동할 확률이 더 높아집니다. 그리고 일반적으로 그러한 시스템은 훈련된 영역에서도 작동할 것입니다. 8개월 후, 그리고 1년 후에는 형평성에 약간의 편차가 있습니다." - 이것은 모두 일반적이고 물론 올바른 단어입니다. 여기 있는 모든 사람들은 이것을 알고 있습니다. 구체적인 내용을 파악하고 이해하려고 합니다.
내가 Alpari에서 본 것은 그다지 좋은 예가 아닙니다. 큰 드로다운은 1, 에쿼티가 2도 아니고, 관심이 가는 최적화 기간(또는 훈련)도 아니지만, OOS는 우선 3입니다. 그리고 OOS가 아닌 최적화 기간을 보여줍니다. 누구나 최적화 기간에 적합할 수 있지만 OOS에서 무슨 일이 일어날지, OOS에서 얼마나 오래 작동할 것인지도 큰 문제입니다. 이것이 우리가 말하는 것입니다. 그리고 (나는 인용) - "역사상 시스템 운영의 정적 사례 수가 많을수록 그러한 시스템이 앞으로도 동일한 성공으로 계속 작동할 가능성이 높아지고 일반적으로 그러한 시스템은 훈련된 영역에서도 작동할 것입니다. 8개월 후, 그리고 1년 후에는 형평성에 약간의 편차가 있습니다." - 이것은 모두 일반적이고 물론 올바른 단어입니다. 여기 있는 모든 사람들은 이것을 알고 있습니다. 구체적인 내용을 파악하고 이해하려고 합니다.
그리고 흙에 코를 박는 법을 모르세요????
난 너에게 밤시가 아니야 너무 나빠 여기 좋지 않아 이것은 하나 둘있다 .... 세부 사항을 이해하려면 사람들이 쓰는 것을 더주의 깊게 읽으십시오!
시스템마다 장단점이 있는데, 스스로 단점을 찾지 말고 노력해야 하는 시스템의 장점을 이야기 해보는 건 어떨까요?? 나는 내 그림에 대해 말하는 것이 아니라 일반적으로 이야기하고 있습니다.
이 그림들, 2월 3월 4월,
당신이 자신과 모순되거나 "내가 Alpari에서 본 것은 그다지 좋은 예가 아닙니다"라는 사실을 전혀 이해하지 못합니다. 그러나 통계의 이벤트 수와 이벤트 수가 확률에 미치는 영향에 대해 이야기하는 경우 미래에 일하면 밀도 나는 수익성있는 거래를 할 확률 분포가 더 높아집니다! 수익성 / 무익의 비율이 1.27보다 적음에도 불구하고 귀하의 비율은 9로 보입니다.
그림에 3개월이 있고 19건의 거래만 있었습니다. 같은 사이트에서 내가 몇 건의 거래를 했는지 세어 보세요. 그리고 나는 또한 15분의 시간 프레임을 가지고 있었고 당신은 1시간을 가지고 있습니다. 즉 당신은 4배 적은 이야기를 가지고 있다는 것을 의미합니다. 왜 내 그림이 당신에게 나쁠까요?
OOS에 대해 나는 Alpari에 그림에서 이것은 모든 곳의 역사가 아니며 네트워크가 지난 2-3개월 동안만 보지 못한 데이터(지난 4개월 동안 위 그림에서)라고 썼습니다. "! No.% $" 이전에 포럼 사용자의 90%가 있는지 증명하십시오. 초등 교육을 시작하지 않은 경우 결과는 하나의 형평성 그래프로 표시됩니다. 이 시스템은 신경 솔루션 네트워크에 구축되고 처리는 네트워크가 있는 플러그인 dll이고 솔루션에서 이미 이 역사 섹션을 제공했음을 구별하지 못합니다. NS는 결과를 표시하고 DLL의 경우 모두 동일하며 최종 결과의 본질을 나에게 변경하지 않으며 물론 단점이 있습니다. 그 당시 내가 가진 것 중 최고였습니다. TS 안정성이 개선된 재작업 그리드에 대한 다른 그림입니다. 비록 드로다운이 여전히 존재하지만 이는 특정 분석 규칙이 비정상 계열에 적용되었기 때문에 역사의 많은 부분에서 다음을 확인할 수 있습니다. 무언가를 희생하거나 미래에 시스템의 확률과 안정성이 증가하지만 형평성은 덜합니다. 또는 그 이상의 형평성이나 감소된 확률과 미래의 덜 안정적인 형평성, 비록 이것이 차례로 수사학적 문제이기도 하지만, 만약 TS 주식이 오랜 역사 동안 꾸준히 성장한다면, 성장 안정성은 미래에 떨어지지 않을 것입니다. ., 그림에서 이것은 이미 내 TS의 단점입니다. 따라서 시스템에 내재된 장점과 함께 다른 매개변수보다 더 중요한 단점을 찌르는 것은 어리석은 일입니다. 시스템이 12개월 15분 동안 훈련된 경우 작동할 확률이 더 높습니다. 미래의 eucity 각도의 보존, 달 중 하나가 축소되었다는 사실에도 불구하고 역사의 참여에 대해 동일한 축소가 있었지만 이번 달이 선택된 매개 변수에 대해 살펴보면 7 %에 불과합니다. 최적화된 전체 히스토리, 3~4월 에퀴티는 앞으로 2개월 동안 분명하게 증가했고 각도는 유지될 거라고 생각합니다. 매달 스토리를 옮기기만 하면 됩니다. 다음 그림에서 실제로 볼 수 있습니다.
그 반대의 경우도 발생한다
약간의 인용을 제외하고는 거의 100% 일치합니다.
또한 이해할 수 있습니다. 그러나 그것은 정말로 내가 묻는 것이 아닙니다. 이것은 가급적 최적화 없이 재최적화되지 않은 TS를 구축하는 원칙입니다. 그리고 최적화 기간과 OOS 기간의 리포트를 통해 향후 차량의 성능을 어떻게 판단할지 알아내려고 합니다.
충분한 OOS 통계를 얻으려면 다음 전략을 시도하십시오.
최적화 기간은 8개월이고 OOS는 1개월입니다.
10개의 최적화 및 검증 기간을 선택합니다. 예를 들어:
1. 2007년 1월 1일부터 2007년 8월 31일까지 최적화합니다. 그런 다음 2007년 9월 1일부터 2007년 9월 30일까지 확인합니다.
2. 2007년 2월 1일부터 2007년 9월 31일까지 최적화합니다. 그런 다음 2007년 1월 10일부터 2007년 10월 30일까지 확인합니다.
...
10. 01.11.2007-30.06.2008 우리는 최적화합니다. 2008년 7월 31일부터 2008년 7월 31일까지 확인합니다.
이 통계를 입력하면 시스템과 해당 매개변수를 통계적으로 안정적으로 판단할 수 있습니다.
충분한 OOS 통계를 얻으려면 다음 전략을 시도하십시오.
최적화 기간은 8개월이고 OOS는 1개월입니다.
10개의 최적화 및 검증 기간을 선택합니다. 예를 들어:
1. 2007년 1월 1일부터 2007년 8월 31일까지 최적화합니다. 그런 다음 2007년 9월 1일부터 2007년 9월 30일까지 확인합니다.
2. 2007년 2월 1일부터 2007년 9월 31일까지 최적화합니다. 그런 다음 2007년 1월 10일부터 2007년 10월 30일까지 확인합니다.
...
10. 01.11.2007-30.06.2008 우리는 최적화합니다. 2008년 7월 31일부터 2008년 7월 31일까지 확인합니다.
이 통계를 입력하면 시스템과 해당 매개변수를 통계적으로 안정적으로 판단할 수 있습니다.
"이 단어에 그런 글자가 있다"는 데 동의합니다. 그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다. 나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
"이 단어에 그런 글자가 있다"는 데 동의합니다. 그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다. 나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
가능하다면 예상대로(예: 위에서 제안한 대로) 순방향 분석이 수행되었고 시스템이 수익성이 있었지만 사용하는 시간이 되자마자 모든 것을 지옥으로 유출한 예를 들어 ...
"이 단어에 그런 글자가 있다"는 데 동의합니다. 그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다. 나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
각 개별 거래에는 고유한 위험 수준과 승리 확률이 있습니다. 일련의 N 트랜잭션에도 동일하게 적용됩니다. 이러한 특성을 알고 통제하면 시스템의 수익성을 통제할 수 있습니다. 사실, 포워드 테스팅의 목표는 시스템을 이길 확률과 위험 수준이 최적화 기간 동안 설정한 것과 얼마나 가까운지, 그리고 이러한 지표가 시장 변화에 얼마나 안정적인지를 평가하는 것입니다.
이를 평가하기 위해 한 달에 한 번 앞으로 테스트하는 것만으로는 충분하지 않습니다. 테스트 시리즈 통계가 필요합니다. 일련의 포워드 테스트(예: 실제 거래 시간에 가까운 10개월 테스트)의 결과가 위험 및 승리 확률 측면에서 일관되게 유사한 결과를 제공한다면 동일한 매개변수가 실제 거래 시스템.
실제 지표가 순방향 테스트에 의해 표시된 것과 일치하는 한 시스템을 사용합니다.
그러나 하나의 "그러나"가 있습니다. 예를 들어, 8개월 전에 발견된 패턴은 현재 작동하지 않을 수 있습니다. 그리고 그러한 예가 많이 있습니다.
이것은 이미지의 수가 적고 그들 사이에 일반화가 없으며 네트워크는 단순히 입력 샘플을 기억했음을 나타냅니다.
나는 TS의 영원한 존재를 믿지 않기 때문에 가까운 장래에 TS의 작업에 대한 약간의 확인을 찾으려고 노력하고 있습니다 .....
역사상 시스템 운영의 정적 사례가 많을수록 그러한 시스템이 앞으로도 동일한 성공으로 계속 작동 할 확률이 높아지고 일반적으로 그러한 시스템은 원래 있던 사이트에서도 작동합니다. 8개월 후와 1년 후 모두 훈련을 받았으며 약간의 형평성 편차가 있습니다.
역사상 시스템 운영의 정적 사례가 많을수록 그러한 시스템이 앞으로도 동일한 성공으로 계속 작동 할 확률이 높아지고 일반적으로 그러한 시스템은 원래 있던 사이트에서도 작동합니다. 8개월 후와 1년 후 모두 훈련을 받았으며 약간의 형평성 편차가 있습니다.
예가 있습니까? 이것은 이론상으로 모두 분명합니다. 당신은 옳은 말을 하고 있습니다. 실제 적용은 어떻습니까?
예가 있습니까? 이것은 이론상으로 모두 분명합니다. 당신은 옳은 말을 하고 있습니다. 실질적인 의미는 어떻습니까?
아직 데모 계정에서도 실제 거래에 사용한 결과는 없고, 지금은 시스템을 MQL로 터미널로 옮기느라 바쁘다.
그러나 나는 alpari 포럼에서 테스트 스케치를 보여주었습니다.
아직 데모 계정에서도 실제 거래에 사용한 결과는 없고, 지금은 시스템을 MQL로 터미널로 옮기느라 바쁘다.
그러나 나는 alpari 포럼에서 테스트 스케치를 보여주었습니다.
내가 Alpari에서 본 것은 그다지 좋은 예가 아닙니다. 큰 드로다운은 1, 에쿼티가 2도 아니고, 관심이 가는 최적화 기간(또는 훈련)도 아니지만, OOS는 우선 3입니다. 그리고 OOS가 아닌 최적화 기간을 보여줍니다. 누구나 최적화 기간에 적합할 수 있지만 OOS에서 무슨 일이 일어날지, OOS에서 얼마나 오래 작동할 것인지도 큰 문제입니다. 이것이 우리가 말하는 것입니다. 그리고 (나는 인용한다) - "역사상 시스템 작동의 정적 케이스 수가 많을수록 그러한 시스템이 앞으로도 동일한 성공으로 계속 작동할 확률이 더 높아집니다. 그리고 일반적으로 그러한 시스템은 훈련된 영역에서도 작동할 것입니다. 8개월 후, 그리고 1년 후에는 형평성에 약간의 편차가 있습니다." - 이것은 모두 일반적이고 물론 올바른 단어입니다. 여기 있는 모든 사람들은 이것을 알고 있습니다. 구체적인 내용을 파악하고 이해하려고 합니다.
내가 Alpari에서 본 것은 그다지 좋은 예가 아닙니다. 큰 드로다운은 1, 에쿼티가 2도 아니고, 관심이 가는 최적화 기간(또는 훈련)도 아니지만, OOS는 우선 3입니다. 그리고 OOS가 아닌 최적화 기간을 보여줍니다. 누구나 최적화 기간에 적합할 수 있지만 OOS에서 무슨 일이 일어날지, OOS에서 얼마나 오래 작동할 것인지도 큰 문제입니다. 이것이 우리가 말하는 것입니다. 그리고 (나는 인용) - "역사상 시스템 운영의 정적 사례 수가 많을수록 그러한 시스템이 앞으로도 동일한 성공으로 계속 작동할 가능성이 높아지고 일반적으로 그러한 시스템은 훈련된 영역에서도 작동할 것입니다. 8개월 후, 그리고 1년 후에는 형평성에 약간의 편차가 있습니다." - 이것은 모두 일반적이고 물론 올바른 단어입니다. 여기 있는 모든 사람들은 이것을 알고 있습니다. 구체적인 내용을 파악하고 이해하려고 합니다.
그리고 흙에 코를 박는 법을 모르세요????
난 너에게 밤시가 아니야 너무 나빠 여기 좋지 않아 이것은 하나 둘있다 .... 세부 사항을 이해하려면 사람들이 쓰는 것을 더주의 깊게 읽으십시오!
시스템마다 장단점이 있는데, 스스로 단점을 찾지 말고 노력해야 하는 시스템의 장점을 이야기 해보는 건 어떨까요?? 나는 내 그림에 대해 말하는 것이 아니라 일반적으로 이야기하고 있습니다.
이 그림들, 2월 3월 4월,
당신이 자신과 모순되거나 "내가 Alpari에서 본 것은 그다지 좋은 예가 아닙니다"라는 사실을 전혀 이해하지 못합니다. 그러나 통계의 이벤트 수와 이벤트 수가 확률에 미치는 영향에 대해 이야기하는 경우 미래에 일하면 밀도 나는 수익성있는 거래를 할 확률 분포가 더 높아집니다! 수익성 / 무익의 비율이 1.27보다 적음에도 불구하고 귀하의 비율은 9로 보입니다.
그림에 3개월이 있고 19건의 거래만 있었습니다. 같은 사이트에서 내가 몇 건의 거래를 했는지 세어 보세요. 그리고 나는 또한 15분의 시간 프레임을 가지고 있었고 당신은 1시간을 가지고 있습니다. 즉 당신은 4배 적은 이야기를 가지고 있다는 것을 의미합니다. 왜 내 그림이 당신에게 나쁠까요?
OOS에 대해 나는 Alpari에 그림에서 이것은 모든 곳의 역사가 아니며 네트워크가 지난 2-3개월 동안만 보지 못한 데이터(지난 4개월 동안 위 그림에서)라고 썼습니다. "! No.% $" 이전에 포럼 사용자의 90%가 있는지 증명하십시오. 초등 교육을 시작하지 않은 경우 결과는 하나의 형평성 그래프로 표시됩니다. 이 시스템은 신경 솔루션 네트워크에 구축되고 처리는 네트워크가 있는 플러그인 dll이고 솔루션에서 이미 이 역사 섹션을 제공했음을 구별하지 못합니다. NS는 결과를 표시하고 DLL의 경우 모두 동일하며 최종 결과의 본질을 나에게 변경하지 않으며 물론 단점이 있습니다. 그 당시 내가 가진 것 중 최고였습니다. TS 안정성이 개선된 재작업 그리드에 대한 다른 그림입니다. 비록 드로다운이 여전히 존재하지만 이는 특정 분석 규칙이 비정상 계열에 적용되었기 때문에 역사의 많은 부분에서 다음을 확인할 수 있습니다. 무언가를 희생하거나 미래에 시스템의 확률과 안정성이 증가하지만 형평성은 덜합니다. 또는 그 이상의 형평성이나 감소된 확률과 미래의 덜 안정적인 형평성, 비록 이것이 차례로 수사학적 문제이기도 하지만, 만약 TS 주식이 오랜 역사 동안 꾸준히 성장한다면, 성장 안정성은 미래에 떨어지지 않을 것입니다. ., 그림에서 이것은 이미 내 TS의 단점입니다. 따라서 시스템에 내재된 장점과 함께 다른 매개변수보다 더 중요한 단점을 찌르는 것은 어리석은 일입니다. 시스템이 12개월 15분 동안 훈련된 경우 작동할 확률이 더 높습니다. 미래의 eucity 각도의 보존, 달 중 하나가 축소되었다는 사실에도 불구하고 역사의 참여에 대해 동일한 축소가 있었지만 이번 달이 선택된 매개 변수에 대해 살펴보면 7 %에 불과합니다. 최적화된 전체 히스토리, 3~4월 에퀴티는 앞으로 2개월 동안 분명하게 증가했고 각도는 유지될 거라고 생각합니다. 매달 스토리를 옮기기만 하면 됩니다. 다음 그림에서 실제로 볼 수 있습니다.