나는 내 아카이브를 올렸고, 그러한 선형 모델의 사용은 완전한 쓰레기를 제공합니다. 아무것도 작동하지 않습니다. 따라서 나는 당신의 "건강에 해로운" 낙관론을 공유하지 않습니다.
레셰토프 에게
그러나 이것은 이미 흥미롭지 만 수행 된 작업을 이해할 수 없습니다. "두꺼비"처럼 보입니다. 그리고 나는 여전히 "나는 나만의 프로그램을 만들려고 했다"와 "최초에는 최적화가 포트폴리오에 분명히 수익성이 없는 주식을 포함하는 이유를 이해할 수 없었습니다."라는 두 문구를 비교할 수 없습니다. 일종의 외부 최적화 모델이나 일종의 "지능이 채워진 닫힌 상자"(예: NS 또는 GA)를 사용한 것은 바로 당신이었습니다. 그러나 이 "알고리즘 자체"가 NS나 GA 모두 그런 식으로 작동하지 않는 어딘가에 밀어넣는 것인 이유는 여전히 명확하지 않습니다. NN인 경우 어떤 데이터에서 훈련되었는지(즉, 가장 "최적의 점수"가 어디에서 왔습니까?)
130개의 30분 막대의 결과를 기반으로 계산됩니다. 지난 2주 - 개선된 라플라스 기준을 사용하여 35개 금융 상품(다우존스 산업 지수 32주 및 지수 3주)의 10거래 세션.
최적화는 각 투자 달러의 최대 수익과 보증금의 최소 인출 사이의 기준을 의미합니다. 따라서 연구 기간 동안 의도적으로 손실이 발생한 자산이 포트폴리오에 추가되더라도 놀라지 마십시오. 그들의 역할은 헤징입니다. 예금 인출 위험 감소. 포트폴리오에서 손실 및 수익성 있는 자산은 항상 최대 음의 상관관계를 갖습니다. 그러나 반드시 수익성이 없고 수익성이 있는 것은 아닙니다. 포트폴리오가 수익성 있는 자산으로만 구성된 경우 고수익 자산과 저수익 자산 간의 음의 상관 관계는 여전히 고려됩니다. 이 경우 저수익 자산은 고수익 자산에 대한 헤징 역할을 합니다.
계산에는 스프레드, 중개인 수수료, 배당금 및 세션 간 스왑이 고려되지 않습니다. 모든 계산은 자산 판매 가격-입찰가, 즉 레버리지 없이.
투자자가 100달러를 사용할 수 있다고 가정하고 이 금액은 표의 첫 번째 열인 미국 주식 시장 자산에 최적으로 투자해야 합니다. 필요한 주식 수를 얻으려면 결과 숫자를 자산 가치로 산술적으로 나누어야 합니다.
이 경우에는 다른 평가와 달리 "Buy and Hold" 전략, 즉 "Buy and Hold"뿐만 아니라 자산의 공매도 가능성도 고려됩니다.
그러나 이것은 이미 흥미롭지 만 수행 된 작업을 이해할 수 없습니다. "두꺼비"처럼 보입니다.
하는 일의 본질이 아닙니다. 실제로 최종 결과는 Java 응용 프로그램입니다. 그러나 현재로서는 완전히 수용할 수 없는 해당 속도 손실과 함께 MQL4에서 완전히 구현하는 것이 가능합니다. 거래 세션 사이의 간격에서 계산을 충족하기가 어렵습니다. 지금까지 구현은 두 가지 프로그래밍 언어로 이루어졌습니다. Java 애플리케이션은 명령줄에서 MQL4 Expert Advisor를 사용하여 MT4 터미널을 시작합니다. EA는 견적을 다운로드하고 사전 처리를 수행합니다. 결과는 파일에 저장됩니다. 스크립트가 처리된 후 터미널은 자동으로 언로드되고 터미널 종료 코드를 수신한 Java 프로그램은 파일에서 데이터를 가져와 최적화를 수행합니다. 최적화 결과는 애플리케이션 창과 웹 페이지 형식의 파일로 표시됩니다.
일종의 외부 최적화 모델이나 일종의 "지능이 채워진 닫힌 상자"(예: NS 또는 GA)를 사용한 것은 바로 당신이었습니다. 그러나 이 "알고리즘 자체"가 NS나 GA 모두 그런 식으로 작동하지 않는 어딘가에 밀어넣는 것인 이유는 여전히 명확하지 않습니다. NN인 경우 어떤 데이터에서 훈련되었는지(즉, 가장 "최적의 점수"가 어디에서 왔습니까?)
이것은 기준에 따른 지불 매트릭스의 최적화입니다. 저것들. GA는 단일 극한값을 찾고 따라서 조정 가능한 극한값을 찾기 때문에 GA가 아닙니다. 최고, 즉 극단적 인 수익성 측면에서 유일한 자산은 훨씬 쉽게 찾을 수 있습니다. 즉,보고 기간의 이익을 주식의 초기 가치 - 모멘텀 오실레이터로 나누고 최대 결과를 얻은 곳에 돈을 투자하십시오. 저것들. 솔루션이 고유하기 때문에 최대 수율을 찾기 위한 추가 알고리즘에 의한 최적화는 중복됩니다. 신경망의 경우에도 의미가 없습니다. 입력에 무엇을 제출해야 하는지는 전혀 명확하지 않습니다.
최적화의 의미는 최대 수익성 외에도 손실 위험을 고려해야 할 때 나타납니다. 위와 미니맥스 정리가 주어지면, 발견된 최적의 솔루션은 고유하지 않을 수 있습니다(정리는 적어도 하나의 솔루션이 있다고 말합니다).
...Т.е. оптимизация дополнительными алгоритмами для поиска максимальной доходности излишняя, поскольку решение единственное... Смысл оптимизации проявляется тогда, когда необходимо помимо максимальной прибыльности еще и учитывать риск просадок.
나는 훨씬 더 많은 매개 변수를 고려할 것이라고 썼습니다. 감소뿐만 아니라 작업 자체의 위험. 예, 그리고 모델은 실제로 더 복잡합니다. - 그림에서 그는 <조각의 조각>을 묘사했습니다.
다른 기기에 대한 3Z 세그먼트는 특성(앞서 설명한 모든 다양성) 및 시작 시간의 서로 다른 상관 관계를 통해 "일관되게" 진행됩니다. 그리고 최적화에서 각 거래의 미래 "이론적" 이익을 고려하는 것은 이미 이해가 되기 시작했습니다. 따라서 최적의 검색은 매우 관련성이 있으며 LP가 유일하고 효과적인 도구인 것 같습니다. 지금까지는 특별한 설명 없이(어쨌든 모든 것이 분명한 것 같습니다) 다음과 같은 예측된 트랜잭션 그래프를 얻습니다(어떤 의미에서 매우 조건부).
분기가 새로운 거래를 여는 결정인 경우("채널" 또는 자산을 통한 이익의 "흐름" 포함) 일반적으로 글을 쓰는 데 오랜 시간이 걸리면서 이와 같이 짧게. 나는 (모든 것이 시간이 지날수록) 더 자세한 연구를 곧 게시할 수 있기를 바랍니다.
신경망 의 경우에도 의미가 없습니다. 입력에 무엇을 제출해야 하는지는 전혀 명확하지 않습니다.
대상 프로그래밍의 문제는 주어진 제약 조건에서 최적의 구성 문제입니다. 즉, 모순될 수 있는 선형 목적 함수가 여러 개 있는 경우 목적 프로그래밍을 사용하여 절충 솔루션을 찾을 수 있습니다. 자산관리에는 이 방법을 사용하지 않았지만, 여기에서도 사용할 수 있다고 생각했습니다. 선형 계획법과의 차이점은 선형 계획법은 하나의 디지털 필터가 있음을 의미하는 반면 대상 프로그래밍은 여러 개를 의미한다는 것입니다.
나는 주식 포트폴리오 를 계산하기 위한 나만의 프로그램을 만들려고 노력했다. Minimax 최적화(따옴표로 수정됨).
계산을 위해 두 개의 포트폴리오가 사용됩니다. 롱 - 롱 포지션 전용 및 숏 - 숏 포지션 전용. 롱 포트폴리오에 $100, 숏 포트폴리오에 $100를 할당해야 한다고 가정합니다. 결과는 다음과 같습니다.
메모:
모든 계산은 스프레드, 스왑 및 커미션을 제외한 종가(종가)를 기준으로 했습니다.
첫 번째 열은 주식에 대한 $의 몫입니다(또는 유추하여 투자 비율).
두 번째 열 - 이익
세 번째 열 - 금융 상품(주)
총계 - 포트폴리오의 총 이익입니다.
처음에는 최적화가 포트폴리오에 분명히 수익성이 없는 주식을 포함하는 이유를 이해할 수 없었습니다. 기대가 부정적인 사람. 그런 다음이 가장 수익성이없는 주식을 제거하면 최종 결과가 확실히 증가하지만 동시에 자본이 크게 감소하는 것으로 나타났습니다.
중성자 에게
나는 내 아카이브를 올렸고, 그러한 선형 모델의 사용은 완전한 쓰레기를 제공합니다. 아무것도 작동하지 않습니다. 따라서 나는 당신의 "건강에 해로운" 낙관론을 공유하지 않습니다.
레셰토프 에게
그러나 이것은 이미 흥미롭지 만 수행 된 작업을 이해할 수 없습니다. "두꺼비"처럼 보입니다. 그리고 나는 여전히 "나는 나만의 프로그램을 만들려고 했다"와 "최초에는 최적화가 포트폴리오에 분명히 수익성이 없는 주식을 포함하는 이유를 이해할 수 없었습니다."라는 두 문구를 비교할 수 없습니다. 일종의 외부 최적화 모델이나 일종의 "지능이 채워진 닫힌 상자"(예: NS 또는 GA)를 사용한 것은 바로 당신이었습니다. 그러나 이 "알고리즘 자체"가 NS나 GA 모두 그런 식으로 작동하지 않는 어딘가에 밀어넣는 것인 이유는 여전히 명확하지 않습니다. NN인 경우 어떤 데이터에서 훈련되었는지(즉, 가장 "최적의 점수"가 어디에서 왔습니까?)
130개의 30분 막대의 결과를 기반으로 계산됩니다. 지난 2주 - 개선된 라플라스 기준을 사용하여 35개 금융 상품(다우존스 산업 지수 32주 및 지수 3주)의 10거래 세션.
최적화는 각 투자 달러의 최대 수익과 보증금의 최소 인출 사이의 기준을 의미합니다. 따라서 연구 기간 동안 의도적으로 손실이 발생한 자산이 포트폴리오에 추가되더라도 놀라지 마십시오. 그들의 역할은 헤징입니다. 예금 인출 위험 감소. 포트폴리오에서 손실 및 수익성 있는 자산은 항상 최대 음의 상관관계를 갖습니다. 그러나 반드시 수익성이 없고 수익성이 있는 것은 아닙니다. 포트폴리오가 수익성 있는 자산으로만 구성된 경우 고수익 자산과 저수익 자산 간의 음의 상관 관계는 여전히 고려됩니다. 이 경우 저수익 자산은 고수익 자산에 대한 헤징 역할을 합니다.
계산에는 스프레드, 중개인 수수료, 배당금 및 세션 간 스왑이 고려되지 않습니다. 모든 계산은 자산 판매 가격-입찰가, 즉 레버리지 없이.
투자자가 100달러를 사용할 수 있다고 가정하고 이 금액은 표의 첫 번째 열인 미국 주식 시장 자산에 최적으로 투자해야 합니다. 필요한 주식 수를 얻으려면 결과 숫자를 자산 가치로 산술적으로 나누어야 합니다.
이 경우에는 다른 평가와 달리 "Buy and Hold" 전략, 즉 "Buy and Hold"뿐만 아니라 자산의 공매도 가능성도 고려됩니다.
포트폴리오 정산 시간: Sun Dec 14 14:07:06 PKT 2008 +5 GMT
(또는 미국 달러,
만약에
$100 투자)
결과에 따라
10 이전
거래 세션
공매도
공매도
공매도
공매도
공매도
공매도
중성자 에게
그러나 이것은 이미 흥미롭지 만 수행 된 작업을 이해할 수 없습니다. "두꺼비"처럼 보입니다.
하는 일의 본질이 아닙니다. 실제로 최종 결과는 Java 응용 프로그램입니다. 그러나 현재로서는 완전히 수용할 수 없는 해당 속도 손실과 함께 MQL4에서 완전히 구현하는 것이 가능합니다. 거래 세션 사이의 간격에서 계산을 충족하기가 어렵습니다. 지금까지 구현은 두 가지 프로그래밍 언어로 이루어졌습니다. Java 애플리케이션은 명령줄에서 MQL4 Expert Advisor를 사용하여 MT4 터미널을 시작합니다. EA는 견적을 다운로드하고 사전 처리를 수행합니다. 결과는 파일에 저장됩니다. 스크립트가 처리된 후 터미널은 자동으로 언로드되고 터미널 종료 코드를 수신한 Java 프로그램은 파일에서 데이터를 가져와 최적화를 수행합니다. 최적화 결과는 애플리케이션 창과 웹 페이지 형식의 파일로 표시됩니다.
중성자 에게
일종의 외부 최적화 모델이나 일종의 "지능이 채워진 닫힌 상자"(예: NS 또는 GA)를 사용한 것은 바로 당신이었습니다. 그러나 이 "알고리즘 자체"가 NS나 GA 모두 그런 식으로 작동하지 않는 어딘가에 밀어넣는 것인 이유는 여전히 명확하지 않습니다. NN인 경우 어떤 데이터에서 훈련되었는지(즉, 가장 "최적의 점수"가 어디에서 왔습니까?)
이것은 기준에 따른 지불 매트릭스의 최적화입니다. 저것들. GA는 단일 극한값을 찾고 따라서 조정 가능한 극한값을 찾기 때문에 GA가 아닙니다. 최고, 즉 극단적 인 수익성 측면에서 유일한 자산은 훨씬 쉽게 찾을 수 있습니다. 즉,보고 기간의 이익을 주식의 초기 가치 - 모멘텀 오실레이터로 나누고 최대 결과를 얻은 곳에 돈을 투자하십시오. 저것들. 솔루션이 고유하기 때문에 최대 수율을 찾기 위한 추가 알고리즘에 의한 최적화는 중복됩니다. 신경망의 경우에도 의미가 없습니다. 입력에 무엇을 제출해야 하는지는 전혀 명확하지 않습니다.
최적화의 의미는 최대 수익성 외에도 손실 위험을 고려해야 할 때 나타납니다. 위와 미니맥스 정리가 주어지면, 발견된 최적의 솔루션은 고유하지 않을 수 있습니다(정리는 적어도 하나의 솔루션이 있다고 말합니다).
레셰토프 에게
위기와 씨름하다가 답변을 놓쳤습니다. o) 설명해주셔서 감사합니다.
...Т.е. оптимизация дополнительными алгоритмами для поиска максимальной доходности излишняя, поскольку решение единственное... Смысл оптимизации проявляется тогда, когда необходимо помимо максимальной прибыльности еще и учитывать риск просадок.
나는 훨씬 더 많은 매개 변수를 고려할 것이라고 썼습니다. 감소뿐만 아니라 작업 자체의 위험. 예, 그리고 모델은 실제로 더 복잡합니다. - 그림에서 그는 <조각의 조각>을 묘사했습니다.
다른 기기에 대한 3Z 세그먼트는 특성(앞서 설명한 모든 다양성) 및 시작 시간의 서로 다른 상관 관계를 통해 "일관되게" 진행됩니다. 그리고 최적화에서 각 거래의 미래 "이론적" 이익을 고려하는 것은 이미 이해가 되기 시작했습니다. 따라서 최적의 검색은 매우 관련성이 있으며 LP가 유일하고 효과적인 도구인 것 같습니다. 지금까지는 특별한 설명 없이(어쨌든 모든 것이 분명한 것 같습니다) 다음과 같은 예측된 트랜잭션 그래프를 얻습니다(어떤 의미에서 매우 조건부).
분기가 새로운 거래를 여는 결정인 경우("채널" 또는 자산을 통한 이익의 "흐름" 포함) 일반적으로 글을 쓰는 데 오랜 시간이 걸리면서 이와 같이 짧게. 나는 (모든 것이 시간이 지날수록) 더 자세한 연구를 곧 게시할 수 있기를 바랍니다.
신경망 의 경우에도 의미가 없습니다. 입력에 무엇을 제출해야 하는지는 전혀 명확하지 않습니다.
동의한다
나는 내 게시물을 다시 읽고 만일을 대비하여 카운트의 모양을 설명하기로 결정했습니다. 여기에서 모든 것이 명확해야 합니다.
그런 다음 LP를 실행합니다. 매우 흥미로운 결과입니다. o)
주제가 여전히 관련성이 있습니까? 최적의 자산 관리를 위해 표적화된(다목적) 프로그래밍이 고려되었습니까? (선형 대신)
물론 제공의 의미에서 말할 것이 있다면 관련이 있습니다.
대상 프로그래밍의 문제는 주어진 제약 조건에서 최적의 구성 문제입니다. 즉, 모순될 수 있는 선형 목적 함수가 여러 개 있는 경우 목적 프로그래밍을 사용하여 절충 솔루션을 찾을 수 있습니다. 자산관리에는 이 방법을 사용하지 않았지만, 여기에서도 사용할 수 있다고 생각했습니다. 선형 계획법과의 차이점은 선형 계획법은 하나의 디지털 필터가 있음을 의미하는 반면 대상 프로그래밍은 여러 개를 의미한다는 것입니다.