그건 그렇고, 내가 찾고 있던 극값이 전체에 표시되지 않습니다. 첫 번째 게시물에 제공된 형식으로 n 거래에 대한 수입을 보여줍니다. 우리는 고정된 시간 동안의 수입에 관심이 있습니다:
차이는 첫 번째 항에서, 포지션 유지 시간이 평균적으로 가격 변동 진폭 ds=SQRT(t)의 제곱에 비례한다는 사실에서 나타납니다. 이 경우 최적의 레버리지와 평균 이익 값에 대한 나의 추정치가 제공됩니다.
추신 10%는 그런 변수가 있는 안정적인 차량을 갖고 싶습니다.
수보로프 가 쓴>> 또 다른 질문은 예상되는 가격 움직임의 신호를 정확하게 예측할 바로 이 확률을 결정하는 방법입니다. 통계? 좋은 예: TS는 롱 포지션을 열라는 신호를 보냈습니다. 처음 2시간 동안 시장은 올바른 방향으로 가고 2시간 후에는 하락했습니다. 그리고 TC가 올바른 결과를 준 것처럼 보이지만 그렇지 않은 것 같습니다.
우리는 이미 완료된 거래의 통계에 대해 이야기하고 있습니다. "+"로 닫힌 수를 세고 총 트랜잭션 수로 나누면 54%가 됩니다. p=0.04를 의미합니다.
베르누이의 법칙은 기체와 액체에 대해 파생된 것으로 보입니다. 아니면 확률 변수에 적용할 수 있는 다른 법칙이 있습니까?
다른 법률을 고려할 수 있습니다. 그러나 거래가 임의적이면 P U ....의 순서가 베르누이에 종속될 가능성이 가장 높습니다. 여기에서 수학자는 이에 대해 '오해, 2부: 통계는 사이비과학 또는 다이빙 샌드위치 연대기' 라고 썼습니다. 내가 틀렸다면 그가 나를 바로잡길 바란다.
예, 이고르 , 베르누이는 완전한 왕조입니다. 나는 이미 그들과 혼동하고 있습니다. 그러나 그들 중 하나의 이름은 고정된 성공 확률("Bernoulli의 계획")을 가진 "성공/실패" 유형(즉, 1/0)의 일련의 독립적인 트랜잭션에 지정됩니다. 거래 순서가 베르누이 방식을 충족하는 것으로 판명되면 거래 시스템 자체에 대한 몇 가지 사소한 결론을 도출할 수 있습니다. 이는 테스트 결과 에서 직접 따르지 않는 결론입니다. 이 동일한 베르누이는 테르베르의 아버지로 간주됩니다.
나는 1/2+p의 확률로 Bernul 시퀀스를 생성하는 프로그램을 작성했습니다. 여기서 p=5%는 양수 증가를 제공합니다. 이것은 55% 확률로 위치를 올바르게 여는 특정 TS의 "실제" 작업의 시뮬레이션입니다. 작업은 거래 레버리지의 초과 또는 과소 평가가 계정의 자금 잔액(y축) 동작에 실제로 어떻게 영향을 미치는지 확인하는 것입니다. 이를 위해 1000개의 트랜잭션을 생성하고 TS를 최적의 트랜잭션 크기 dS(커미션 = 2 포인트, р=5%로 |dS|=40 포인트 및 레버=12)로 설정하고 최적의 트랜잭션 크기로 시장에 진입합니다. 레버리지(검정색 선), 3배 더 큰(빨간색) 및 3배 더 작은(파란색):
그래프에서 실선은 첫 번째 게시물의 공식에 의해 주어진 분석 솔루션을 보여줍니다. 얻은 솔루션은 채택된 모델에 총 오류가 없고 최적의 거래 레버리지와 "실제" 거래에서 관찰된 최대 수익성 간의 일치를 나타내는 실험과 잘 일치한다는 점을 알 수 있습니다. 레버 크기를 초과하면 상금에 대한 긍정적인 기대에도 불구하고 불가피하게 보증금이 고갈되고, 과소평가하면 가능한 이익이 부족하게 됨을 알 수 있습니다.
두 번째 매개 변수인 거래의 평균 값에서 최적이 관찰되지 않으면 동일한 그림이 관찰됩니다. 우리의 경우 이 값의 최적값은 40점입니다. 최적의 거래 레버 Lever=12를 수정하고 최적의 |dS|=40포인트(검정색 선), 3배 더(빨간색), 3배 적음(파란색)으로 시장에 진입합시다.
최적 수준보다 많거나 적은 StopLoss 및 TakeProfit 주문(뇌물 |dS|의 평균 크기를 설정함)을 배치하면 가능한 이익률이 감소한다는 것을 분명히 알 수 있습니다. 게다가 3배 감소는 예금(파란색 선)에 재앙적인 결과를 가져왔고, 3배 증가는 이익의 약간의 감소만을 가져왔지만! 감소폭이 크게 증가했습니다(빨간색 선).
그건 그렇고, 예를 들어 존경받는 KimIV 가 챔피언십에 올린 Expert Advisor의 거래 결과를 분석하면 :
그런 다음 어느 정도 확신을 갖고 이 로봇이 최적의 거래 레버리지 크기를 초과할 가능성에 대해 이야기할 수 있습니다. 비교, 상위 차트, 빨간색 선...
건조한 잔류 물로서 결과 공식에 대한 신중한 확신에 대해 이야기 할 수 있습니다.
.
그렇다면 만약
S - 상품 가격(포인트),
K - $의 예금 금액,
stLot - 표준 로트의 가격($),
Lot - stLot의 주식에서 열린 위치의 크기,
스프레드 - 이 상품에 대한 커미션(포인트,
1/2+ p - TS 테스트 결과를 기반으로 한 올바른 예측 비율(0<=p<=0.5),
<|dS|> - 포지션이 유지된 시간 동안의 가격 증분(포인트,
레버 - 거래 레버리지.
.
그런 다음 TS의 최적 매개변수를 고려해야 합니다.
레버리지 레버=S/Spread*p^2,
TP 및 SL 레벨 또는 동일한 것 |dS| = 스프레드/p,
열린 위치의 크기 Lot=K/stLot*S/Spread*p^2,
t=2*t0*Spread^2/p^4 예금의 특징적인 시간, 여기서 t0은 평균 포지션 보유 시간 입니다.
내가 틀릴 수 있지만 아마도 NProgrammer 는 잘못된 마우스로 신경망 이 망치로 미생물을 보는 것과 같다는 것을 의미했을 것입니다.
"언제, 주요 균형 방정식(자세한 내용은 여기)"의 링크는 스프레드를 고려하여 다음과 같이 표시됩니다.
수정했습니다. 이제 " 여기 "가 올바른 장소로 연결됩니다 :-)
이 공식은 어디에서 얻었습니까? 당신은 당신이 쓴 것을 이해 했습니까?
그런 확률이 0.1보다 작으면 거래를 하지 않는 것이 좋습니다 :)) 더 비쌉니다.
나는 스스로 공식을 생각해 냈고 내가 쓰고 있는 내용을 완전히 이해합니다.
그건 그렇고, 내가 찾고 있던 극값이 전체에 표시되지 않습니다. 첫 번째 게시물에 제공된 형식으로 n 거래에 대한 수입을 보여줍니다. 우리는 고정된 시간 동안의 수입에 관심이 있습니다:
차이는 첫 번째 항에서, 포지션 유지 시간이 평균적으로 가격 변동 진폭 ds=SQRT(t)의 제곱에 비례한다는 사실에서 나타납니다. 이 경우 최적의 레버리지와 평균 이익 값에 대한 나의 추정치가 제공됩니다.
추신 10%는 그런 변수가 있는 안정적인 차량을 갖고 싶습니다.
또 다른 질문은 예상되는 가격 움직임의 신호를 정확하게 예측할 바로 이 확률을 결정하는 방법입니다. 통계? 좋은 예: TS는 롱 포지션을 열라는 신호를 보냈습니다. 처음 2시간 동안 시장은 올바른 방향으로 가고 2시간 후에는 하락했습니다. 그리고 TC가 올바른 결과를 준 것처럼 보이지만 그렇지 않은 것 같습니다.
우리는 이미 완료된 거래의 통계에 대해 이야기하고 있습니다. "+"로 닫힌 수를 세고 총 트랜잭션 수로 나누면 54%가 됩니다. p=0.04를 의미합니다.
"(1/2+p, 여기서 p는 예상 가격 변동의 부호를 정확하게 예측할 확률)", 즉 p를 0.5에 더해야 합니다.
토픽 스타터에게 왜 그러한 어려움이 필요한지는 아직 명확하지 않습니다.
염소는 작습니다. 올바른 방법은 "...여기서 1/2+p는 예상 가격 변동의 신호를 정확하게 예측할 확률입니다."입니다.
분석 방법에 대한 당신의 사랑을 알고 저는 관심이 있습니다. 교육을 위해 네트워크의 OUTPUT에 무엇을 제출합니까?
Mathemat 에 가입하면 좋은 기사가 나타날 수 있습니다.
베르누이는 놀라운 잠재력을 가지고 있습니다. 가장 중요한 것은 언제 사용할 수 있는지 아는 것입니다. 아마도 이 공식을 자세히 살펴볼 수 있습니다.
베르누이는 놀라운 잠재력을 가지고 있습니다. 가장 중요한 것은 언제 사용할 수 있는지 아는 것입니다. 아마도 이 공식을 자세히 살펴볼 수 있습니다.
나는 단지 다음 자료가 많은 사람들에게 좋을 것이라고 생각합니다. 우리는 어드바이저를 히스토리에 대해 구동하고, 그것이 발사되지 않았다고 결정하고, 예측 확률 추정의 확률, 신뢰 한계를 계산한 다음, 예측 확률을 기반으로 로트를 계산합니다(테스터에서 빼내기도 합니다).
왜냐하면 화상이 있으면 로트를 계산하는 것이 의미가 없으며 예측 확률의 신뢰 구간이 0.5 값을 포함하는 경우에도 의미가 없습니다.
방법론은 매우 흥미로울 것입니다 (읽기)
베르누이??? 시장으로??? 이와 같이???
거래 순서대로. 무작위인 경우 해고됨
거래 순서대로. 무작위인 경우 해고됨
베르누이의 법칙은 기체와 액체에 대해 파생된 것으로 보입니다. 아니면 확률 변수에 적용되는 다른 법칙이 있습니까?
베르누이의 법칙은 기체와 액체에 대해 파생된 것으로 보입니다. 아니면 확률 변수에 적용할 수 있는 다른 법칙이 있습니까?
다른 법률을 고려할 수 있습니다. 그러나 거래가 임의적이면 P U ....의 순서가 베르누이에 종속될 가능성이 가장 높습니다. 여기에서 수학자는 이에 대해 '오해, 2부: 통계는 사이비과학 또는 다이빙 샌드위치 연대기' 라고 썼습니다. 내가 틀렸다면 그가 나를 바로잡길 바란다.
예, 이고르 , 베르누이는 완전한 왕조입니다. 나는 이미 그들과 혼동하고 있습니다. 그러나 그들 중 하나의 이름은 고정된 성공 확률("Bernoulli의 계획")을 가진 "성공/실패" 유형(즉, 1/0)의 일련의 독립적인 트랜잭션에 지정됩니다. 거래 순서가 베르누이 방식을 충족하는 것으로 판명되면 거래 시스템 자체에 대한 몇 가지 사소한 결론을 도출할 수 있습니다. 이는 테스트 결과 에서 직접 따르지 않는 결론입니다. 이 동일한 베르누이는 테르베르의 아버지로 간주됩니다.
나는 1/2+p의 확률로 Bernul 시퀀스를 생성하는 프로그램을 작성했습니다. 여기서 p=5%는 양수 증가를 제공합니다. 이것은 55% 확률로 위치를 올바르게 여는 특정 TS의 "실제" 작업의 시뮬레이션입니다. 작업은 거래 레버리지의 초과 또는 과소 평가가 계정의 자금 잔액(y축) 동작에 실제로 어떻게 영향을 미치는지 확인하는 것입니다. 이를 위해 1000개의 트랜잭션을 생성하고 TS를 최적의 트랜잭션 크기 dS(커미션 = 2 포인트, р=5%로 |dS|=40 포인트 및 레버=12)로 설정하고 최적의 트랜잭션 크기로 시장에 진입합니다. 레버리지(검정색 선), 3배 더 큰(빨간색) 및 3배 더 작은(파란색):
그래프에서 실선은 첫 번째 게시물의 공식에 의해 주어진 분석 솔루션을 보여줍니다. 얻은 솔루션은 채택된 모델에 총 오류가 없고 최적의 거래 레버리지와 "실제" 거래에서 관찰된 최대 수익성 간의 일치를 나타내는 실험과 잘 일치한다는 점을 알 수 있습니다. 레버 크기를 초과하면 상금에 대한 긍정적인 기대에도 불구하고 불가피하게 보증금이 고갈되고, 과소평가하면 가능한 이익이 부족하게 됨을 알 수 있습니다.
두 번째 매개 변수인 거래의 평균 값에서 최적이 관찰되지 않으면 동일한 그림이 관찰됩니다. 우리의 경우 이 값의 최적값은 40점입니다. 최적의 거래 레버 Lever=12를 수정하고 최적의 |dS|=40포인트(검정색 선), 3배 더(빨간색), 3배 적음(파란색)으로 시장에 진입합시다.
최적 수준보다 많거나 적은 StopLoss 및 TakeProfit 주문(뇌물 |dS|의 평균 크기를 설정함)을 배치하면 가능한 이익률이 감소한다는 것을 분명히 알 수 있습니다. 게다가 3배 감소는 예금(파란색 선)에 재앙적인 결과를 가져왔고, 3배 증가는 이익의 약간의 감소만을 가져왔지만! 감소폭이 크게 증가했습니다(빨간색 선).
그건 그렇고, 예를 들어 존경받는 KimIV 가 챔피언십에 올린 Expert Advisor의 거래 결과를 분석하면 :
그런 다음 어느 정도 확신을 갖고 이 로봇이 최적의 거래 레버리지 크기를 초과할 가능성에 대해 이야기할 수 있습니다. 비교, 상위 차트, 빨간색 선...
건조한 잔류 물로서 결과 공식에 대한 신중한 확신에 대해 이야기 할 수 있습니다.
.
그렇다면 만약
S - 상품 가격(포인트),
K - $의 예금 금액,
stLot - 표준 로트의 가격($),
Lot - stLot의 주식에서 열린 위치의 크기,
스프레드 - 이 상품에 대한 커미션(포인트,
1/2+ p - TS 테스트 결과를 기반으로 한 올바른 예측 비율(0<=p<=0.5),
<|dS|> - 포지션이 유지된 시간 동안의 가격 증분(포인트,
레버 - 거래 레버리지.
.
그런 다음 TS의 최적 매개변수를 고려해야 합니다.
레버리지 레버=S/Spread*p^2,
TP 및 SL 레벨 또는 동일한 것 |dS| = 스프레드/p,
열린 위치의 크기 Lot=K/stLot*S/Spread*p^2,
t=2*t0*Spread^2/p^4 예금의 특징적인 시간, 여기서 t0은 평균 포지션 보유 시간 입니다.