비 피팅 시스템 - 주요 기능
나는 MGUA 방법을 거부하는 것이 아닙니다 ..
특히 70년대 작가들에게 친숙합니다. 그리고 과학은 계속된다
TS의 모든 외부 변수 값이 최적화의 결과가 아닌 논리적으로 선택되면 TS를 조정할 수 없다고 생각합니다. 예를 들어, 이익실현 은 const가 아니라 이전 TF의 N 막대에 대한 변동성(ATR 값)과 동일합니다. 큰 간격으로 최적화를 수행한 다음 최적화된 매개변수의 가장 좋은 값의 영역을 분석하고 이러한 값이 왜 이러한 값인지에 대한 근거를 찾는 것이 필요하다고 생각합니다. 예를 들어, 최적화의 결과로 TP {10;15} 에서 최고의 MO와 드로다운을 얻었습니다. 왜이럴까요?? 아마도 이것은 ... (추가 근거).
이것이 논리적이라고 생각하십니까?
아마추어 버전:
우리는 최적화를 위해 짧은 기간(예: 3주)을 선택하여 오늘 2-3주 전에 최적화합니다. 사용 가능한 전체 기록 및 모양에 대해 최상의 결과를 실행합니다. 최적화 전후 곡선의 특성이 최적화 기간과 유사할 경우 MTS는 수정 권한이 있습니다. 저는 평가할 때 이익보다 드로다운을 더 중요하게 생각합니다.
단기간에 하락은 무엇이든 될 수 있습니다. 샘플에서는 클 수 있지만 앞으로는 작습니다. 좋은 시스템은 드로다운에 빠지는 즉시 빠져나옵니다.
사실, 하락은 분산의 결과입니다. 저것들. 일련의 수익 및 손실 거래는 균등하게 분배되거나 혼잡할 수 있습니다. 여기에서 그들이 말했듯이 그것은 우연의 문제이며 어떤 식 으로든 견고한 차량에 의존하지 않습니다. Z-Score를 조정할 수 있는 경우 TS는 네이키드 MM에서 수행할 수 있습니다. 저것들. 고정 Z-점수에 가장 적합한 MM을 선택하려면 문제가 없습니다.
그래서 저는 드로다운에 전혀 관심을 두지 않고 최적화를 위해 엄청난 입금액을 선택하여 최악의 시나리오에서도 마진콜이 발생하지 않습니다. 그렇지 않으면 테스터의 GA가 비정결 방식으로 변형을 선택합니다.
논리적으로 지지합니다. 일반적으로 nektr.-different에 대한 최적화는 연금술 플라스크입니다. 그들은 애프터에게 모호한 지표의 야생 꽃다발에서 TS를 때렸고 매개 변수를 외부로 가져왔고 배럴 오르간을 고려했습니다. 그들이 생각하는 대로 - 보세요. 성배는 어떻습니까? 그래서 아마 연금술사들은 철학자의 돌을 찾고 있었을 것입니다.
당연히 원숭이가 실수로 열쇠를 찔러 "전쟁과 평화"를 약화시킬 가능성이 있습니다.
===
아마도 우리는 이 각도에서 문제를 봐야 합니다. 최적화가 필요한 이유는 무엇입니까? 그리고 무엇을 위해 - 아니요.
그러한 시스템에 대한 모든 요구 사항을 공식화하는 것이 좋습니다. 지금까지 하나만 있습니다. 더 많은 의견을 듣고 싶습니다. 아마도 훌륭한 집단적 경험일 것입니다. 지식을 공유하려는 열망만 있으면 됩니다. 그렇지 않으면 항상 그렇듯이 희극이 될 것입니다.
환매를 알았다면 소치에서 살았을 것입니다.
지금까지 위의 최소 요구 사항만 확인되었으므로 앞으로 테스트를 통과할 수 없는 차량을 제거할 수 있습니다.
글쎄, 아마도 Leov의 상당히 합리적인 언급을 제외하고는 일정한 로트에서 지나치게 부적절한 기대 값, 알몸의 적합을 암시합니다.
아시다시피 많은 차량이 대표적인 샘플에 잘 맞고 순방향 테스트에서 병합됩니다. 이러한 시스템은 거래에 사용할 수 없습니다.
오늘 나는 내가 가지고 있는 다양한 차량을 분석했고 이것이 내가 발견한 것입니다:
작동 중인 시스템의 징후는 샘플과 일정한 로트가 있는 이중 샘플 모두에서 거의 동일한 방식으로 최적화된다는 것입니다. 예를 들어 10,000개의 막대가 있다고 가정해 보겠습니다. 우리는 플롯을 대략 반으로 나눕니다. 각각 5000바. 최적화를 5000바까지 추진합니다. 그런 다음 10,000만큼 이익 계수가 많이 변경되지 않았거나 미미하게 변경된 경우(샘플 길이와 무관하게 됨) 시스템이 정방향 테스트를 통과할 확률이 존재합니다. 당연히 10,000바당 약 600 - 1000개의 거래가 있어야 합니다(5000바당 300 - 500).
테스트 세트가 증가함에 따라 TS 최적화가 눈에 띄게 나빠지면 순방향 테스트가 성공할 확률은 극히 적습니다.
그리고 일부 TS는 예를 들어 300번의 거래에서 최적화되고 600번의 거래에서 최적화는 사실상 깊은 하락과 저렴한 기대치를 제공합니다. 이러한 시스템은 즉시 용광로에 있을 수 있습니다.
사실, 필요하고 충분한 표본 길이에 대한 답은 이미 있습니다. 샘플 길이는 전체 샘플과 샘플의 절반 모두에서 일정한 로트에 의한 최적화가 거의 동일한 이익 계수를 제공하도록 해야 합니다.
--------------------------
사실, 이것은 견고한 TS가 다음 기준에 따라 일정한 로트와 함께 다양한 최적화 영역에서 적어도 (거의) 고정적이어야 함을 의미합니다. 동시에 Z-점수에 따라 절대적으로 비정상적일 수 있습니다.
저것들. 드로다운 또는 동시 손실(없는) 거래의 수와 같은 Z-점수에 대한 종속성은 주의를 기울이지 않아야 합니다. Leov가 올바르게 지적했듯이 의심스러울 정도로 작은 손실은 기록 일치를 암시할 수 있습니다. 간단히 말해서, 작은 드로다운은 수익을 내는 거래와 잃는 거래를 균등하게 분배하는 것입니다. 그리고 비정상성 조건에서 분포의 균일성은 말도 안 된다.