최적화 결과의 자동 선택 기준입니다.
시작하겠습니다. 이제 이 부분의 의미를 박탈하면서 몇 가지 논제를 폭로할 시간이라는 사실부터 시작하겠습니다.
1) "이윤은 최적화 단계가 아니라 구축 단계에서 시스템에 들어갑니다." 이는 일반적으로 최적화 단계를 중요하지 않게 만듭니다. 나 자신도 오랫동안 그렇게 생각해왔다. 내가 얼마나 틀렸는지 ... 그렇지 않거나 오히려 그렇지 않은 많은 시스템이 있습니다. 다양한 신경망과 매우 복잡한 시스템(최근에 "조정"이 필요한 매개변수가 약 100개에 달하는 것을 보았습니다! 꽤 수익성이 있고 이상하게도 충분히 이익이 되는 매개변수를 필요로 함) / 훈련, 당신은 안전하게 쓰레기통에 갈 수 있습니다 ... .
2) "많은 외부 매개 변수 - 전문가는 헛소리입니다." 종종 들었습니다. 연습은 그러한 의존성이 없음을 보여줍니다. 그러한 전문가는 훈련하기 어렵고 따라서 사용하기 어렵습니다. 그러나 정확히는 아무도 가르쳐야 할 것을 말할 수 없기 때문입니다. 따라서 최적화의 가장 가능성 있는 결과는 "잘못된 적합"이 되어 결과적으로 배수가 됩니다.
이 스레드를 알아차리셨다니 대단합니다. 자동 최적화 기능을 사용하여 작업하면서 많은 경험을 쌓았고 여전히 공유할 수 있다고 생각합니다.)
이 특별한 경우 트랜잭션 수와 관련하여 두 가지 비전이 있습니다.
첫 번째 옵션 - 귀하의 관찰과 일치하지만 점차 거부합니다. 검색 원을 압축해야합니다.
두 번째는 설계 단계에서 트랜잭션 수를 설정한 경우입니다. 각 시스템에는 활동이 있으며 다른 시스템으로의 돌연변이를 대가로 "강제로" 배워야 하는 것이 있습니다. 그리고 최근에 저는 다음과 같은 거래 수를 사용하고 있습니다. 계산된 시각적(차트 참조) 거래 수가 하루에 5개(20개 막대당 1개, 시간당 2개 또는 무엇이든 될 수 있음)라고 가정해 보겠습니다. , 각각 평균 거래 횟수(SCA)는 약 5의 범위에 맞아야 합니다. 예: 3<=CKC<=7. 범위를 벗어난 것은 무자비하게 버려져 시스템의 의미를 잃지 않고 동시에 TS 또는 다른 패턴을 사용하기 위해 수반되는 옵션을 우연히 찾을 가능성을 지웁니다.
이 스레드를 알아차리셨다니 대단합니다. 자동 최적화 기능을 사용하여 작업하면서 많은 경험을 쌓았고 여전히 공유할 수 있다고 생각합니다.)
이 특별한 경우 트랜잭션 수와 관련하여 두 가지 비전이 있습니다.
첫 번째 옵션 - 귀하의 관찰과 일치하지만 점차 거부합니다. 검색 원을 압축해야합니다.
두 번째는 설계 단계에서 트랜잭션 수를 설정한 경우입니다. 각 시스템에는 활동이 있으며 다른 시스템으로의 돌연변이를 대가로 "강제로" 배워야 하는 것이 있습니다. 그리고 최근에 저는 다음과 같은 거래 수를 사용하고 있습니다. 계산된 시각적(차트 참조) 거래 수가 하루에 5개(20개 막대당 1개, 시간당 2개 또는 무엇이든 될 수 있음)라고 가정해 보겠습니다. , 각각 평균 거래 횟수(SCA)는 약 5의 범위에 맞아야 합니다. 예: 3<=CKC<=7. 범위를 벗어난 것은 무자비하게 버려져 시스템의 의미를 잃지 않고 동시에 TS 또는 다른 패턴을 사용하기 위해 수반되는 옵션을 우연히 찾을 가능성을 지웁니다.
그것은 확실히 차량의 종류에 따라 다릅니다.
내 생각에 또 다른 흥미로운(계산된) 매개변수는 "샤프 비율"이지만 아직 실제로 작업하지는 않았습니다 :-)
그것은 확실히 차량의 종류에 따라 다릅니다.
내 생각에 또 다른 흥미로운(계산된) 매개변수는 "샤프 비율"이지만 아직 실제로 작업하지는 않았습니다 :-)
샤프, 소르티노 등은 이미 거의 새말에 가깝네요 :) 다들 말은 잘하시지만 저도 안써봤네요 혹시 초기 데이터부터 계산해서 실사용하시는분 계시면 알려드리도록 하겠습니다 이다. 수식 언어의 초기 데이터 이름을 바꿔야 합니다.
-총이익 = GP ,
- 총 손실 = GL
-MaxDrawdown (드로다운) = MD ,
-수익 거래 수 = PD , 손실 거래 = LD , 총 거래 수 = AD ,
- 테스트의 막대(틱) 수 = TIME ,
-최대. 수익성 있는 거래 = MPD , 최대 무역 손실 = MLD
- 일련의 수익성 있는 거래 = SPD (단위), = SPD$ (예금 통화), 일련의 수익성 없는 거래 = SLD , = SLD$
내가 놓친 게 있니? 수식을 그릴 수 있습니까?
Z.Y. 나는 몇 시간 동안 생각하고 도덕적으로 올림픽 선수를 지원하고 스키를 타러 갈 것입니다) 그렇지 않으면 내 지원 없이는) 아직 좋지 않습니다 .... (
나랑 누구야? :)
샤프 비율에 대한 도움말:
변동성 보상 비율이라고도 하는 샤프 비율은 관리의 효율성을 나타냅니다. 포트폴리오의 총 위험 대비 수익을 측정합니다. 여기서 총 위험은 포트폴리오 수익의 표준 편차입니다.샤프 비율은 다음 공식을 사용하여 주어진 깊이와 시간 프레임에서 계산됩니다.
, 어디
— 평균 포트폴리오 수익률;
- 평균 무위험 비율;
— 포트폴리오 수익률의 표준 편차, 자세한 계산은 변동성 계산 서비스 문서에 나와 있습니다.
사용된 수익률은 가격 비율의 자연 로그로 정의되는 기하학적 수익률입니다(로그 수익률).
,어디
- 이전 기간 말에 측정된 가격
- 현재 기간 말에 측정된 가격
투자는 Sharpe 비율의 값이 높을수록 더 효과적입니다. 계수 값이 작으면 투자 수익이 허용되는 위험 수준을 정당화하지 못한다는 것을 나타냅니다. 마이너스 샤프 비율은 무위험 자산에 대한 투자가 더 많은 수입을 가져올 것임을 나타냅니다.
Sortino 및 수정된 Sortino 확률에 대한 도움말:
Sortino Ratio는 투자 상품의 수익성과 위험을 평가할 수 있는 또 다른 지표입니다. 수학적으로는 샤프 비율과 유사하게 계산되지만 포트폴리오 변동성 대신 소위 "하향 변동성"이 사용됩니다. 이 경우 변동성은 최소 포트폴리오 수익률(MAR) 미만의 수익률에서 계산됩니다.Sortino 계수는 다음 공식을 사용하여 주어진 수심 및 시간 프레임에서 계산됩니다.
,어디
— 평균 포트폴리오 수익률;
MAR - 최소 허용 포트폴리오 수익률(최소 허용 수익률)
— 최소 허용 포트폴리오 수익률 미만의 수익률에서 계산된 포트폴리오 수익률의 표준 편차. 자세한 계산은 변동성 계산 서비스 문서에 나와 있습니다.
주어진 수심 및 시간 프레임에서 계수 수정 정렬은 다음 공식으로 계산됩니다.
,어디
— 평균 포트폴리오 수익률;
- 평균 무위험 비율;
— 최소 허용 포트폴리오 수익률 미만의 수익률에서 계산된 포트폴리오 수익률의 표준 편차. 자세한 계산은 변동성 계산 서비스 문서에 나와 있습니다.
사용된 수익률은 가격 비율의 자연 로그로 정의되는 기하학적 수익률입니다(로그 수익률).
,어디
- 이전 기간 말에 측정된 가격
- 현재 기간 말에 측정된 가격
알파 및 베타 계수에 대한 도움말:
알파 및 베타 계수는 도구와 지수 간의 통계적 관계를 나타내도록 설계되었습니다. 그래프로 표현하면 지수 수익률에 대한 상품 수익률의 종속성에 대한 산점도가 됩니다. (타원의 구성 참조). 결과적인 점 집합을 통해 산점도에 가장 근접한 직선을 그립니다. 이러한 직선을 구성하는 통계적 절차는 "단순 선형 회귀 또는 최소 제곱법"이라고 알려져 있습니다. 이 방법에 따라 그래프의 각 점에서 직선까지의 거리 제곱합의 값을 최소화하여 직선의 방정식을 찾습니다. 결과 직선(회귀) 방정식은 다음과 같습니다.,
상품의 수익성은 어디에 있습니까?
- 직선의 수직 변위 계수;
- 직선의 경사 계수;
— 인덱스 반환
최소 제곱법에 따라 계수는 다음 공식으로 구합니다.
,
여기서 Cov(,)는 상품 수익률과 지수 수익률 사이의 공분산입니다.
- 지수 수익률의 표준 편차
,어디
—기기의 평균 수익성
— 인덱스의 평균 수익률
시장지수를 지수로 선택한 경우
"베타" 계수 - 시장 전체에 대한 일반적인 상황이 특정 상품의 운명에 미치는 영향을 결정합니다. >0이면 기기의 효율성은 시장의 효율성과 유사합니다. < 0이면 시장 효율성이 증가함에 따라 이 도구의 효율성이 감소합니다. 계수는 또한 이러한 증권에 대한 투자 위험의 척도로 간주됩니다. >1이면 투자 위험이 시장 평균보다 높고, <1이면 그 반대입니다.
"알파" 계수 - 특정 상품의 시장 성장률과 성장률의 비율을 나타냅니다. 어떤 상품이 긍정적이면 성장률이 시장 평균보다 높다는 것을 의미합니다. 즉, 현재 시장에서 "저평가"되었다고 말할 수 있습니다.
계수 도움말
회귀식에 의한 수익률 변동 설명의 정확성은 수익률의 분산(산란)으로 특징지어집니다. 회귀 방정식의 설명력을 평가하기 위해 지수 값의 변화와 함께 주어진 비율로 상품 가격의 백분율 변화가 얼마나 설명되는지 보여주는 계수가 도입되고 공식에 의해 결정됩니다.R = ,
베타 계수는 어디에 있습니까?
- 지수 수익률의 표준 편차
- 계측기 반환의 표준 편차
시장지수를 지수로 선택한 경우
계수 ""또는 결정 계수 - 시장 전체의 불확실성으로 인해이 도구에 대한 기여 위험의 몫을 특성화합니다. 더 가까이 0이면 일반적인 시장 추세와 관련하여 상품의 행동이 더 독립적입니다. 임의의 상품 또는 사용자의 포트폴리오가 지수로 선택된 경우: 계수 ""는 상품과 지수 간의 긴밀한 관계를 특징으로 합니다. 이 값이 1에 가까울수록 관계가 더 강해집니다.
스튜던트 t-검정 값
Student's t-test 계산은 회귀 계수의 유의성을 테스트하는 데 사용됩니다. 알파 및 베타 계수. 베타 계수에 대한 스튜던트 t-검정 값은 다음 공식에 따라 수행됩니다.,
베타 계수는 어디에 있습니까?
— 다음 공식에 의해 계산되는 표준 오차의 값:
,
상품의 수익성은 어디에 있습니까?
- 다음 공식에 의해 계산된 기기의 수익성: ;
— 지수의 수익성;
— 인덱스의 평균 수익률
n은 계산과 관련된 수익률입니다.
알파 계수에 대한 스튜던트 t-검정 값은 다음 공식에 따라 수행됩니다.
알파 계수는 어디에 있습니까?
— 다음 공식에 의해 계산되는 표준 오차의 값:
,
상품의 수익성은 어디에 있습니까?
- 다음 공식에 의해 계산된 기기의 수익성: ;
— 지수의 수익성;
— 인덱스의 평균 수익률
n은 계산과 관련된 수익률입니다.
피셔 기준의 값
Fisher 기준 값의 계산은 다음 공식에 따라 수행됩니다.스튜던트 t-검정과 유사하게 Fisher 검정의 계산된 값은 표로 작성된 값과 비교됩니다(표로 작성된 값 참조). Fisher 기준의 계산된 값이 표의 값을 초과하면 기기와 지수 사이에 관계가 없다는 귀무 가설이 기각되고 이 관계의 존재와 회귀 방정식의 통계적 유의성에 대한 결론이 내려집니다. . Fisher 기준의 계산된 값이 표 값보다 작으면 귀무 가설의 확률이 지정된 수준보다 높으며 관계의 존재에 대해 잘못된 결론을 내릴 심각한 위험 없이는 귀무 가설을 기각할 수 없습니다. 이 경우 회귀 방정식은 통계적으로 유의하지 않은 것으로 간주됩니다.
만세, 세션이 끝났습니다!
때때로 시장이 하락할 때 학생들과 함께 이 모든 날카로운 것이 무엇과 같은지 궁금합니다.
우리는 싸우고 전략을 작성하지만 실제로 모든 전문가는 유한한 거래 간격에서 특정 매개변수로 이익을 얻을 수 있습니다. 한편, 매개변수 선택에 대한 주제는 상대적으로 거의 관심을 기울이지 않았습니다.
솔직히 말해서, 나는 이 주제에 대해, 현재 순간은 다른 이유, 즉 자체적으로 최적화 기준을 찾기 때문에 관심을 갖게 되었습니다. MT4에서 채택한 최적화 기준이 원하는 결과를 달성하는 것을 허용하지 않는다는 것을 깨달았기 때문에 자체 GA를 사용하는 옵티마이저. 그러나 난로에서 춤을 출 필요가 있습니다. 따라서 "최적화 결과 선택 기준 검색".
물론, 나는 사이트에서 사용할 수 있는 기사에 대해 알게 되었고(저자 덕분에) 사용 가능한 토론도 보았고 심지어 일부 책을 훑어보기도 했지만 그곳에서 보고 싶은 것을 찾지 못했습니다. 거기에 뭔가가 있을지 모르지만 새의 언어로 나는 그것에 능숙하지 않습니다. 똑같은 실용적인 원시 주의자 (어쩌면 누군가 그것을 "인간"으로 번역 할 것입니다), 아니면 내가 그것을 보지 못했을 수도 있습니다. 이 스레드와 희망적으로 건설적인 토론의 결과로, 특정 공식, 테스트 결과 의 특정 기능을 얻고 싶습니다. 그 중 최대값은 실행 가능한 매개변수 세트를 높은 확률로 나타냅니다.
거짓 겸손 없이), 나는 내가 어느 정도 도달했음을 주목한다. 당신의 선택에 행운을 빕니다 수동 최적화. 그러나 이 프로세스를 자동화할 방법이 없습니다. 아마도 이것은 제대로 형식화되지 않은 경험일 뿐입니다.
물론 매개 변수를 선택하는 간단하고 효과적인 옵션인 OOS 테스트가 있습니다. 그러나 불행히도 항상 허용되는 것은 아닙니다. 예를 들어, 내 숫양에게 결과 기준을 OOS 로 만들면 GA에서 개인을 선택하는 몇 가지 기준은 더 이상 OOS 가 아닙니다.
따라서 MT4의 초기 데이터는 다음과 같습니다.
-총 이익 ,
- 총 손실 ,
-MaxDrawdown (드로다운),
- 이익이 나는 거래 건수, 손실 거래 건수, 총 거래 건수,
- 테스트의 막대(틱) 수,
-최대. 유익한 거래, 최대 무역 손실
- 일련의 수익성 있는 거래, 일련의 수익성 없는 거래
뭐(놓쳤다면 수정), MO, PF 등 모든 걸 빠트린 게 없는 것 같다. 위에서 계산하고 얻을 수 있으므로 의도적으로 생략했습니다.
자, 상상해 볼까요?