Vita , 일반적으로 원칙적으로. 사전 심사 - 거래 건수 기준 m.o. 및 PF 및 최종 선별 - "흐림"과 함께 꽤 괜찮은 통합 기준에 따릅니다. 저것들. 실제로 전체 절차에는 약 5가지 기준으로 필터링하는 작업이 포함됩니다.
사전 심사 숫자 자체 (m.o., 나는 오래된 본격적인 지점에서, 즉 4 자리 숫자로?)는 매우 논리적입니다. 결과의 통계적 신뢰도를 높이려면 최소 거래 수(예: 200개)를 늘릴 것입니다.
예, MO - 50개의 4자리 포인트입니다. 또한 최소 거래 수를 늘리지만 연간 200건의 거래, 즉 하루에 50포인트 - 이것은 지금으로서만 나의 꿈입니다. :). 인정해야하지만 실제로는 그렇게하지만 12 년 동안 분명히 내 자존심을 즐겁게하기 위해 더 많은 수의 거래에서 선택한 매개 변수를 확인합니다. 결과는 고통스럽게 놀랍습니다. :)
그리고 이 문제를 통합 기준으로 어떻게 뒤틀든 간에 하나 이상의 기준이 있다는 데 전적으로 동의합니다. 그러나 나는 또한 주제의 저자를 이해합니다. 글쎄, 여기에서 최적화기는 그의 눈을 크게 뜨는 장밋빛 결과 나보디아딜. 그리고 어느 것을 선택하기 위해 누가 당신에게 말할 것입니까? 그래서 결과를 테이블에 던지고 공식을 확장하고 짜잔! 나도 이것을하지만 먼저 - 사전 심사. 모든 옵티마이저 결과의 >99%를 죽입니다. 불행하게도, 수익성 또는 수학적 기대에 의한 최적화는 즉시 하나의 매우 수익성 있는 거래에 대한 검색으로, 균형에 의한 최적화는 수익성이 1에 가깝고 수학적 기대치가 0인 백만 거래로 즉시 퇴보합니다. 최소 균형을 설정하면 질병이 치료되지만 완전히 치료되는 것은 아닙니다.
유전자 알고리즘이 PF>2 & EP>50 & N>50을 찾는 민첩하다면 좋지 않을까요? 아니면 취향에 따라 그런 것?
이익 * 이익 / 손실(%) . 이것은 좋지만 테스트 기간이 이익 지표에 영향을 미치지 않도록
기간의 영향은 옵티마이저가 다른 기간에 대한 결과를 제공할 때만 발생합니다. 내가 직접 할 때 - 먼저 한 기간을 최적화한 다음 다른 기간을 최적화한 다음 문제에 대해 의아해할 것입니다. 아니요, 나 자신을 어렵게 만들지 않습니다.
내가 주제의 저자를 이해하는 한 그는 내가 원하는 것을 원할 것입니다 (그렇지 않으면 그를 이해하지 못할 것입니다 :) ) - 전략 테스터가 제공한 최적화 결과에 대한 통합 지표를 던집니다. 나는 단지 그것을 하고 결과의 기간이 동일하고 지표가 절대적이기 때문에 여기에서 테스트 기간의 영향에 아무런 문제가 없다고 봅니다. 다른 기간 또는 다른 도구 등과의 비교에는 적용되지 않습니다.
복잡한 통합 지표를 사용하는 사업에서 어떤 전망도 보이지 않습니다. 최대 드로다운은 최악의 현실이기 때문에 나에게 있어 '최악'의 충분한 지표다. 나는 또한 평균화, 정규화 및 다양한 세부 사항을 파고드는 것은 결과가 무작위가 아님을 증명할 수 있을 때까지 문제가 통제되고 있다는 환상이라고 생각합니다.
그러나 한 번은 트랜잭션 결과가 임의의 시나리오에서 얼마나 벗어났는지 나타내는 "통합 지표"를 만든 적이 있습니다. 나는 수학자에게 이 아이디어에 대한 자신의 의견을 표현해 달라고 요청합니다. 진공 상태의 구형 MTS가 있다고 상상해 보십시오. 즉, 정지 수준이 고정되어 있습니다. TP=75 및 SL=25라고 가정해 보겠습니다. 그리고 신호는 50%의 경우에서 TP가 닫히고 50%에서 손실을 중지하는 것과 같습니다. 수익성 있는 레이아웃을 위해 무작위 레이아웃의 25%를 압축한 것이 분명합니다. 거래 결과에서 이와 동일한 25%의 과학적 기반 신뢰도 계수를 짜낼 수 있습니까?
Vita>> : Положим, TP=75 и SL=25. И вот сигналы таковы, что TP закрывается в 50% случаях, и стоплосс, значит, тоже в 50%.
그건 그렇고, 진공에서 구형일지라도 우수한 시스템입니다. 구형 성배.
수익성 있는 레이아웃을 위해 무작위 레이아웃의 25%를 압축한 것이 분명합니다.
PF를 계산하면 매우 좋고 3과 같습니다. PF가 높을수록 임의 입력에 비해 마진이 커집니다. 이 시스템의 경우 동일한 TP와 SL 을 사용하여 수익성이 있는 빈도와 수익성이 없는 빈도의 비율이 1:3보다 오랫동안 1:3보다 나빠질 때까지 시스템의 심각한 축소에 빠지지 않습니다. 25%:75%. 글쎄, 이것은 아마도 우리의 25%가 무작위성에서 벗어난 것입니다(또는 여전히 세 번입니까?). 그러나 우리는 수익성 있는 것에 찬성하여 25%를 짜내면서 동시에 무익한 것에서 동일한 25%를 빼앗았다는 것을 기억해야 합니다. 이것은 매우 좋습니다.
거래 결과에서 이와 동일한 25%의 과학적 기반 신뢰도 계수를 짜낼 수 있습니까?
거래가 많다면 그 이유는 무엇입니까? 현재 3.0인 500번의 거래에서 시스템의 PF가 다른 500번의 거래에서 1.0 또는 더 나빠질 확률은 얼마입니까? 모든 것은 실제로 수익성이 있는 것과 그렇지 않은 것의 비율로 귀결됩니다.
나는 다이빙 샌드위치에 대한 내 기사에서 이 문제의 표면을 긁었습니다. 거기에는 명확한 답이 없습니다(아마도, 여기에서 교활한 핍박을 받을 것입니다). 그러나 표본 크기에 대한 결론의 신뢰성 정도에 대한 분명한 의존성이 있습니다. 40번의 거래에서 PF=3일 경우, 다음 40개 거래에 대한 손실은 전혀 작지 않습니다(내 기사에서 이것은 "충격 손실"입니다). 그러나 동일한 PF로 거래 수가 500이면 다음 500에서 시스템이 처질 가능성은 거의 없습니다.
복잡한 통합 지표를 사용하는 사업에서 어떤 전망도 보이지 않습니다. 최대 드로다운은 최악의 현실이기 때문에 나에게 있어 '최악'의 충분한 지표다. 나는 또한 평균화, 정규화 및 다양한 세부 사항을 파고드는 것은 결과가 무작위가 아님을 증명할 수 있을 때까지 문제가 통제되고 있다는 환상이라고 생각합니다.
또한 추가 이익을 위해 최대 드로다운을 수정하는 방법을 배울 때까지 생각했습니다. 물론 소설의 범주에서 들리지만 이상하게도 그것이 현실입니다.
이를 위해서는 주 전략 내에서 전략이 필요합니다. 다음 신호가 개발되고 있습니다.
- 편차의 시작을 결정하기 위한 신호(드로다운 시작에 대한 신호, 즉 이전 TP로 후속 재개를 위한 포지션 마감)
Vita , 일반적으로 원칙적으로. 사전 심사 - 거래 건수 기준 m.o. 및 PF 및 최종 선별 - "흐림"과 함께 꽤 괜찮은 통합 기준에 따릅니다. 저것들. 실제로 전체 절차에는 약 5가지 기준으로 필터링하는 작업이 포함됩니다.
사전 심사 숫자 자체 (m.o., 나는 오래된 본격적인 지점에서, 즉 4 자리 숫자로?)는 매우 논리적입니다. 결과의 통계적 신뢰도를 높이려면 최소 거래 수(예: 200개)를 늘릴 것입니다.
예, MO - 50개의 4자리 포인트입니다. 또한 최소 거래 수를 늘리지만 연간 200건의 거래, 즉 하루에 50포인트 - 이것은 지금으로서만 나의 꿈입니다. :). 인정해야하지만 실제로는 그렇게하지만 12 년 동안 분명히 내 자존심을 즐겁게하기 위해 더 많은 수의 거래에서 선택한 매개 변수를 확인합니다. 결과는 고통스럽게 놀랍습니다. :)
그리고 이 문제를 통합 기준으로 어떻게 뒤틀든 간에 하나 이상의 기준이 있다는 데 전적으로 동의합니다. 그러나 나는 또한 주제의 저자를 이해합니다. 글쎄, 여기에서 최적화기는 그의 눈을 크게 뜨는 장밋빛 결과 나보디아딜. 그리고 어느 것을 선택하기 위해 누가 당신에게 말할 것입니까? 그래서 결과를 테이블에 던지고 공식을 확장하고 짜잔! 나도 이것을하지만 먼저 - 사전 심사. 모든 옵티마이저 결과의 >99%를 죽입니다. 불행하게도, 수익성 또는 수학적 기대에 의한 최적화는 즉시 하나의 매우 수익성 있는 거래에 대한 검색으로, 균형에 의한 최적화는 수익성이 1에 가깝고 수학적 기대치가 0인 백만 거래로 즉시 퇴보합니다. 최소 균형을 설정하면 질병이 치료되지만 완전히 치료되는 것은 아닙니다.
유전자 알고리즘이 PF>2 & EP>50 & N>50을 찾는 민첩하다면 좋지 않을까요? 아니면 취향에 따라 그런 것?
이익 * 이익 / 손실(%) . 이것은 좋지만 테스트 기간이 이익 지표에 영향을 미치지 않도록
기간의 영향은 옵티마이저가 다른 기간에 대한 결과를 제공할 때만 발생합니다. 내가 직접 할 때 - 먼저 한 기간을 최적화한 다음 다른 기간을 최적화한 다음 문제에 대해 의아해할 것입니다. 아니요, 나 자신을 어렵게 만들지 않습니다.
내가 주제의 저자를 이해하는 한 그는 내가 원하는 것을 원할 것입니다 (그렇지 않으면 그를 이해하지 못할 것입니다 :) ) - 전략 테스터가 제공한 최적화 결과에 대한 통합 지표를 던집니다. 나는 단지 그것을 하고 결과의 기간이 동일하고 지표가 절대적이기 때문에 여기에서 테스트 기간의 영향에 아무런 문제가 없다고 봅니다. 다른 기간 또는 다른 도구 등과의 비교에는 적용되지 않습니다.
복잡한 통합 지표를 사용하는 사업에서 어떤 전망도 보이지 않습니다. 최대 드로다운은 최악의 현실이기 때문에 나에게 있어 '최악'의 충분한 지표다. 나는 또한 평균화, 정규화 및 다양한 세부 사항을 파고드는 것은 결과가 무작위가 아님을 증명할 수 있을 때까지 문제가 통제되고 있다는 환상이라고 생각합니다.
그러나 한 번은 트랜잭션 결과가 임의의 시나리오에서 얼마나 벗어났는지 나타내는 "통합 지표"를 만든 적이 있습니다. 나는 수학자에게 이 아이디어에 대한 자신의 의견을 표현해 달라고 요청합니다. 진공 상태의 구형 MTS가 있다고 상상해 보십시오. 즉, 정지 수준이 고정되어 있습니다. TP=75 및 SL=25라고 가정해 보겠습니다. 그리고 신호는 50%의 경우에서 TP가 닫히고 50%에서 손실을 중지하는 것과 같습니다. 수익성 있는 레이아웃을 위해 무작위 레이아웃의 25%를 압축한 것이 분명합니다. 거래 결과에서 이와 동일한 25%의 과학적 기반 신뢰도 계수를 짜낼 수 있습니까?
그건 그렇고, 진공에서 구형일지라도 우수한 시스템입니다. 구형 성배.
수익성 있는 레이아웃을 위해 무작위 레이아웃의 25%를 압축한 것이 분명합니다.
PF를 계산하면 매우 좋고 3과 같습니다. PF가 높을수록 임의 입력에 비해 마진이 커집니다. 이 시스템의 경우 동일한 TP와 SL 을 사용하여 수익성이 있는 빈도와 수익성이 없는 빈도의 비율이 1:3보다 오랫동안 1:3보다 나빠질 때까지 시스템의 심각한 축소에 빠지지 않습니다. 25%:75%. 글쎄, 이것은 아마도 우리의 25%가 무작위성에서 벗어난 것입니다(또는 여전히 세 번입니까?). 그러나 우리는 수익성 있는 것에 찬성하여 25%를 짜내면서 동시에 무익한 것에서 동일한 25%를 빼앗았다는 것을 기억해야 합니다. 이것은 매우 좋습니다.
거래 결과에서 이와 동일한 25%의 과학적 기반 신뢰도 계수를 짜낼 수 있습니까?
거래가 많다면 그 이유는 무엇입니까? 현재 3.0인 500번의 거래에서 시스템의 PF가 다른 500번의 거래에서 1.0 또는 더 나빠질 확률은 얼마입니까? 모든 것은 실제로 수익성이 있는 것과 그렇지 않은 것의 비율로 귀결됩니다.
나는 다이빙 샌드위치에 대한 내 기사에서 이 문제의 표면을 긁었습니다. 거기에는 명확한 답이 없습니다(아마도, 여기에서 교활한 핍박을 받을 것입니다). 그러나 표본 크기에 대한 결론의 신뢰성 정도에 대한 분명한 의존성이 있습니다. 40번의 거래에서 PF=3일 경우, 다음 40개 거래에 대한 손실은 전혀 작지 않습니다(내 기사에서 이것은 "충격 손실"입니다). 그러나 동일한 PF로 거래 수가 500이면 다음 500에서 시스템이 처질 가능성은 거의 없습니다.
구형 시스템이 베르누이임을 확신할 수 있다면 실험해 보십시오.
PS 아마, 나는 이미 여기 있는 모든 사람들을 베르누이로 도청했을 것입니다...
복잡한 통합 지표를 사용하는 사업에서 어떤 전망도 보이지 않습니다. 최대 드로다운은 최악의 현실이기 때문에 나에게 있어 '최악'의 충분한 지표다. 나는 또한 평균화, 정규화 및 다양한 세부 사항을 파고드는 것은 결과가 무작위가 아님을 증명할 수 있을 때까지 문제가 통제되고 있다는 환상이라고 생각합니다.
또한 추가 이익을 위해 최대 드로다운을 수정하는 방법을 배울 때까지 생각했습니다. 물론 소설의 범주에서 들리지만 이상하게도 그것이 현실입니다.
이를 위해서는 주 전략 내에서 전략이 필요합니다. 다음 신호가 개발되고 있습니다.
- 편차의 시작을 결정하기 위한 신호(드로다운 시작에 대한 신호, 즉 이전 TP로 후속 재개를 위한 포지션 마감)
- 재개장 취소 신호(재개장 기대치 재설정, 즉 이탈이 리턴 없이 반전으로 판명됨)
- 이전 TP로 열라는 신호.
또한 추가 이익을 위해 최대 드로다운을 수정하는 방법을 배울 때까지 생각했습니다. 물론 소설의 범주에서 들리지만 이상하게도 그것이 현실입니다.
이를 위해서는 주 전략 내에서 전략이 필요합니다. 다음 신호가 개발되고 있습니다.
- 편차의 시작을 결정하기 위한 신호(드로다운 시작에 대한 신호, 즉 이전 TP로 후속 재개를 위한 포지션 마감)
- 재개장 취소 신호(재개장 기대치 재설정, 즉 이탈이 리턴 없이 반전으로 판명됨)
- 이전 TP로 열라는 신호.
내가 이해하는 바와 같이, 드로다운 시작의 신호인 첫 번째 신호는 드로다운이 원하는 것보다 많이 증가할 경우 포지션의 청산을 나타내기 위한 것입니다.
두 번째 신호 - 우리가 열었습니다. 세 번째는 '인하에서 회복'한 후 구포지션에 진입하는 것이다. 또는 어떻게?
내가 이해하는 바와 같이, 드로다운 시작의 신호인 첫 번째 신호는 드로다운이 원하는 것보다 많이 증가할 경우 포지션의 청산을 나타내기 위한 것입니다.
두 번째 신호 - 우리가 열었습니다. 세 번째는 '인하에서 회복'한 후 구포지션에 진입하는 것이다. 또는 어떻게?
맞아요 사실 첫 번째 시그널은 포지션을 청산하고 세 번째나 두 번째를 기다리는 것이고 두 번째 시그널은 세 번째에 대한 대기를 취소하는 것입니다...
맞아요 사실 첫 번째 시그널은 포지션을 청산하고 세 번째나 두 번째를 기다리는 것이고 두 번째 시그널은 세 번째에 대한 대기를 취소하는 것입니다...
그런 다음 문제는 이러한 신호의 특성에 관한 것입니다. 이 신호는 기록에서 최적으로 선택할 수 있는 수준입니까, 아니면 신호의 특성에 계산이 있습니까? 주요 시작 및 닫는 신호와 관련이 있을 수도 있습니다.
다음과 같은 다양한 신호 옵션이 있습니다.
첫 번째는 메인의 약화, 나쁜 징조의 출현, 휴식으로 인한 편차 등입니다. ...
두 번째는 중요한 수준의 교차점, 주요 추세의 반전, 채널 붕괴 또는 가능한 수익을 취소하거나 지연시키는 일종의 강력한 신호입니다...
세 번째는 주요 신호의 복원, 추세 또는 수평선 에서 반등입니다.