수익성 있는 OOS의 지속기간이 7년 이상인 것은 기쁘지만, 거의 모든 과정이 뒤쳐져 있다는 것이 안타까워요.
코스 뒤에 긴장되지 않는다는 사실. 요점은 우리가 과거에 대한 안정적인 예측을 다루고 있다고 가정하더라도, 즉, 우리를 다시 데려가서 그곳에서 수익성 있는 거래를 할 수 있는 일종의 타임머신이 있다면 해결책이 있습니다. 일반 퍼셉트론을 사용하면 입력에서 시작 가격의 차이를 어떤 방식으로든 조작할 수 있습니다. 카트를 말 뒤에 놓고 앞에 두십시오. 저것들. 퍼셉트론이 과거를 자신 있게 예측할 수 있다면 가중치 계수를 다시 계산하여 미래를 "예측"할 수 있습니다. 그래프는 수직 축을 중심으로 뒤집을 수도 있습니다. 시간을 되돌려.
저것들. 우리는 전진이든 후진이든 상관없이 타임머신이 필요합니다. 중요한 것은 우리가 얻는 안정성 측면에서 바로 그 자리에서 수익성 있는 결과입니다. 나머지는 더 이상 문제가 아닙니다 - 초등 수학. 퍼셉트론은 전형적인 선형 부등식입니다.
코스 뒤에 긴장되지 않는다는 사실. 요점은 우리가 과거에 대한 안정적인 예측을 다루고 있다고 가정하더라도, 즉, 우리를 다시 데려가서 그곳에서 수익성 있는 거래를 할 수 있는 일종의 타임머신이 있다면 해결책이 있습니다. 일반 퍼셉트론을 사용하면 입력에서 시작 가격의 차이를 어떤 방식으로든 조작할 수 있습니다. 카트를 말 뒤에 놓고 앞에 두십시오. 저것들. 퍼셉트론이 과거를 자신 있게 예측할 수 있다면 가중치 계수를 다시 계산하여 미래를 "예측"할 수 있습니다. 그래프는 수직 축을 중심으로 뒤집을 수도 있습니다. 시간을 되돌려.
저것들. 우리는 전진이든 후진이든 상관없이 타임머신이 필요합니다. 중요한 것은 우리가 얻는 안정성 측면에서 바로 그 자리에서 수익성 있는 결과입니다. 나머지는 더 이상 문제가 아닙니다 - 초등 수학. 퍼셉트론은 전형적인 선형 부등식입니다.
그리고 당신의 근거 없는 행동은 Reshetov의 것보다 훨씬 더 나빠 보입니다. 그리고 vapche, 당신에게 무언가를 증명해 달라는 몇 가지 요구 사항을 제시하는 것은 제가 보기에 잘못된 것 같습니다.
게시물에서 나는 p-값에 대해 썼습니다. 이것은 수학 통계의 첫 번째 요소입니다.
그 사람이 아이디어를 제시하고 기술적으로 설명하기까지 하면 이 정도면 소매를 걷어붙이기에 충분하지 않습니까(당신이 그것이 유망하다고 생각한다면)? 시간은 고르지 않으며 그에게서 시작 자본이 필요합니다 .. ;-)
100명의 현자들이 논평할 수 없는 아이디어의 저자들에 대해 상기시키고 싶습니다.
다음은 공백을 채우는 것입니다. 아니면 최소한 시도라도 해보세요.
Reshetov는 그의 시스템이 TA가 작동하고 있다는 증거라고 주장합니다. 이것은 그는 TS의 도움으로 증명합니다. 그러나 Reshetov는 처음이 아닙니다. 그러한 증거는 양초를 가진 일본인을 시작으로 약 400년 동안 주어졌습니다.
그건 그렇고, TA의 작업 능력 증명이 부족하거나 TA가 작동하지 않는다는 증거가 있다고 해서 TA를 기반으로 TA를 개발하고 TA를 수입원으로 만드는 것이 가능하다는 사실을 손상시키지 않습니다. TA는 예술입니다. 다른 예술 형식과 마찬가지로 아무도 모르는 수많은 패배자들을 위한 민속 예술가들이 있습니다.
내가 알기로는 Reshetov는 국회를 기반으로 한 TS를 가지고 있습니다. 이것이 사실이라면 NN 적용의 성공은 전적으로 NN을 가르치는 사람에 달려 있기 때문에 이것은 중요합니다. Reshetov는 성공했습니다. 어쩌면 그는 천재일 수도 있고, 떡갈나무에서 떨어졌을 수도 있고, 맥주를 많이 마셨을 수도 있습니다. 우리는 상관하지 않습니다. 그의 기술은 우리에게 전해지지 않을 것입니다. 전체 TA가 정확히 그렇습니다. TA는 원칙적으로 입증되지 않았습니다.
결론.
아마도 당신은 내 관찰 중 하나를 설명할 수 있습니다. 이 포럼(및 다른 포럼)에서 TA에서는 프랙탈 등과 같은 특이한 사항에 대해 논의하지만 TS에서 계량경제학 및 자매 수학적 통계의 사용에 대해서는 논의한 적이 없습니다. 이 포럼에서 "econometrics"라는 단어는 문법적으로 올바르지 않습니다.
한편, 회귀 계수 계산 공식의 방향으로 매우 빠르게 무너진 회귀 방정식에 대한 논의를 기억할 수 있습니다. 이 문제는 TS에서 회귀 사용에 대한 논의에 오지 않았습니다. 통계를 무시하는 것은 사고입니까? 아니면 sie와 co.의 덕분입니까?
죄송합니다. 동의합니다. "econometrics"에 대한 검색을 실행하면 찾을 수 없습니다. 기사가 상당히 신선하고 포럼이 아닌 기사입니다. 저는 2011년 1월 1일에 제가 옳았다고 주장해야 합니다. 이 자료 또는 이와 유사한 것에 대한 토론은 매우 흥미로울 것입니다. 어떤 경우든 특정 알고리즘과 숫자가 논의될 것이며, 훌륭하지만 개성이 있는 개인의 능력이 아니라 논의될 것입니다.
이 글에 댓글을 달아주시면 다양한 관심과 제안을 받습니다. 첫째, 저자는 자신의 프로그램을 사용했지만 Eview와 가장 중요한 Matlab이 있습니다. 이러한 패키지를 사용하면 문제를 보다 체계적으로 볼 수 있습니다.
마지막 링크에 감사드립니다. 그렇지 않으면 DSP 및 NS의 무지한 사람들, 무지한 사람들 및 전문가들에게 완전히 슬펐습니다.
동료 여러분, 무엇이든 사용하여 모델 매개변수를 조정하는 것은 오래되고 올바른 아이디어 입니다. 예를 들어 저는 베이지안 네트워크를 사용하고 있으며 몇 가지 더 많은 아이디어가 현재 테스트 중입니다. 탬버린과 제의가 있는 춤의 도움으로 이 비즈니스를 조정할 수 있습니다. 질문은 그것이 아닙니다. 무작위성을 확인하여 새로운 수익성 차트를 생성합니다 . 명백한 문제는 육안으로 볼 수 있습니다. 사실 기뻐할 이유가 없습니다.
Чтобы не бегать по разным веткам, если позволит публика, скопирую:
시세 움직임의 미래 방향에 대한 예측을 기반으로 한 거래 시스템에 대한 실험을 수행해 보겠습니다.
무게 조정기초 단층 신경망 - 과거 데이터에 대한 퍼셉트론. 이 거래 시스템의 작동 원리는 "거래 시스템을 찾는 방법"이라는 기사에서 자세히 설명했습니다. H1 기간의 차트에서 지난 9개월 이상 동안 EURUSD 통화 쌍에 대한 과거 데이터를 살펴보겠습니다. 3개월 동안 3개의 독립적인 섹션으로 나누겠습니다. 첫 번째 섹션은 최종 테스트를 위해 남겨두고 나머지 두 섹션은 이야기에 맞추기 위해 남겨둘 것입니다. 트레이딩 시스템을 따로 구동하지 않기 위해 바로 2개의 퍼셉트론을 하나의 트레이딩 시스템에 결합했습니다.
그리고 별도의 테스트 및 최적화를 위해 입력 매개변수 전달 에 따라 거래 시스템에 세 가지 작동 모드가 있는 스위치 기능 Supervisor()를 만들었습니다.
1 - 첫 번째 퍼셉트론 피팅 및 테스트 ,
2 - 두 번째 퍼셉트론의 피팅 및 테스트 ,
3 – 최적화가 없는 테스트 모드 또는 데모 또는 실제 예금의 자동 거래 모드에서 두 퍼셉트론의 모순된 판독값을 선별하여 필터링합니다 .
과거 데이터에 맞게 조정된 퍼셉트론 가중치는 x11, x12 … x 42 , p 및 sl 입니다. 입력 매개변수 sl 은 모든 세그먼트에 대해 상수입니다. 바로 이 값에 따라 모든 열린 포지션에 손절매와 이익 수준이 설정됩니다. 또 다른 입력 매개변수 p는 시가 차이에 대한 지연 시간이며 상수이기도 합니다. 시장은 새로운 바 형성 초기에 진입합니다. 패스 입력 매개변수의 값에 따라 시작 가격과 퍼셉트론 판독값에 의해 막대가 열리고 손절 또는 이익실현을 트리거해야만 종료됩니다. 극한값을 찾는 유전적 알고리즘을 이용하여 최적화를 수행하고, 균형 측면에서 최대값을 극값으로 취한다. 알고리즘이 최적화 중에 마진 콜에 걸리지 않도록 하려면 매우 큰 초기 금액(예: $1,000,000)을 취해야 합니다. 입력 매개변수: lot - 로트에서 열린 포지션의 양 및 mn - 고문이 자신의(자신이 개설한) 주문의 관리를 다른 사람의(자신이 열지 않은) 주문 관리를 혼동하지 않도록 하는 고유한 매직 넘버.
첫 번째 단계에서 우리는 입력 변수 p 와 sl 의 값이 무엇이어야 하는지 알아내야 합니다. 이를 위해 우리는 역사의 마지막 두 섹션을 선택합니다. 6개월 전부터 오늘까지. 모든 퍼셉트론 가중치 매개변수를 1단계로 Start = 0에서 Stop = 200 까지의 값으로 설정합니다. p 값은 Start = 3에서 Stop = 100 (1단계), sl 값은 Start = 100에서 Stop =1000(10단계)(또는 10에서 100(4단계의 경우 1단계))입니다. 숫자 따옴표). 통과 값은 1로 설정됩니다. 최적화된 매개변수 x11, x21, x31, x41, p 및 sl 을 선택합니다. 다른 모든 확인란은 비활성화되어야 합니다. 최적화를 시작합니다. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
두 번째 단계. 두 번째 과거 데이터 조각에 첫 번째 퍼셉트론의 가중치를 맞추는 것입니다. 최적화 날짜와 시간을 6개월 전에서 3개월 전으로 설정합니다. 입력 변수 p와 sl에서만 최적화된 매개변수의 확인란을 제거합니다.최적화를 시작합니다. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
세 번째 단계. 두 번째 퍼셉트론의 가중치를 기록 데이터의 세 번째 조각에 맞추는 것입니다. 다음에서 최적화 날짜 및 시간 설정3개월 전부터 오늘까지. 최적화된 매개변수 x11, x21, x31, x41의 선택을 취소하고 x12 , x22, x32 및 x42에 대해 설정합니다. 나머지 확인란은 비활성화되어야 합니다. 전달 입력 변수의 값을 2로 설정하십시오. 최적화를 실행하십시오. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
그게 다야, 우리의 거래 시스템은 6개월 전부터 현재까지의 과거 데이터로 조정되었습니다. 입력 매개 변수의 값을 설정 파일에 저장합니다. 통과 입력 변수를 3으로 설정합니다. "사용 날짜"에서 체크 표시를 제거합니다. 테스트를 시작하겠습니다. 우리 는 시험 일정 을 봅니다. 그리고 균형 및 자기자본 곡선은 차트의 오른쪽 부분에서 위쪽으로 향하고 왼쪽 부분에서 아래쪽으로 향하는 경향이 있음을 알 수 있습니다. 이제 균형의 상향 추세가 피팅 샘플 외부 영역에서 발생하는지 확인해야 합니다. 이익 증가가 시작되는 잔액 라인으로 마우스 커서를 가져오고 툴팁의 날짜를 봅니다. 잔액 곡선은 10일을 제외하고 오늘부터 계산하여 거의 9개월 전에 상승하는 경향이 있는 것으로 나타났습니다. 8개월 20일. 그리고 6개월간 현장에서 조정을 진행했습니다. 따라서 성공적인 테스트는 최적화된샘플링이 이루어집니다. 더 자세히 분석하기 위해 샘플 외부의 동일한 영역을 선택합니다. J. Soros의 기록에 비해 현저히 떨어지지만 결과는 V. Niederhofer의 기록을 능가하지만 전반적으로 상당히 만족스러운 결과입니다.
이력의 일부에서 피팅을 처리했는지 확인하려면 "사용 날짜" 상자를 선택 취소하는 것이 필요하고 충분합니다. 그리고 사용 가능한 전체 기록에 대해 값 1과 2로 EA 테스트를 실행합니다. 이러한 각 모드에서 균형 곡선의 상향 성장은 개별 퍼셉트론이 조정된 섹션 내에서만 관찰됩니다. 역사의 다른 모든 기간에서 우울증으로 끝나는 개별 혹을 제외하고는 긍정적인 역학이 관찰되지 않습니다.
우리가 보았듯이 두 퍼셉트론이 최적화된 이력 데이터 샘플 외부에서 포워드 테스트를 통과하지 못했다는 사실에도 불구하고 조인트 신호의 필터는 이력 데이터에 대해 긍정적인 결과를 제공했으며 피팅 중에는 이에 대해 아무것도 알려지지 않았습니다. 예를 들어 단순 이동 평균의 분석이나 고급 다층 신경망을 기반으로 하는 다른 거래 시스템으로 실험할 수도 있습니다. 거래 시스템이 견고하면 최적화 기간을 벗어난 필터링된 거래 신호에 대해 긍정적인 결과를 제공할 가능성이 더 큽니다. 강력하지 않으면 필터를 켠 상태에서 최적화된 섹션에서도 긍정적인 결과를 제공하지 않을 수 있습니다. 그러나 TS의 견고성은 스프레드, 스왑 및 중개 수수료의 간접비에 비해 부차적입니다. 따라서 상당한 오버헤드 비용으로 전방 테스트에서 긍정적인 결과를 꿈꿀 수 있습니다. 기대는 부정적일 것이다.
네. 다음은 신호 추가에 대한 결과입니다(trigger=0).
그러나 신호의 논리적 곱의 경우(트리거=2)
두 결과 모두 ceteris paribus(쌍, 기간, 최적화 기간 등)입니다. 같은 11년.
알겠습니다. 내일 취침 시간입니다.
다음은 EA를 최적화하는 동안 알아차린 것입니다.
- 실수로 왼쪽 패스 = 1, 최적화를 위해 퍼셉트론 매개변수를 0으로 설정합니다.
이 상황에서 퍼셉트론 0의 매개변수는 계산되어서는 안 되는 것 같지만 계산되었습니다. 제어가 perceptron0() 함수에 떨어졌습니다....
수익성 있는 OOS의 지속기간이 7년 이상인 것은 기쁘지만, 거의 모든 과정이 뒤쳐져 있다는 것이 안타까워요.코스 뒤에 긴장되지 않는다는 사실. 요점은 우리가 과거에 대한 안정적인 예측을 다루고 있다고 가정하더라도, 즉, 우리를 다시 데려가서 그곳에서 수익성 있는 거래를 할 수 있는 일종의 타임머신이 있다면 해결책이 있습니다. 일반 퍼셉트론을 사용하면 입력에서 시작 가격의 차이를 어떤 방식으로든 조작할 수 있습니다. 카트를 말 뒤에 놓고 앞에 두십시오. 저것들. 퍼셉트론이 과거를 자신 있게 예측할 수 있다면 가중치 계수를 다시 계산하여 미래를 "예측"할 수 있습니다. 그래프는 수직 축을 중심으로 뒤집을 수도 있습니다. 시간을 되돌려.
저것들. 우리는 전진이든 후진이든 상관없이 타임머신이 필요합니다. 중요한 것은 우리가 얻는 안정성 측면에서 바로 그 자리에서 수익성 있는 결과입니다. 나머지는 더 이상 문제가 아닙니다 - 초등 수학. 퍼셉트론은 전형적인 선형 부등식입니다.
코스 뒤에 긴장되지 않는다는 사실. 요점은 우리가 과거에 대한 안정적인 예측을 다루고 있다고 가정하더라도, 즉, 우리를 다시 데려가서 그곳에서 수익성 있는 거래를 할 수 있는 일종의 타임머신이 있다면 해결책이 있습니다. 일반 퍼셉트론을 사용하면 입력에서 시작 가격의 차이를 어떤 방식으로든 조작할 수 있습니다. 카트를 말 뒤에 놓고 앞에 두십시오. 저것들. 퍼셉트론이 과거를 자신 있게 예측할 수 있다면 가중치 계수를 다시 계산하여 미래를 "예측"할 수 있습니다. 그래프는 수직 축을 중심으로 뒤집을 수도 있습니다. 시간을 되돌려.
저것들. 우리는 전진이든 후진이든 상관없이 타임머신이 필요합니다. 중요한 것은 우리가 얻는 안정성 측면에서 바로 그 자리에서 수익성 있는 결과입니다. 나머지는 더 이상 문제가 아닙니다 - 초등 수학. 퍼셉트론은 전형적인 선형 부등식입니다.
그리고 당신의 근거 없는 행동은 Reshetov의 것보다 훨씬 더 나빠 보입니다. 그리고 vapche, 당신에게 무언가를 증명해 달라는 몇 가지 요구 사항을 제시하는 것은 제가 보기에 잘못된 것 같습니다.
게시물에서 나는 p-값에 대해 썼습니다. 이것은 수학 통계의 첫 번째 요소입니다.
그 사람이 아이디어를 제시하고 기술적으로 설명하기까지 하면 이 정도면 소매를 걷어붙이기에 충분하지 않습니까(당신이 그것이 유망하다고 생각한다면)? 시간은 고르지 않으며 그에게서 시작 자본이 필요합니다 .. ;-)
100명의 현자들이 논평할 수 없는 아이디어의 저자들에 대해 상기시키고 싶습니다.
다음은 공백을 채우는 것입니다. 아니면 최소한 시도라도 해보세요.
Reshetov는 그의 시스템이 TA가 작동하고 있다는 증거라고 주장합니다. 이것은 그는 TS의 도움으로 증명합니다. 그러나 Reshetov는 처음이 아닙니다. 그러한 증거는 양초를 가진 일본인을 시작으로 약 400년 동안 주어졌습니다.
그건 그렇고, TA의 작업 능력 증명이 부족하거나 TA가 작동하지 않는다는 증거가 있다고 해서 TA를 기반으로 TA를 개발하고 TA를 수입원으로 만드는 것이 가능하다는 사실을 손상시키지 않습니다. TA는 예술입니다. 다른 예술 형식과 마찬가지로 아무도 모르는 수많은 패배자들을 위한 민속 예술가들이 있습니다.
내가 알기로는 Reshetov는 국회를 기반으로 한 TS를 가지고 있습니다. 이것이 사실이라면 NN 적용의 성공은 전적으로 NN을 가르치는 사람에 달려 있기 때문에 이것은 중요합니다. Reshetov는 성공했습니다. 어쩌면 그는 천재일 수도 있고, 떡갈나무에서 떨어졌을 수도 있고, 맥주를 많이 마셨을 수도 있습니다. 우리는 상관하지 않습니다. 그의 기술은 우리에게 전해지지 않을 것입니다. 전체 TA가 정확히 그렇습니다. TA는 원칙적으로 입증되지 않았습니다.
결론.
아마도 당신은 내 관찰 중 하나를 설명할 수 있습니다. 이 포럼(및 다른 포럼)에서 TA에서는 프랙탈 등과 같은 특이한 사항에 대해 논의하지만 TS에서 계량경제학 및 자매 수학적 통계의 사용에 대해서는 논의한 적이 없습니다. 이 포럼에서 "econometrics"라는 단어는 문법적으로 올바르지 않습니다.
한편, 회귀 계수 계산 공식의 방향으로 매우 빠르게 무너진 회귀 방정식에 대한 논의를 기억할 수 있습니다. 이 문제는 TS에서 회귀 사용에 대한 논의에 오지 않았습니다. 통계를 무시하는 것은 사고입니까? 아니면 sie와 co.의 덕분입니까?
:)
TS에서 계량 경제학과 그 자매 수학 통계의 사용은 논의된 적이 없습니다.
아무렇게나
https://www.mql5.com/ru/forum/105771
https://www.mql5.com/ru/forum/105740
https://www.mql5.com/en/articles/222
아무렇게나
https://www.mql5.com/ru/forum/105771
명확하게 명시된 모델이 없기 때문에 계량 경제학과 관련이 없습니다.
https://www.mql5.com/en/forum/105740
새로운 시장 모델이 제안되었습니다. 내 의견으로는 시장에 적용할 수 없는 DSP 전문가가 제안했습니다. 이 모델에 대한 실제 연구는 포럼에서 수행되지 않았습니다.
https://www.mql5.com/en/articles/222
죄송합니다. 동의합니다. "econometrics"에 대한 검색을 실행하면 찾을 수 없습니다. 기사가 상당히 신선하고 포럼이 아닌 기사입니다. 저는 2011년 1월 1일에 제가 옳았다고 주장해야 합니다. 이 자료 또는 이와 유사한 것에 대한 토론은 매우 흥미로울 것입니다. 어떤 경우든 특정 알고리즘과 숫자가 논의될 것이며, 훌륭하지만 개성이 있는 개인의 능력이 아니라 논의될 것입니다.
이 글에 댓글을 달아주시면 다양한 관심과 제안을 받습니다. 첫째, 저자는 자신의 프로그램을 사용했지만 Eview와 가장 중요한 Matlab이 있습니다. 이러한 패키지를 사용하면 문제를 보다 체계적으로 볼 수 있습니다.
마지막 링크에 감사드립니다. 그렇지 않으면 DSP 및 NS의 무지한 사람들, 무지한 사람들 및 전문가들에게 완전히 슬펐습니다.
동료 여러분, 무엇이든 사용하여 모델 매개변수를 조정하는 것은 오래되고 올바른 아이디어 입니다. 예를 들어 저는 베이지안 네트워크를 사용하고 있으며 몇 가지 더 많은 아이디어가 현재 테스트 중입니다. 탬버린과 제의가 있는 춤의 도움으로 이 비즈니스를 조정할 수 있습니다. 질문은 그것이 아닙니다. 무작위성을 확인하여 새로운 수익성 차트를 생성합니다 . 명백한 문제는 육안으로 볼 수 있습니다. 사실 기뻐할 이유가 없습니다.
Martingeil :
코스 뒤에 긴장되지 않는다는 사실.
...
나머지는 더 이상 문제가 아닙니다 - 초등 수학.
타슈켄트에 봄이 왔다는 것이 믿기지 않습니다. 이곳은 눈이 오고 춥습니다.
알마티는 춥습니다. 창 밖은 2월입니다.
수학에 관해서는 다음과 같이 믿는 것은 종교가 아닙니다.
과거에서 미래로 순서대로 A, B, C, D의 4개의 인접한 역사 섹션이 있다고 가정해 보겠습니다.
A, B 및 C의 신호가 D \u003d A + B + C가 되도록 추가되면 D에 대한 신호가 불확실합니다.
A = B + C + D의 다른 세 섹션 신호를 간단히 합산하여 섹션 A에서 자신 있는 거래 신호를 얻습니다.
그러나 우리는 섹션 A가 필요하지 않습니다. 이것은 과거이며 A, B 및 C에 대한 신호가 알려진 경우에만 섹션 D에서 미래를 얻을 수 있습니다.
그런 다음 위의 공식에서 D = A - B - C를 얻습니다.
시세 움직임의 미래 방향에 대한 예측을 기반으로 한 거래 시스템에 대한 실험을 수행해 보겠습니다.
무게 조정 기초 단층 신경망 - 과거 데이터에 대한 퍼셉트론. 이 거래 시스템의 작동 원리는 "거래 시스템을 찾는 방법"이라는 기사에서 자세히 설명했습니다. H1 기간의 차트에서 지난 9개월 이상 동안 EURUSD 통화 쌍에 대한 과거 데이터를 살펴보겠습니다. 3개월 동안 3개의 독립적인 섹션으로 나누겠습니다. 첫 번째 섹션은 최종 테스트를 위해 남겨두고 나머지 두 섹션은 이야기에 맞추기 위해 남겨둘 것입니다. 트레이딩 시스템을 따로 구동하지 않기 위해 바로 2개의 퍼셉트론을 하나의 트레이딩 시스템에 결합했습니다.
그리고 별도의 테스트 및 최적화를 위해 입력 매개변수 전달 에 따라 거래 시스템에 세 가지 작동 모드가 있는 스위치 기능 Supervisor()를 만들었습니다.
1 - 첫 번째 퍼셉트론 피팅 및 테스트 ,
2 - 두 번째 퍼셉트론의 피팅 및 테스트 ,
3 – 최적화가 없는 테스트 모드 또는 데모 또는 실제 예금의 자동 거래 모드에서 두 퍼셉트론의 모순된 판독값을 선별하여 필터링합니다 .
과거 데이터에 맞게 조정된 퍼셉트론 가중치는 x11, x12 … x 42 , p 및 sl 입니다. 입력 매개변수 sl 은 모든 세그먼트에 대해 상수입니다. 바로 이 값에 따라 모든 열린 포지션에 손절매와 이익 수준이 설정됩니다. 또 다른 입력 매개변수 p는 시가 차이에 대한 지연 시간이며 상수이기도 합니다. 시장은 새로운 바 형성 초기에 진입합니다. 패스 입력 매개변수의 값에 따라 시작 가격과 퍼셉트론 판독값에 의해 막대가 열리고 손절 또는 이익실현을 트리거해야만 종료됩니다. 극한값을 찾는 유전적 알고리즘을 이용하여 최적화를 수행하고, 균형 측면에서 최대값을 극값으로 취한다. 알고리즘이 최적화 중에 마진 콜에 걸리지 않도록 하려면 매우 큰 초기 금액(예: $1,000,000)을 취해야 합니다. 입력 매개변수: lot - 로트에서 열린 포지션의 양 및 mn - 고문이 자신의(자신이 개설한) 주문의 관리를 다른 사람의(자신이 열지 않은) 주문 관리를 혼동하지 않도록 하는 고유한 매직 넘버.
첫 번째 단계에서 우리는 입력 변수 p 와 sl 의 값이 무엇이어야 하는지 알아내야 합니다. 이를 위해 우리는 역사의 마지막 두 섹션을 선택합니다. 6개월 전부터 오늘까지. 모든 퍼셉트론 가중치 매개변수를 1단계로 Start = 0에서 Stop = 200 까지의 값으로 설정합니다. p 값은 Start = 3에서 Stop = 100 (1단계), sl 값은 Start = 100에서 Stop =1000(10단계)(또는 10에서 100(4단계의 경우 1단계))입니다. 숫자 따옴표). 통과 값은 1로 설정됩니다. 최적화된 매개변수 x11, x21, x31, x41, p 및 sl 을 선택합니다. 다른 모든 확인란은 비활성화되어야 합니다. 최적화를 시작합니다. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
두 번째 단계. 두 번째 과거 데이터 조각에 첫 번째 퍼셉트론의 가중치를 맞추는 것입니다. 최적화 날짜와 시간을 6개월 전에서 3개월 전으로 설정합니다. 입력 변수 p와 sl에서만 최적화된 매개변수의 확인란을 제거합니다. 최적화를 시작합니다. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
세 번째 단계. 두 번째 퍼셉트론의 가중치를 기록 데이터의 세 번째 조각에 맞추는 것입니다. 다음에서 최적화 날짜 및 시간 설정 3개월 전부터 오늘까지. 최적화된 매개변수 x11, x21, x31, x41의 선택을 취소하고 x12 , x22, x32 및 x42에 대해 설정합니다. 나머지 확인란은 비활성화되어야 합니다. 전달 입력 변수의 값을 2로 설정하십시오. 최적화를 실행하십시오. 피팅이 완료되면 최적의 패스에 따라 입력 매개변수를 설정합니다.
그게 다야, 우리의 거래 시스템은 6개월 전부터 현재까지의 과거 데이터로 조정되었습니다. 입력 매개 변수의 값을 설정 파일에 저장합니다. 통과 입력 변수를 3으로 설정합니다. "사용 날짜"에서 체크 표시를 제거합니다. 테스트를 시작하겠습니다. 우리 는 시험 일정 을 봅니다. 그리고 균형 및 자기자본 곡선은 차트의 오른쪽 부분에서 위쪽으로 향하고 왼쪽 부분에서 아래쪽으로 향하는 경향이 있음을 알 수 있습니다. 이제 균형의 상향 추세가 피팅 샘플 외부 영역에서 발생하는지 확인해야 합니다. 이익 증가가 시작되는 잔액 라인으로 마우스 커서를 가져오고 툴팁의 날짜를 봅니다. 잔액 곡선은 10일을 제외하고 오늘부터 계산하여 거의 9개월 전에 상승하는 경향이 있는 것으로 나타났습니다. 8개월 20일. 그리고 6개월간 현장에서 조정을 진행했습니다. 따라서 성공적인 테스트는 최적화된 샘플링이 이루어집니다. 더 자세히 분석하기 위해 샘플 외부의 동일한 영역을 선택합니다. J. Soros의 기록에 비해 현저히 떨어지지만 결과는 V. Niederhofer의 기록을 능가하지만 전반적으로 상당히 만족스러운 결과입니다.
이력의 일부에서 피팅을 처리했는지 확인하려면 "사용 날짜" 상자를 선택 취소하는 것이 필요하고 충분합니다. 그리고 사용 가능한 전체 기록에 대해 값 1과 2로 EA 테스트를 실행합니다. 이러한 각 모드에서 균형 곡선의 상향 성장은 개별 퍼셉트론이 조정된 섹션 내에서만 관찰됩니다. 역사의 다른 모든 기간에서 우울증으로 끝나는 개별 혹을 제외하고는 긍정적인 역학이 관찰되지 않습니다.
우리가 보았듯이 두 퍼셉트론이 최적화된 이력 데이터 샘플 외부에서 포워드 테스트를 통과하지 못했다는 사실에도 불구하고 조인트 신호의 필터는 이력 데이터에 대해 긍정적인 결과를 제공했으며 피팅 중에는 이에 대해 아무것도 알려지지 않았습니다. 예를 들어 단순 이동 평균의 분석이나 고급 다층 신경망을 기반으로 하는 다른 거래 시스템으로 실험할 수도 있습니다. 거래 시스템이 견고하면 최적화 기간을 벗어난 필터링된 거래 신호에 대해 긍정적인 결과를 제공할 가능성이 더 큽니다. 강력하지 않으면 필터를 켠 상태에서 최적화된 섹션에서도 긍정적인 결과를 제공하지 않을 수 있습니다. 그러나 TS의 견고성은 스프레드, 스왑 및 중개 수수료의 간접비에 비해 부차적입니다. 따라서 상당한 오버헤드 비용으로 전방 테스트에서 긍정적인 결과를 꿈꿀 수 있습니다. 기대는 부정적일 것이다.