이론적으로는 허용되지만 ... 다양한 방식으로 구현될 수 있습니다. 그러나 이것은 순수한 물 피팅이 될 것입니다. 미래를 모르는 계산이 필요해
사실 이것은 R. Vince라는 것입니다. 위의 예고편에서 31-32페이지를 참조하십시오. 이 문제를 해결할 수 있는 방법은 없습니다. 모든 경우에 대한 대표적인 샘플을 선택하면 됩니다. 여기에서 춤을 추고 최대 손실 값을 반올림하고 반올림하지 말고 1.5배 하면 끝... 여기까지는 괜찮습니다. 거래 - 또한 500 미만이며 그게 전부입니다 ... 오른쪽 / 왼쪽에 필요한 공차로 최적의 f를 고려하는 것이 이미 가능합니다.
사실 이것은 R. Vince라는 것입니다. 위의 예고편에서 31-32페이지를 참조하십시오. 이 문제를 해결할 수 있는 방법은 없습니다. 모든 경우에 대한 대표적인 샘플을 선택하면 됩니다. 여기에서 춤을 추고 최대 손실 값을 반올림하고 반올림하지 말고 1.5배 하면 끝... 여기 있는 모든 것이 정상입니다.
무언가가 나타나기 시작했습니다. 변수의 절대 값은 중요하지 않지만 MaxZ 의 권장 사항에 따라 f, I의 특정 값에서 더 많이, 더 적게 비교하는 것뿐입니다.첫 번째 페이지에서 이 블록에서 루트를 추가했습니다. TWR의 세 번째 학위 - 오버플로 없이 올바르게 계산됩니다.
for (f = 0.01 ; f<= 1.0 ; f=f+ 0.01 ) //цикл перебора переменной f для поиска оптимального ее значения,при котором TWR-максимально
{
for ( orderIndex = 1 ;orderIndex<Qnt; orderIndex++) //при заданной f проходим по всем закрытым ордерам
{ // и считаем относительный конечный капитал (TWR)TWR = MathPow (TWR*( 1 +f*(-Mas_Outcome_of_transactions[orderIndex]/(D))), 0.33 ); // TWR - это произведение всех HPR
}
if (TWR>TWR_Rez) {
TWR_Rez = TWR;
G= MathPow (TWR_Rez, 0.001988 ); // 1/503 сделки по данной торговой системе, как в книжке: в степени 1/N Print ( " TWR = " ,TWR_Rez, " G = " ,G, " при f = " , f);} // если текущий TWR > результирующего, elsebreak ; // то результирующий делаем равным текущему, иначе переходим на след итерацию цикла по f
}
Print ( "Закрытых позиций = " , Qnt, " Нетто Профит/лосс = " , SUMM, " У последней " ,Qnt, " закрытой позы профит/лосс = " ,
Mas_Outcome_of_transactions[Qnt]);
2. 0부터 1까지 다양한 f 값을 살펴보고 최적의 f를 찾습니다. 최적의 f는 가장 높은 TWR에 해당합니다.
3. f를 찾은 후TWR 의 N번째 근을 취합니다 (N은 총 거래 횟수입니다). 이것은 이 시장 시스템에 대한 기하 평균입니다. 이제 얻은 기하 평균을 사용하여 이 시스템을 다른 시스템과 비교할 수 있습니다. f 값은 주어진 시장 시스템에서 거래할 계약 수를 알려줍니다. f가 발견되면 가장 큰 손실을 음의 최적 /로 나누어 금전적 가치로 변환할 수 있습니다. 예를 들어, 가장 큰 손실이 $100이고 최적 f = 0.25인 경우 -100달러 / -0.25 = $400입니다. 즉, 계정의 $400당 1단위를 베팅해야 합니다. 간단하게 하기 위해 모든 것은 단위를 기준으로 계산할 수 있습니다(예: $5 칩 1개, 선물 계약 1개 또는 100주). 각 단위에 할당할 달러의 수는 최대 손실을 음의 최적 f로 나누어 계산할 수 있습니다. 최적의f는 시스템의 수익성(1단위 기준)과 위험(1단위 기준) 간의 균형입니다. 많은 사람들은 최적의 고정 몫이 할당된 계정의 비율이라고 생각합니다.
무언가가 나타나기 시작했습니다. 왜냐하면. 변수의 절대 값은 중요하지 않지만 MaxZ 의 권장 사항에 따라 f, I의 특정 값에서 더 많이, 더 적게 비교하는 것뿐입니다.첫 번째 페이지에서 이 블록에서 루트를 추가했습니다. TWR의 세 번째 학위 - 오버플로 없이 올바르게 계산됩니다.
저널에서:
나는 그런 조언을 하지 않았다. 이것은 더 귀하의 접근 방식입니다. 가장 중요한 것은 그도 사실로 밝혀졌다는 것입니다.
제가 다시 다 잘못 이해했거나, 테스터에서 Expert Advisor를 처음 실행한 결과와 두 번째로 실행한 결과가 동일합니다. 단 하나의 "BUT"으로: 두 번째로 EA는 최적의 매개변수 f를 계산합니다.
맞습니다. 이 매개변수는 경매에서 로트 수량의 후속 계산에 사용됩니다. 방법은 기하 평균 입니다. 책의 31페이지를 보고 아무 올빼미에게나 실행하고 세어보십시오.
나 자신은 이제 첫 페이지에서 귀하의 권장 사항을 따르고 오버플로를 제외하기 위해 작업을 루트로 나눕니다.
그렇다면 왜 다시 테스트합니까? deinit() 함수에서 가장 수익성이 없는 거래와 거래 횟수를 찾을 수 있고 이 매개변수를 수동으로 입력하지 않는다면?? 즉, 첫 번째 테스트 후 최적의 f를 계산합니다.
아니면 테스터가 이것을 허용하지 않습니까?
그렇다면 왜 다시 테스트합니까? deinit() 함수에서 가장 수익성이 없는 거래와 거래 횟수를 찾을 수 있고 이러한 매개변수를 수동으로 입력하지 않는다면?? 즉, 첫 번째 테스트 후 최적의 f를 계산합니다.
아니면 테스터가 이것을 허용하지 않습니까?
이론적으로는 허용되지만 ... 다양한 방식으로 구현될 수 있습니다. 그러나 이것은 순수한 물 피팅이 될 것입니다. 미래를 모르는 계산이 필요해
이론적으로는 허용되지만 ... 다양한 방식으로 구현될 수 있습니다. 그러나 이것은 순수한 물 피팅이 될 것입니다. 미래를 모르는 계산이 필요해
사실 이것은 R. Vince라는 것입니다. 위의 예고편에서 31-32페이지를 참조하십시오. 이 문제를 해결할 수 있는 방법은 없습니다. 모든 경우에 대한 대표적인 샘플을 선택하면 됩니다. 여기에서 춤을 추고 최대 손실 값을 반올림하고 반올림하지 말고 1.5배 하면 끝... 여기까지는 괜찮습니다. 거래 - 또한 500 미만이며 그게 전부입니다 ... 오른쪽 / 왼쪽에 필요한 공차로 최적의 f를 고려하는 것이 이미 가능합니다.
질문은 다릅니다 - TWR 변수 오버플로를 피하는 방법은 무엇입니까?
사실 이것은 R. Vince라는 것입니다. 위의 예고편에서 31-32페이지를 참조하십시오. 이 문제를 해결할 수 있는 방법은 없습니다. 모든 경우에 대한 대표적인 샘플을 선택하면 됩니다. 여기에서 춤을 추고 최대 손실 값을 반올림하고 반올림하지 말고 1.5배 하면 끝... 여기 있는 모든 것이 정상입니다.
질문은 다릅니다. TWR 변수를 덮어쓰는 것을 피하는 방법은 무엇입니까?
제한 계산 깊이
제한 계산 깊이
어떤가요?
어떤가요?
나는 분석된 거래의 수에 대해서만 이야기하고 있습니다. 실제 또는 가상
무언가가 나타나기 시작했습니다. 변수의 절대 값은 중요하지 않지만 MaxZ 의 권장 사항에 따라 f, I의 특정 값에서 더 많이, 더 적게 비교하는 것뿐입니다. 첫 번째 페이지에서 이 블록에서 루트를 추가했습니다. TWR의 세 번째 학위 - 오버플로 없이 올바르게 계산됩니다.
저널에서:
나는 분석된 거래의 수에 대해서만 이야기하고 있습니다. 실제 또는 가상
나는 2002년부터 현재까지의 시가로 테스터에서 모든 계산을 합니다. 온도 2011 - 503, 최대 죽임 무역 = -628.
결과가 더 높습니다. 이제 고문의 다른 변종을 확인하고 있습니다.
다음은 원본 소스(31페이지)에서 이 문제를 해결하는 방법의 텍스트입니다.
우리는 최고의 거래 시스템이 기하 평균이 가장 높은 시스템이라는 것을 보았습니다. 기하 평균을 계산하려면 f를 알아야 합니다. 따라서 우리의 행동을 단계별로 설명하겠습니다.
1. 주어진 시장 시스템에서 거래의 역사를 가져 가라.
2. 0부터 1까지 다양한 f 값을 살펴보고 최적의 f를 찾습니다. 최적의 f는 가장 높은 TWR에 해당합니다.
3. f를 찾은 후 TWR 의 N번째 근을 취합니다 ( N 은 총 거래 횟수입니다). 이것은 이 시장 시스템에 대한 기하 평균입니다. 이제 얻은 기하 평균을 사용하여 이 시스템을 다른 시스템과 비교할 수 있습니다. f 값은 주어진 시장 시스템에서 거래할 계약 수를 알려줍니다. f가 발견되면 가장 큰 손실을 음의 최적 /로 나누어 금전적 가치로 변환할 수 있습니다. 예를 들어, 가장 큰 손실이 $100이고 최적 f = 0.25인 경우 -100달러 / -0.25 = $400입니다. 즉, 계정의 $400당 1단위를 베팅해야 합니다. 간단하게 하기 위해 모든 것은 단위를 기준으로 계산할 수 있습니다(예: $5 칩 1개, 선물 계약 1개 또는 100주). 각 단위에 할당할 달러의 수는 최대 손실을 음의 최적 f로 나누어 계산할 수 있습니다. 최적의 f 는 시스템의 수익성(1단위 기준)과 위험(1단위 기준) 간의 균형입니다. 많은 사람들은 최적의 고정 몫이 할당된 계정의 비율이라고 생각합니다.무언가가 나타나기 시작했습니다. 왜냐하면. 변수의 절대 값은 중요하지 않지만 MaxZ 의 권장 사항에 따라 f, I의 특정 값에서 더 많이, 더 적게 비교하는 것뿐입니다. 첫 번째 페이지에서 이 블록에서 루트를 추가했습니다. TWR의 세 번째 학위 - 오버플로 없이 올바르게 계산됩니다.
저널에서: