그건 확실합니다 ... 그리고 모든 원자 db. 별도로 테스트하고 견고성 기준을 통과합니다.
저것들. 시스템 전체의 견고성과 시스템 내의 개별 구성 요소를 모두 평가할 필요가 있습니다. 평가 전체를 위해 데이터 그룹화 방법을 사용하는 것이 논리적입니다. 우리는 모든 데이터를 부분으로 나누고 다른 영역의 지표를 비교합니다. 일치(또는 약간 변경)되면 윙윙거리는 소리가 납니다. 우리가 어떤 지표를 비교하는지도 중요합니다. 지표는 시스템 결과의 "양호도"를 측정해야 합니다. IMHA, 다양한 복잡한 지표를 만들거나 Sharpe 또는 Sortino와 같은 표준 지표를 사용할 수 있습니다. 모두 특정 장점과 단점이 있습니다. 따라서 단순한 유형의 이익 요소를 취하는 것이 좋습니다. 데이터를 그룹화할 수 있습니다. 변화 있는. 가장 쉬운 방법은 시스템 수익을 N개의 동일한 연속 섹션으로 나누는 것입니다. 무작위로 그룹화할 수 있습니다. 별도로, 논리는 여전히 동일하지만 기준을 그룹화하고 비교하는 샘플이 없는 테스트가 있습니다. 차이점은 최적화가 샘플 외에서 수행되지 않았다는 것입니다. 그러나 시스템의 각 요소를 개별적으로 확인하는 것이 더 유망한 것 같습니다. 그 의미는 부분표본의 비교에도 있지만 그 형성의 기준은 평가의 대상이다. 저것들. 예를 들어, 시스템 특정 필터를 고려하십시오. 변동성을 보자. 변동성이 증가하면 시스템이 더 잘 작동한다고 가정합니다. 예를 들어 ATR>X와 같은 시스템 필터를 형성하고 X가 증가함에 따라 목표 지표(이익 계수)가 어떻게 변하는지 확인합니다. X PF를 증가시키는 각 단계에서 증가하면 이 필터가 작동(강력)할 가능성이 높습니다. 물론 X가 증가함에 따라 거래 건수는 줄어들고 총 이익은 줄어들고 특정 X를 선택하는 것은 거래 빈도(이익)와 위험 사이의 절충안이다. 저것들. 요인 강도의 변화와 함께 목표 지표의 변화의 일관성과 부드러움이 평가됩니다. X가 증가함에 따라 PF가 증가하거나 감소한다면 이는 우리의 가정이 정확하지 않거나 다른 방식으로 변동성 필터를 구성해야 함을 의미합니다. 유사한 논리 및 예를 들어 입력 레벨을 선택할 때. 예를 들어, 우리가 입력하는 계산된 수준이 있습니다. 우리는 인위적으로 매개변수를 도입합니다. 즉, 이 수준에서 포인트 단위로 오프셋됩니다. 예를 들어 목표 레벨이 L이고 L + X를 수행하고 X가 예를 들어 -20에서 +20으로 변경될 때 PF가 어떻게 변하는지 관찰하기 시작합니다. 레벨 L을 선택하는 방법이 최적인 경우 PF는 정확히 최대값(X=0)이 되며, 레벨 L에서 멀어질수록 이점이 없을 때까지 지속적으로 감소합니다. 저것들. 아이디어는 시스템을 톱니로 분해하고 시스템의 모든 사람의 견고성을 확인하는 것입니다. 불필요한 것을 버리고 의심스러운 것을 바꾸십시오.
물론 실제로는 필터가 아닌 시스템 매개변수가 있습니다. 예를 들어 Mashka 매개 변수 (누군가 그것을 사용하는 경우 :)) 물론 수익성은 기간의 증가 또는 감소와 함께 여기에 증가해서는 안되지만 선의 극한 영역에서도 원활해야합니다 레벨이 있는 예와 같이 증가 및 감소합니다.
음, 또 다른 중요한 측면은 시스템이 벌어들이는 수익이 무엇인지 또는 귀하가 수익을 올린 곳에서 다른 사람들이 병합되는 이유를 이해하는 것입니다.)))
죽 - 아마도 완전히 정확하지 않을 것입니다. porridge는 특정 동질성을 의미합니다... 오히려 스튜 또는 vinaigrette... 그러나 쌍의 가격을 움직이고 그 움직임을 "부조화"하게 만드는 것은 이질적인 TS의 vinaigrette입니다 :)) 그러나 이것은 가사입니다.
고요히. 이것은 topikstarter에서 제안했으며 방금 동의했습니다.
그래서 그런가? 건설적으로 일하자는 제안이 나오자 마자 정직하게 대답하고 과대망상증에 대한 비난을 즉시 따릅니까?
아마도 불결한 매니아가 있을 것입니다.
수락됨.
우리는 모욕 없이 장점을 계속합니다.
나머지는 포인트...
동시에 매달린 로트 - 동시에 SL과 TP 사이에 매달린 열린 위치의 양....
누적 손절매 - "잡을 수 있는" 모든 무스의 합계와 "현재"는 그러한 균형입니다. 이는 이러한 잠재적인 무스가 있는 포즈가 열린 순간에 계정에 있었습니다...
모두.
나는 나 없이는 연구의 가능한 목적에 대한 모든 아이디어를 잃어 버렸습니다.
모두.
나는 나 없이는 연구의 가능한 목적에 대한 모든 아이디어를 잃어 버렸습니다.
레쉬, 당신이 이것을 쓴 표정을 상상했을 때 나는 그저 웃었습니다. 젠장, 눈물에 ... 와우 ...
그건 그렇고, 다음은 어디입니까?
당신과 함께 나를 데려가))))
임호.
1) 최적화된 TS는 일정한 로트에서 작동해야 합니다.
2) 한 번에 한 위치 이상, 그렇지 않으면 실제로 이미 두 대 이상의 차량입니다.
...........
해안의 특정 지점에 즉시 동의하고 이론 철학자들이 다른 분야의 맞춤/최적화의 차이점에 대해 논하도록 하는 것이 정말로 필요합니다.
흠 ... 해안에서 멀어 질 기회가 있습니까 ...? 그러나 동의하려고 노력합시다 ...
- 최적화된 차량은 많은 작업을 수행할 수 있습니다. 원하는 것이 무엇이든 ... 맥락에서 그것은 중요하지 않습니다 ...
- 임의의 수의 로트 - 임의의 방향으로
- 최적화를 위해 얼마나 많은 조정이 필요하더라도
- 이 프로세스를 피팅이라고 하며 최적화가 필수적이지 않습니다.
MTS 비교의 경우 시작 저장소의 크기와 -부터 ...까지의 기간만 ...
그러나 실제로이 주제에서 이것은 부차적입니다 ... 작업은 제목에 선언되어 있습니다 ...
확장: ... 예를 들어 ... 1 그램은 1 입방 데시미터의 물 무게의 1000분의 1이라는 것에 대해 논의하고 가능하면 개발 및/또는 합의에 도달해야 합니다... :) ... 그리고 이 그램은 고문의 IQ를 측정할 수 있습니다.
일반적인 테스트 결과(PF, MO...)와 모든(아마도 인공적인) 결과를 모두 고려하여 어드바이저 작업의 품질이나 세트의 최적성을 반영하는 무차원 계수를 찾자... 제발 발언권 - 선택 시 어떤 요소에 주의를 기울이나요?
의견을 말하십시오 - 선택할 때 어떤 요소에주의를 기울이십니까?
나는 나 자신을 반복하고 싶지 않습니다. 첫 페이지에 이미 링크를 제공했습니다.
읽어 봤니? 만일을 위해, 나는 반복할 것이다 .
이 기술은 작동하지만 내가 원하는 대로 작동하지 않습니다. 예, 그 이후로 다리 아래로 많은 물이 흘렀습니다. 엑셀 포기...
............
관심이 있고 구체적인 질문이 있는 경우 토론할 준비가 되어 있습니다.
흠 ... 해안에서 벗어날 기회가 있습니까 ...? 그러나 동의하려고 노력합시다 ...
- 최적화된 차량은 많은 작업을 수행할 수 있습니다. 원하는 것이 무엇이든 ... 맥락에서 그것은 중요하지 않습니다 ...
- 임의의 수의 로트 - 임의의 방향으로
이러한 아이디어를 구현하는 99.9%의 사람들을 위한 최적의 최적화 기준 을 선택하는 이러한 아이디어가 긍정적인 결과로 이어지지 않는 이유가 궁금하신가요?
그러나 헛된.
무엇인가를 이해하기 위해서는 최대한 단순화할 필요가 있다. 그것을 벽돌로, 원자로...
그리고 당신은 반대 방향으로 행동합니다. 많은 양으로, 어떤 방향으로든. 오트밀 죽.
따라서 이 시점에서 우리는 절대 동의하지 않을 것입니다.
무언가를 이해하려면 가능한 한 단순화해야 합니다. 그것을 벽돌로, 원자로...
그건 확실합니다 ... 그리고 모든 원자 db. 별도로 테스트하고 견고성 기준을 통과합니다.
저것들. 시스템 전체의 견고성과 시스템 내의 개별 구성 요소를 모두 평가할 필요가 있습니다.
평가 전체를 위해 데이터 그룹화 방법을 사용하는 것이 논리적입니다. 우리는 모든 데이터를 부분으로 나누고 다른 영역의 지표를 비교합니다. 일치(또는 약간 변경)되면 윙윙거리는 소리가 납니다. 우리가 어떤 지표를 비교하는지도 중요합니다. 지표는 시스템 결과의 "양호도"를 측정해야 합니다. IMHA, 다양한 복잡한 지표를 만들거나 Sharpe 또는 Sortino와 같은 표준 지표를 사용할 수 있습니다. 모두 특정 장점과 단점이 있습니다. 따라서 단순한 유형의 이익 요소를 취하는 것이 좋습니다.
데이터를 그룹화할 수 있습니다. 변화 있는. 가장 쉬운 방법은 시스템 수익을 N개의 동일한 연속 섹션으로 나누는 것입니다. 무작위로 그룹화할 수 있습니다.
별도로, 논리는 여전히 동일하지만 기준을 그룹화하고 비교하는 샘플이 없는 테스트가 있습니다. 차이점은 최적화가 샘플 외에서 수행되지 않았다는 것입니다.
그러나 시스템의 각 요소를 개별적으로 확인하는 것이 더 유망한 것 같습니다. 그 의미는 부분표본의 비교에도 있지만 그 형성의 기준은 평가의 대상이다.
저것들. 예를 들어, 시스템 특정 필터를 고려하십시오. 변동성을 보자. 변동성이 증가하면 시스템이 더 잘 작동한다고 가정합니다. 예를 들어 ATR>X와 같은 시스템 필터를 형성하고 X가 증가함에 따라 목표 지표(이익 계수)가 어떻게 변하는지 확인합니다.
X PF를 증가시키는 각 단계에서 증가하면 이 필터가 작동(강력)할 가능성이 높습니다. 물론 X가 증가함에 따라 거래 건수는 줄어들고 총 이익은 줄어들고 특정 X를 선택하는 것은 거래 빈도(이익)와 위험 사이의 절충안이다. 저것들. 요인 강도의 변화와 함께 목표 지표의 변화의 일관성과 부드러움이 평가됩니다.
X가 증가함에 따라 PF가 증가하거나 감소한다면 이는 우리의 가정이 정확하지 않거나 다른 방식으로 변동성 필터를 구성해야 함을 의미합니다.
유사한 논리 및 예를 들어 입력 레벨을 선택할 때. 예를 들어, 우리가 입력하는 계산된 수준이 있습니다. 우리는 인위적으로 매개변수를 도입합니다. 즉, 이 수준에서 포인트 단위로 오프셋됩니다. 예를 들어 목표 레벨이 L이고 L + X를 수행하고 X가 예를 들어 -20에서 +20으로 변경될 때 PF가 어떻게 변하는지 관찰하기 시작합니다.
레벨 L을 선택하는 방법이 최적인 경우 PF는 정확히 최대값(X=0)이 되며, 레벨 L에서 멀어질수록 이점이 없을 때까지 지속적으로 감소합니다.
저것들. 아이디어는 시스템을 톱니로 분해하고 시스템의 모든 사람의 견고성을 확인하는 것입니다. 불필요한 것을 버리고 의심스러운 것을 바꾸십시오.
물론 실제로는 필터가 아닌 시스템 매개변수가 있습니다. 예를 들어 Mashka 매개 변수 (누군가 그것을 사용하는 경우 :)) 물론 수익성은 기간의 증가 또는 감소와 함께 여기에 증가해서는 안되지만 선의 극한 영역에서도 원활해야합니다 레벨이 있는 예와 같이 증가 및 감소합니다.
음, 또 다른 중요한 측면은 시스템이 벌어들이는 수익이 무엇인지 또는 귀하가 수익을 올린 곳에서 다른 사람들이 병합되는 이유를 이해하는 것입니다.)))
이러한 아이디어를 구현하는 99.9%의 사람들을 위한 최적의 최적화 기준을 선택하는 이러한 아이디어가 긍정적인 결과로 이어지지 않는 이유가 궁금하신가요?
그러나 헛된.
무언가를 이해하려면 가능한 한 단순화해야 합니다. 그것을 벽돌로, 원자로...
그리고 당신은 반대 방향으로 행동합니다. 많은 양으로, 어떤 방향으로든. 오트밀 죽.
따라서 이 시점에서 우리는 절대 동의하지 않을 것입니다.
... 오, 아니, 이 아이디어의 저자 중 99.9%의 "아무" 아이디어가 결과로 이어지지 않는 이유에 대해서도 생각했습니다... :))
그리고 무언가를 이해하기 위해 모든 것을 원자로 분산시킨 다음 그것을 분할하고 ... 더 ... 더 깊게 ... 등등 ... 그림을 실제로 평가할 필요가 전혀 없습니다 (Repin 가정 :) 개별 픽셀 공부?? 파괴적이야... 알았지? 하자. 건설적으로.
여기에서 우리는 유휴 배기 가스를 읽습니다 ...
죽 - 아마도 완전히 정확하지 않을 것입니다. porridge는 특정 동질성을 의미합니다... 오히려 스튜 또는 vinaigrette... 그러나 쌍의 가격을 움직이고 그 움직임을 "부조화"하게 만드는 것은 이질적인 TS의 vinaigrette입니다 :)) 그러나 이것은 가사입니다.
선반에서 주제에 대한 특정 고려 사항을 배치해 보겠습니다.
... 따라서 단순한 유형의 이익 요소를 취하는 것이 좋습니다.