Fenômenos de mercado - página 61
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
O Swinosaurus era o pai daquele ramo, mas o interessante é, como disse Mathemat, no meio até o fim do ramo. E isso, de modo geral, não é mérito dele, mas
Yurixx, Mathemat, Candidato, MetaDriver , etc. Leia-o, você vai achá-lo interessante.
A sexta-feira acabou de começar e estão nela desde quinta-feira...
Somente o Neutron ilustrou algo sensato.
2 Neutron. O próximo passo é ver a distribuição de intervalos do "segundo" processo. Mostre-me, por favor!
rsi:
O próximo passo é olhar para a distribuição do intervalo de tempo do processo "segundo".
Estou cavando.
O interessante é que a equidade do TS baseado nesta idéia está realmente se rastejando para cima. Estou olhando para a aleatoriedade da situação. É claro que provavelmente não é, mas é fascinante!
E com a análise de regressão não-linear, o que você pode determinar neste caso?
Para começar, a tarefa deve ser dividida em partes:
1. Com base no fato de que se tivermos otimizado o TS, seus testes de avanço bem sucedidos estão lotando em certos lugares, ou seja, se o fator de lucro for 1,6 ou superior, o teste de avanço é mais provável que seja um dreno, se estiver abaixo de algum valor, então também é um dreno. Se o drawdown no ponto de otimização exceder um certo limite, é mais provável que o teste de avanço seja mal sucedido. O mesmo ocorre com o pagamento esperado. Sem importância, em comparação com a dispersão, o pagamento esperado nos resultados de otimização leva a testes futuros sem sucesso. Ou seja, temos algumas dependências entre os resultados da otimização e o sucesso dos testes futuros e, portanto, precisamos ser mais precisos. Vamos procurar nos livros de referência para encontrar um método apropriado (contextualmente relevante) para os estudos. Descobrimos, por exemplo, que em nosso contexto, a regressão logística seguida pela análise ROC parece ser apropriada, ou seja, permite calcular a probabilidade de sucesso de um evento (teste de avanço) dependendo de suas características (parâmetros de ajuste). Teoricamente se encaixa, embora eu não tenha certeza, pois a regressão logística mais comum é linear, e seria melhor levá-la a uma forma não linear. Mas isto é especulação até agora, é bem possível que a linearidade possa ser mais do que suficiente.
2. Temos o segmento inicial do teste de avanço e precisamos construir seu modelo matemático usando uma regressão não linear para extrapolação, por exemplo, usando OLS ou aproximação de polinômios de potência.
3. temos os dados no item 1 e o modelo no item 2. Examine o modelo no item 2 para um desvio (resíduos na terminologia econométrica) do segmento forward conhecido do modelo. Investigue as características do intervalo conhecido do teste prospectivo e seus desvios e tire dados do passo 1 e realize análises, por exemplo, usando a regressão logística descrita acima, calcule uma probabilidade de que o teste prospectivo não se esgote e tenha um potencial suficiente para a negociação lucrativa no futuro (caso contrário, devemos novamente otimizar tudo e procurar outro teste prospectivo bem sucedido).
Este é aproximadamente o plano para a pesquisa de testes futuros.
Para começar, a tarefa deve ser dividida em partes:
1. Com base no fato de que se tivermos otimizado o TS, seus testes de avanço bem sucedidos estão lotando em certos lugares, ou seja, se o fator de lucro for 1,6 ou superior, o teste de avanço é mais provável que seja um dreno, se estiver abaixo de algum valor, então também é um dreno. Se o drawdown no ponto de otimização exceder um certo limite, é mais provável que o teste de avanço seja mal sucedido. O mesmo ocorre com o pagamento esperado. Sem importância, em comparação com a dispersão, o pagamento esperado nos resultados de otimização leva a testes futuros sem sucesso. Ou seja, temos algumas dependências entre os resultados da otimização e o sucesso dos testes futuros e, portanto, precisamos ser mais precisos. Vamos procurar nos livros de referência para encontrar um método apropriado (contextualmente relevante) para os estudos. Descobrimos, por exemplo, que em nosso contexto, a regressão logística seguida pela análise ROC parece ser apropriada, ou seja, permite calcular a probabilidade de sucesso de um evento (teste de avanço) dependendo de suas características (parâmetros de ajuste). Teoricamente se encaixa, embora eu não tenha certeza, pois a regressão logística mais comum é linear, e seria melhor levá-la a uma forma não linear. Mas isto é especulação até agora, é bem possível que a linearidade possa ser mais do que suficiente.
2. temos um segmento inicial do teste de avanço e precisamos construir um modelo matemático usando uma regressão não linear para extrapolação, por exemplo, usando OLS ou aproximação de polinômios de potência.
3. temos os dados no item 1 e o modelo no item 2. Examine o modelo no item 2 para ver se há desvios (resíduos na terminologia econométrica) do segmento dianteiro conhecido do modelo. Investigue as características do intervalo conhecido do teste prospectivo e seus desvios e tire dados do passo 1 e realize análises, por exemplo, usando a regressão logística descrita acima, calcule uma probabilidade de que o teste prospectivo não se esgote e tenha um potencial suficiente para a negociação lucrativa no futuro (caso contrário, devemos novamente otimizar tudo e procurar outro teste prospectivo bem sucedido).
Este é aproximadamente o plano para a pesquisa de testes futuros.
Tudo está bem se seu TS converter uma cotação não estacionária em um lucro estacionário.
E se o lucro é não-estacionário, isso é uma coisa ruim?
Para começar, a tarefa deve ser dividida em partes:
1. Com base no fato de que se tivermos otimizado o TS, seus testes prospectivos bem sucedidos estão lotando em certos lugares, ou seja, se o fator de lucro for 1,6 ou superior, então o teste prospectivo tem maior probabilidade de falhar, se estiver abaixo de algum valor, então ele também está falhando. Se o drawdown no ponto de otimização exceder um certo limite, é mais provável que o teste de avanço seja mal sucedido. O mesmo ocorre com o pagamento esperado. Sem importância, em comparação com a dispersão, o pagamento esperado nos resultados de otimização leva a testes futuros sem sucesso. Ou seja, temos algumas dependências entre os resultados da otimização e o sucesso dos testes futuros e, portanto, precisamos ser mais precisos. Vamos procurar nos livros de referência para encontrar um método apropriado (contextualmente relevante) para os estudos. Verificamos que, em nosso contexto, a regressão logística seguida pela análise ROC parece ser apropriada, ou seja, permite calcular a probabilidade de sucesso de um evento (teste de avanço) dependendo de suas características (parâmetros de ajuste). Teoricamente se encaixa, embora eu não tenha certeza, pois a regressão logística mais comum é linear, e seria melhor levá-la a uma forma não linear. Mas isto é especulação até agora, é bem possível que a linearidade possa ser mais do que suficiente.
2. temos um segmento inicial do teste de avanço e precisamos construir seu modelo matemático usando uma regressão não linear para extrapolação, por exemplo, usando OLS ou aproximação de polinômios de potência.
3. Temos os dados do passo 1 e o modelo do passo 2. Examine o modelo do passo 2 para verificar se há desvio (resíduos de acordo com a terminologia econométrica) do segmento dianteiro conhecido do modelo. Investigue as características do intervalo conhecido do teste prospectivo e seus desvios e tire dados do passo 1 e realize análises, por exemplo, usando a regressão logística descrita acima, calcule uma probabilidade de que o teste prospectivo não se esgote e tenha um potencial suficiente para a negociação lucrativa no futuro (caso contrário, devemos novamente otimizar tudo e procurar outro teste prospectivo bem sucedido).
Este é aproximadamente o plano para a pesquisa de testes futuros.
Embora eu esteja familiarizado com MQL e programação em geral há apenas dois meses e não saiba muito, mas ainda acho que é tecnicamente muito difícil testar esta idéia usando MQL.
Aqui precisamos que o testador se chame quando estiver testando. Embora, alternativamente, você possa utilizar testadores de dois terminais, se for possível (e se for de todo possível iniciar o testador a partir do Expert Advisor).
E se os lucros são instáveis, isso é uma coisa ruim?
A avaliação do ISC é insustentável.
Não seja ridículo! O que o ISC tem a ver com isso? O que a estacionaridade e a não estacionaridade têm a ver com isso?
Você está pegando palavras e deixando-as cair onde quer que vá... Você já ouviu o som, mas não sabe onde ele está.