Princípios de trabalho com um otimismo e formas básicas de evitar o encaixe. - página 10
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Portanto, já disse que o testador permite que você altere os parâmetros relativos ao seu extremo. O que isso significa? Suponha que, usando o mesmo testador, tenhamos determinado os valores de alguns parâmetros, nos quais o lucro do Expert Advisor é máximo no intervalo de tempo que está sendo testado. O mercado nesse intervalo de tempo é totalmente conhecido e qualquer uma de suas propriedades mensuráveis determinará seu estado de forma precisa e correta. Após encontrar os parâmetros ótimos que dão o extremo de lucro com a ajuda do testador, fazemos uma mudança em relação a este extremo e observamos a mudança do resultado. No futuro, ocorrerá o quadro oposto: o mercado se afastará de nosso extremo por algum valor e a medida em que este extremo estiver localizado na ampla faixa de rentabilidade definirá a estabilidade do sistema como um todo.
Agora, vamos passar a um gráfico específico:
O grupo de valores localizado em um lugar completamente diferente e gerando lucro menor do que o extremo é de real interesse! O testador, por outro lado, não sabe nada sobre isso e, se lhe for dada a tarefa de buscar o máximo de rentabilidade, encontrará um impulso estatístico insignificante. No futuro, mesmo a menor mudança nos parâmetros do mercado resultará em nós nos encontrarmos aos pés desse pico! Para evitar isso, devemos nos concentrar em faixas estáveis e não em valores específicos de combinações individuais. Só há uma maneira de encontrar um diapasão estável: observando os parâmetros relativos a uma pegada fixa de mercado, formando um mapa de estabilidade 2D ou 3D.
Indiretamente, podemos determinar que podemos estar nos extremos de um pico estatístico e não na zona de estabilidade pela suavidade da tendência da equidade. Somos intuitivamente mais atraídos por um resultado positivo estável e plano (tendência) do que por uma curva recortada com um equilíbrio final ainda maior do que o dos parâmetros gerando um crescimento constante. Isto é explicado pela natureza fractal do processo em questão. Se o processo como um todo for instável ou aleatório, observaremos as mesmas características instáveis em qualquer de seus segmentos, ou seja, escalas: gotas violentas dando lugar a aumentos inesperados.
Aqui está uma boa ilustração deste pensamento. Eu fiz o testador encontrar a combinação de parâmetros mais lucrativa em um Expert Advisor (quase aleatório) sem conhecimento de causa. O resultado é um grande equilíbrio final e algo que se assemelha a um movimento ascendente. Observe que o teste para os mesmos parâmetros na amostra não otimizada (metade esquerda do gráfico) também foi bem sucedido. Isto porque as mudanças de tempo sozinhas não são garantia de estabilidade. Um pico estatístico pode durar muito mais do que nossa janela de busca e, neste caso, o OOS simplesmente o diz. Mas existem outros métodos de turnos de teste que nos permitem analisar adequadamente os resultados, mas mais sobre isso mais tarde.
...Após encontrar os parâmetros ótimos que dão o extremo de lucro com o testador, fazemos uma mudança em relação a este extremo e observamos a mudança no resultado. ...formando um mapa de estabilidade 2D ou 3D.
Lembra-nos das montanhas e planaltos de valores de parâmetros estáveis:
Prog: 3D1V8 - com uma descrição e meu exemplo específico do relatório de otimização de corujas. Para a visualização da seleção do conjunto planar de variáveis externas incluídas na coruja - excelente opção, IMHO. Eu mesmo a utilizo.
Prog: 3D1V8 - com descrição e meu exemplo específico do relatório de otimização de corujas.
A propósito, o testador MT5 tem um display embutido de resultados de otimização em 3D, bem em 2D também, ou seja, você não precisa nem mesmo de software externo para olhar para penhascos e platôs.
No futuro, acontecerá o contrário: o mercado se afastará de nossos extremos em certa medida, e a medida em que este extremo estiver em uma ampla faixa de rentabilidade determinará a estabilidade do sistema como um todo.
Na linguagem das estatísticas significa estabilidade de dispersão, e seu valor é um drawdown. A variabilidade desta variação é a estabilidade do TS.
Por que não usamos a ideologia experimentada e testada e expomos nossos pensamentos em termos de escalada?
A propósito, 3D são três parâmetros do TS, como eu o entendo, e se houver 4, o que pode ser visto?
Traduzido em linguagem estatística, isto significa estabilidade da variância, e sua magnitude é o drawdown. A variabilidade desta variação é a estabilidade do TS.
Por que não usamos a ideologia experimentada e testada e expomos nossos pensamentos em termos de escalada?
A propósito, 3D são três parâmetros do TC, como eu o entendo, e se 4, o que pode ser visto?
3D são dois parâmetros relativos a uma métrica. Qualquer parâmetro pode ser uma métrica, como rentabilidade, fator de lucro, expectativa, etc.
Os gráficos de teste em 2D também são três dimensões, apenas a métrica não tem sua escala, e valores mais altos da métrica são coloridos em cores mais ricas.
4D - é aqui que entra a dificuldade de percepção. Os EAs multiparâmetros formam espaços multidimensionais. E não são fáceis de analisar visualmente. Acredito que devemos usar o método de divisão: se houver 4 parâmetros, construímos quatro parcelas 2D verdadeiras. O eixo Y é o valor da métrica, por exemplo, rentabilidade, o valor X é a otimização do parâmetro. O gráfico que apresentei acima é essencialmente bidimensional, eu apenas desdobrei a superfície para que a terceira dimensão (2 parâmetros de otimização) não seja visível em perspectiva (como um desenho 2D). Analisamos 4 parcelas, procuramos grupos estáveis de valores, depois os colocamos todos juntos e vemos o resultado. O método não é perfeito, particularmente porque os parâmetros se afetam mutuamente e encontrar seus extremos separadamente não é o mesmo que encontrar um grupo estável de valores para todos os parâmetros simultaneamente. Mas não há crescimento exponencial da enumeração e qualquer testador mais simples pode lidar com esta tarefa. Se você tiver alguma sugestão sobre como esta dificuldade poderia ser resolvida graciosamente, por favor, faça-o em um estúdio.
Como estou sem educação especializada neste campo, estou usando meus próprios truques práticos. Não consigo ler livros na língua dos pássaros, devido à falta de um doutorado em matemática.
Faz-me lembrar montanhas e planaltos de valores de parâmetros estáveis:
Prog: 3D1V8 - com uma descrição e meu exemplo específico do relatório de otimização de corujas. Para visualizar a seleção de um conjunto planar de variáveis externas incluídas na coruja é uma ótima opção, IMHO. Eu mesmo a utilizo.
Obrigado pela caminhada. Eu mesmo tenho procurado por algo assim. É que meu WealthLab é terrivelmente defeituoso e faz gráficos de forma intermitente.
Na linguagem das estatísticas significa estabilidade de dispersão, e seu valor é um drawdown. A variabilidade desta variação é a estabilidade do TS.
Há algum método estatístico que nos permita pesquisar analiticamente estes planaltos estáveis?
Mas ainda concordam, mesmo tendo estes métodos analíticos, ainda é necessário um testador, que pelo menos forma aquele espaço de resultados, sobre o qual estes métodos irão trabalhar mais.
Há algum método estatístico que nos permita pesquisar analiticamente estes planaltos estáveis?
Mas ainda concordam, mesmo tendo estes métodos analíticos, o testador ainda é necessário, pelo menos para formar aquele espaço de resultados, no qual estes métodos trabalharão mais.
Você não pode passar sem um testador, pois ele fornece estatísticas que devem ser analisadas
No passado, sem dúvida. A variação deve ser estável. Desvios da variância do mo - a variância da variância dará uma medida de estabilidade.