Precisa de ajuda para otimizar o resultado - página 4
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
Muito obrigado por seu tempo!! Agradeço muito por isso
então pelos seguintes resultados de teste eu tive muita sorte ??
a quantidade máxima de negócios perdidos consecutivos durante todo este período (de aproximadamente 23 grupos de 50 negócios - não consegui espremer tudo em um teste) foi de 41 (o que pode dividir em dois grupos de 50 negócios)
Eu deveria ter visto esse tipo de drawdown com mais freqüência ?
eventualmente, se eu continuar "jogando" este jogo, eu terei 9% do tempo que esse tipo de greve perdida ?
Agora mais uma coisa
de acordo com este relatório
a chance média para mim de ter um comércio lucrativo é de 8,85% e um comércio perdedor é de 91,15%.
portanto, de acordo com isto a chance de ter 50 perdas consecutivas é: 0,9115^50 = 0,97% ...
que está bem longe dos 9% ... como isso pode ser ??
Se eu perdesse por 95,3% do tempo seria correto, e com tal porcentagem minha expectativa seria negativa O_O
Ex= 0,953*(-23)+0,047*(247) = -10,31 pips lucro por comércio
É importante entender que as estatísticas computadas e relatadas no relatório automatizado são "específicas da série temporal". Significa que elas são literalmente relevantes apenas na previsão de características comerciais futuras, desde que o próprio mercado tenha as mesmas características de série temporal...., o que, por razões óbvias, nunca acontece de fato.
Você pode realmente se perder sem esperança ao tentar adivinhar o futuro a partir das estatísticas de um relatório de retaguarda. Na pior das hipóteses, os resultados do backtesting são completa e totalmente inúteis, na melhor das hipóteses se você tiver preparado corretamente a forma de backtesting, então você pode gerar algumas pepitas de dados que lhe permitem falar com coisas que não deveriam estar relacionadas com a série temporal utilizada no backtesting.
Basta lembrar que você NÃO está lidando com um processo estacionário. Praticamente todas as estatísticas que você pode encontrar calculando com base no backtesting são irrelevantes para fornecer indicação de resultados futuros porque a distribuição pai nunca é totalmente amostrada (não pode ser porque ainda não existe, o tempo cria mais espaço não amostrado) e as estatísticas da distribuição mudam, tais como a média e o desvio padrão.
É com isto em mente que se supõe ver os cálculos de Risco de Perda como um resultado "melhor caso", pois é mais provável que o desvio padrão seja mais amplo na realidade do que o que foi gerado a partir da amostragem limitada encontrada durante o backtesting.
olá novamente :)
Eu mudei o período de amostra de grupos de 50 negócios para o cálculo por mês e vim com os seguintes resultados :
supondo que esses valores sejam distribuídos normalmente ( o que pode não ser o fato aqui )
1. Existe uma maneira de fatorar a inclinação e curtose no cálculo ROR?
2. Esta é realmente uma distribuição normal ?? Se não, como pode ser tratada ?
olá novamente :)
Eu mudei o período de amostra de grupos de 50 negócios para o cálculo por mês e vim com os seguintes resultados :
supondo que esses valores sejam distribuídos normalmente ( o que pode não ser o fato aqui )
1. Existe uma maneira de fatorar a inclinação e curtose no cálculo ROR?
2. Esta é realmente uma distribuição normal ?? Se não, como pode ser tratada ?
Uma frase com a qual você pode não estar familiarizado é "aí está o busílis" que suponho que se traduza vagamente em algo como "o diabo está nos detalhes", na medida em que uma vez que você percebe os detalhes que lhe importam, então percebe que é um diabo para lidar.
Sim, você está assumindo uma distribuição normal quando na verdade seus resultados não são representativos de uma distribuição normal.
Por falar nisso, totalmente um tópico lateral, mas você pode descobrir que seus histogramas lhe servem melhor se você otimizar o tamanho do lixo.
Histograma Otimização da largura do silo
Eu implementei este código na MQL, posso até tê-lo carregado aqui se você verificar meus posts. Mas eu direi que se você decidir persegui-lo, esta é uma daquelas coisas em que você realmente precisa mergulhar e ensinar a si mesmo, caso contrário você não entenderá realmente por que um histograma otimizado de largura de lixeira é útil ou especial.
Voltando ao seu assunto, o ponto-chave que você descobriu é que quando você realiza análises estatísticas sobre seus resultados dos testes de retaguarda, muitas vezes você usará estatísticas que só são rigorosamente verdadeiras se seus dados forem amostras retiradas de uma distribuição gaussiana. Quando as pessoas tendem a falhar em seus esforços naquele momento, está testando esta suposição, verificando se elas têm alguma legitimidade em aplicar estatísticas de distribuição normalizadas em suas análises.
Neste ponto, você chega a uma bifurcação no caminho... você pode optar por buscar resultados "estatisticamente caracterizáveis", descartando talvez os resultados aparentemente ótimos por razões que não estejam de acordo com as estatísticas de distribuição normalizadas, ou você busca métodos mais generalizados de análise de seus resultados de backtesting, de tal forma que os métodos sejam robustos e forneçam a você métricas significativas e úteis para prever resultados futuros.
Aqui está um exemplo de uma análise que realizei a partir da qual tive minha epifania a respeito da tolice de usar estatísticas de distribuição normalizadas em minhas caracterizações de backtest:
Os pontos vermelhos são pontos de referência, a linha verde sólida é a função gaussiana mais adequada aos pontos de dados vermelhos, a linha azul clara é a função de distribuição gaussiana generalizada mais adequada.
Você está matematicamente inclinado e não intimidado com a busca do campo de análises estatísticas além do da distribuição tradicional baseada na gaussiana? Ou é mais provável que você não encontre sua paixão e estilo e, como tal, prefira simplesmente descartar e ignorar estes resultados aparentemente estranhos e buscar caracterizar os que se conformam com as métricas mais facilmente interpretáveis?
Neste ponto não há consenso em qual caminho você deve escolher, é mais uma questão de personalidade e paixão. Faça o que parece natural e fácil.
O lucro não é um bom parâmetro de otimização, fator de lucro e drawdown dizem mais sobre uma estratégia...
Vou secundar isso e talvez recentrar o pensamento no fio...
Uma boa estratégia não deveria precisar de muita otimização...?
Se você estiver escalando, deve haver um nível observado de TP & SL que você estará buscando
Se o grid-trading, os TP & SL são evidentes, como o são com o range-trading
Swing trading precisará de paradas baseadas em ATR ou Fibo
As posições comerciais serão muito poucas para produzir qualquer estatística significativa sobre otimização, portanto...
O que estamos procurando?
Se uma estratégia não for (na verdade) completa, será que a otimização realmente vai fazer a diferença?
FWIW
-BB-