Критерий автоматического отбора результатов оптимизации. - страница 3
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
ivandurak писал(а) >>
А как же распределение результатов сделок . Львиная доля прибыли может быть и в начале исследуемого периода . Имхо для начала необходимо договорится о критерии по которому будем отбирать варианты оптимизации, а иначе флуд и опять плевки на спину .Лично мне импонирует - близость результатов торговли к прямой линии на постоянном лоте, но не настаиваю .
С выделенным синим согласен.
С выделенным красным - нет. Прямая линия баланса не является показателем стабильности результатов, особенно если торговля велась постоянным лотом. Прямую линию баланса можно получить также и переменным лотом зависящим от размера SL, выраженный в процентном отношении от условленной начальной суммы капитала (не процент от текущего баланса)
Немного позже попробую изложить соображения по теме ветки.
Мне кажется одним "критерием" необойтись, тут нужен некий баланс критериев.
Может быть и так. Наверно набор критериев полюбому лучше одного. Но с практической точки зрения, хотелось бы один максимально емкий критерий. Никто не мешает же его анализировать в совокупности с чем-то еще?
Вот самый примитивный вариант, который неплохо (на порядок лучше стандартных вариантов, и по скорости и по результату) себя показывает в моем оптимизаторе:
Сначала фильтр по кол-ву сделок, затем просто максимум GP * P * PD/ (GL+MD) ; // выведено просто от балды, чисто интуитивно, после этого и задумался на тему ветки
-Прибыль = P,
-GrossProfit = GP,
-GrossLoss = GL,
-MaxDrawdown (Просадка) = MD,
-Колличество прибыльных сделок = PD, убыточных сделок = LD, Общее количество сделок = AD,
-Колво баров(тиков) тестирования = TIME,
-Макс. прибыльная сделка = MPD, макс. убыточная сделка = MLD
-Серия прибыльных сделок= SPD (в штуках), = SPD$ (в валюте депозита), серия убыточных =SLD, =SLD$
Прибыль, МО, профит фактор. относительная просадка - эти характеристики вычисляются на момент окончания оптимизации, когда принудительно закрывается позиция.
Максимальная просадка - характеристика, которую мы можем использовать как экстремум рисков. Оптимизация может закончится, когда линия баланса находится в горизонтальном канале, образованным максимальной прибылью (к сожалению такая характеристика отсутствует в отчете) и максимальная прибыль минус максимальная просадка. Механизм адаптации советника я приводил выше.
Цель оптимизации - вычислить риски. Знание возможных рисков позволяет применить ММ.
1. Out Of Sample -- т.е. данные (котировки), которые ТС не видела, и результаты работы на этих данных;
2. Матожидание -- средняя прибыль от сделки в пунктах или выбранной валюте;
3. Временной ряд (читай -- котировки).
Котир можно разложить на составляющие его волны, имеющие различные частоты и амплитуды (говорю это для наглядности, а не намекая на практическое разложение с помощью преобразований фурье и др.). Это видно невооруженным взглядом (волны, Элиот тут не причем). Каждая ТС, кем либо писаная и будет написана, есть суть попытка описать поведение конкретной отдельно взятой волны. А так как частота у волн разная, то и количество сделок у разных ТС будет разным, может быть много, может быть мало.
Мне кажется одним "критерием" необойтись, тут нужен некий баланс критериев.
А мне кажется не только одним "критерием" не обойтись, но и неким гипотетическим балансом критериев тоже.
Проведу аналогию с животным миром (прошу прощения, но мой мозг легче оперирует "биологическими" образами) :)
Каждая составляющая котира волна - естественная среда обитания определенного вида. Кто то живет в ровной и скудной растительностью пустыне, а кто то в густых джунглях. У этих видо совершенно разные способы добывания пропитания и способы рационального использования добытой энергии.
Вернемся опять к ТС. Как мы сможем определить, какие из них достойны работать с нашими кровными, а какие нет? На основе одного, пусть и универсального критерия?
Я все больше склоняюсь к идее использования многогокритериальной оптимизации, каждый критерий есть описание определенной популяции, говоря терминами ГА. Таким образом, будут полноценно существовать несколько разных популяций разных видов особей, давая возможность скрещиваться особям из разных популяций, можно усиливать лучшие качества представителей разных видов средствами ГА.
PS Остается описать предложенными FigarO терминами отдельные виды ТС. Что есть самое сложное для меня, с математикой я на Вы. С подобной просьбой я обращался к одному из форумчан, но толи не смог его заинтересовать, толи обратился в неподходящее время.
PPS Формулировка фитнес функции является чуть ли не более важным, чем поиск набора входных данных для НС, это также относится к любой ТС.
Добавлю своё мнение по вопросу.
1) Без множества параметров никак не обойтись, эти параметры берутся из тестера, можно некоторые добавить, но излишние также нужно будет отсеивать, как лишние входы в нейронных сетях(аналогия).
2) Выводя общий коэффициент путём перемножения скорее всего появятся новые множества локальных минимумов, или эти критерии принципиально будут загонять ГА в ложный(не нужный нам) минимум/максимум(разницы нет). Так что про перемножения которое сделал автор ветки несколькими постами выше рекомендую просто забыть. Экспериментировал я с ними, там ничего путного не получится.
3)По сути задача - "многокритериальная оптимизация" или оптимизация по многим критериям одновременно. Из всего прочитанного на эту тему: всё своидится к тому чтобы дать каждому критерию какой-то вес[0;1], и простым линейным уравнением выводить этот общий критерий(Y = a1*x1 + a2*x2+...an*xn) - это тоже в нашем с вами случае приведёт к ложным минимумам, либо придётся проводить сначала отдельное исследование(для каждой стратегии) поверхности, смотреть как влияют веса на минимумы/максимумы, не заходит ли ГА в ложный экстремум(ложный с нашей точки зрения) - вобщем это тоже не тот путь.
Именно по этому Вам(обращаюсь к тем кому интересна ветка) придётся придумать новый способ, которого не будет в книгах.
Проблемы: первым делом надо уйти от размерностей, например процент прибыльных сделок в интервале[0;100], а прибыль теоретически ничем не ограничена, и т.д. Сразу скажу масштабировать не получится(это одно и тоже что и присвоение весов показателям), будет много выбросов которые и будут сваливать ГА в ложный минимум.
Можно критерий оптимизации получить методами генетического программирования, но боюсь, пока вычислительных ресурсов писишек не хватет, хотя разрабы обещают облачные вычисления...
Всё гениальное просто... поэтому, я думаю, не надо ставить сверхзадачи...
Всё гениальное просто... поэтому, я думаю, не надо ставить сверхзадачи...
Согласен. Усложнение не даёт гарантии улучшения результата.