Феномены рынка - страница 61
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
Свинозавр был родителем той ветки, но самое интересное, как сказал Mathemat, в середине-конце ветки. И то, интересное, по большому счету, не его заслуга, а
Yurixx, Mathemat, Candid, MetaDriver и др. Почитай, тебе будет интересно.
Пятница только началась, а они уже с четверга...
Только Neutron что-то дельное проиллюстрировал.
2 Neutron. Напрашивается же следующий шаг - посмотреть распределение интервалов времени появления "второго" процесса. Покажите, пожалуйста!
rsi:
Напрашивается же следующий шаг - посмотреть распределение интервалов времени появления "второго" процесса.
Ковыряюсь.
Тут интересное видно - реально эквити ТС построенной на этой идее вверх ползёт. Смотрю насколько это случайность... Понятно, что всё скорее всего не так, но ведь захватывает!
А при помощи нелинейного регрессионного анализа вы в данном случае что можно определять?
Для начала необходимо разбить задачу на части:
1. На основании того факта, что если мы выполнили оптимизацию ТС, то успешные ее успешные форвардные тесты скучиваются в определенных местах, т.е. например, если профит-фактор 1.6 и выше, то форвардный тест скорее всего сливной, если ниже какой-то величины, то тоже сливной. Если просадка на участке оптимизации превышает некоторый предел, то форвардный тест будет с высокой вероятностью неуспешным. Тоже самое с матожиданием. Незначительное по сравнению со спредом матожидание в результатах оптимизации предшествует неуспешным форвардным тестам. Т.е. зависимости между результатами оптимизации и успешностью форвардных тестов какие-то мы имеем, а следовательно нам все это нужно более точно сформулировать. Лезем в справочники, чтобы подыскать подходящий (соответствующий контексту) метод для исследований. Нашли например, что для нашего контекста вроде бы подходит логистическая регрессия с последующим ROC анализом, т.е. она позволяет вычислять вероятность успешности того или иного события (форвардного теста) в зависимости от его признаков (параметров подгонки). Теоретически подходит, хотя я не уверен, т.к. наиболее распространенная логистическая регрессия линейна, а лучше бы ее привести к нелинейному виду. Но это пока догадки, вполне не исключено, что и линейности может за глаза хватить с избытком.
2. Имеем первоначальный отрезок форвардного теста, нам необходимо построить его математическую модель, с помощью нелинейной регрессии для экстраполяции, например, через МНК или аппроксимацию степенными полиномами.
3. Имеем данные из п. 1. и модель из п. 2. Исследуем модель из п. 2 на предмет отклонения (остатков по эконометрической терминологии) известного отрезка форварда от модели. Исследуем характеристики известного отрезка форвардного теста, и его отклонений, а также берем данные из п. 1 и проведя анализ, например, с помощью той же самой вышеуказанной логистической регрессии, вычисляем вероятность того, что форвардный тест еще не выдохся и имеет достаточный потенциал для профитного трейдинга в будущем (в противном случае, нужно опять все переоптимизировать и искать другой успешный форвардный тест).
Вот такой примерно план для исследований форвардных тестов.
Для начала необходимо разбить задачу на части:
1. На основании того факта, что если мы выполнили оптимизацию ТС, то успешные ее успешные форвардные тесты скучиваются в определенных местах, т.е. например, если профит-фактор 1.6 и выше, то форвардный тест скорее всего сливной, если ниже какой-то величины, то тоже сливной. Если просадка на участке оптимизации превышает некоторый предел, то форвардный тест будет с высокой вероятностью неуспешным. Тоже самое с матожиданием. Незначительное по сравнению со спредом матожидание в результатах оптимизации предшествует неуспешным форвардным тестам. Т.е. зависимости между результатами оптимизации и успешностью форвардных тестов какие-то мы имеем, а следовательно нам все это нужно более точно сформулировать. Лезем в справочники, чтобы подыскать подходящий (соответствующий контексту) метод для исследований. Нашли например, что для нашего контекста вроде бы подходит логистическая регрессия с последующим ROC анализом, т.е. она позволяет вычислять вероятность успешности того или иного события (форвардного теста) в зависимости от его признаков (параметров подгонки). Теоретически подходит, хотя я не уверен, т.к. наиболее распространенная логистическая регрессия линейна, а лучше бы ее привести к нелинейному виду. Но это пока догадки, вполне не исключено, что и линейности может за глаза хватить с избытком.
2. Имеем первоначальный отрезок форвардного теста, нам необходимо построить его математическую модель, с помощью нелинейной регрессии для экстраполяции, например, через МНК или аппроксимацию степенными полиномами.
3. Имеем данные из п. 1. и модель из п. 2. Исследуем модель из п. 2 на предмет отклонения (остатков по эконометрической терминологии) известного отрезка форварда от модели. Исследуем характеристики известного отрезка форвардного теста, и его отклонений, а также берем данные из п. 1 и проведя анализ, например, с помощью той же самой вышеуказанной логистической регрессии, вычисляем вероятность того, что форвардный тест еще не выдохся и имеет достаточный потенциал для профитного трейдинга в будущем (в противном случае, нужно опять все переоптимизировать и искать другой успешный форвардный тест).
Вот такой примерно план для исследований форвардных тестов.
Все прекрасно, если Ваша ТС преобразует нестацонарный котир в стационарный профит.
а ежели профит будет нестационарный - это плохо?
Для начала необходимо разбить задачу на части:
1. На основании того факта, что если мы выполнили оптимизацию ТС, то успешные ее успешные форвардные тесты скучиваются в определенных местах, т.е. например, если профит-фактор 1.6 и выше, то форвардный тест скорее всего сливной, если ниже какой-то величины, то тоже сливной. Если просадка на участке оптимизации превышает некоторый предел, то форвардный тест будет с высокой вероятностью неуспешным. Тоже самое с матожиданием. Незначительное по сравнению со спредом матожидание в результатах оптимизации предшествует неуспешным форвардным тестам. Т.е. зависимости между результатами оптимизации и успешностью форвардных тестов какие-то мы имеем, а следовательно нам все это нужно более точно сформулировать. Лезем в справочники, чтобы подыскать подходящий (соответствующий контексту) метод для исследований. Нашли например, что для нашего контекста вроде бы подходит логистическая регрессия с последующим ROC анализом, т.е. она позволяет вычислять вероятность успешности того или иного события (форвардного теста) в зависимости от его признаков (параметров подгонки). Теоретически подходит, хотя я не уверен, т.к. наиболее распространенная логистическая регрессия линейна, а лучше бы ее привести к нелинейному виду. Но это пока догадки, вполне не исключено, что и линейности может за глаза хватить с избытком.
2. Имеем первоначальный отрезок форвардного теста, нам необходимо построить его математическую модель, с помощью нелинейной регрессии для экстраполяции, например, через МНК или аппроксимацию степенными полиномами.
3. Имеем данные из п. 1. и модель из п. 2. Исследуем модель из п. 2 на предмет отклонения (остатков по эконометрической терминологии) известного отрезка форварда от модели. Исследуем характеристики известного отрезка форвардного теста, и его отклонений, а также берем данные из п. 1 и проведя анализ, например, с помощью той же самой вышеуказанной логистической регрессии, вычисляем вероятность того, что форвардный тест еще не выдохся и имеет достаточный потенциал для профитного трейдинга в будущем (в противном случае, нужно опять все переоптимизировать и искать другой успешный форвардный тест).
Вот такой примерно план для исследований форвардных тестов.
Хоть я и знаком с MQL и вообще, с программированием только месяца 2 и много чего не знаю, но все же мне кажется что протестировать эту идею технически сложно очень средствами MQL.
Тут нужно чтобы при тестировании тестер вызывал сам себя. Хотя, как вариант можно использовать тестеры из двух терминалов, если такое возможно (и если вообще возможно запустить тестер из советника).
а ежели профит будет нестационарный - это плохо?
Оценки МНК несостоятельны.
Ну чушь не городи! При чём тут МНК? При чём тут стационарность и нестационарность?
Нахватался блин словечек, и лепишь их куда ни пОпадя... Вот уж действительно -- слышал звон, да не знаешь, где он...