Optimizasyon Sonucunda Yardıma İhtiyacınız Var - sayfa 4
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Zaman ayırdığınız için çok teşekkürler !! buna gerçekten minnettarım
yani aşağıdaki test sonuçlarına göre son derece şanslı oldum?
tüm bu dönem için (yaklaşık 23 grup 50 işlemden oluşan - her şeyi tek bir teste sığdıramadı) maksimum ardışık kaybeden işlem miktarı 41 idi (bu, 50 işlemden oluşan 2 gruba bölünebilir)
Bu tür düşüşleri daha sık görmeli miydim?
eninde sonunda bu oyunu "oynamaya" devam edersem, bu tür bir kayıp vuruşunun %9'unu mu alacağım?
Şimdi bir şey daha
bu rapora göre
benim için karlı bir ticarete sahip olma şansım %8,85 ve kaybedilen bir ticaret %91,15
buna göre art arda 50 kayıp yaşama olasılığı : 0.9115^50 = %0.97 ...
ki bu %9'dan oldukça uzak... bu nasıl olabilir??
%95,3 oranında kaybedecek olsaydım bu doğru olurdu ve böyle bir yüzdeyle beklentim negatif olurdu O_O
Ör= 0.953*(-23)+0.047*(247) = -10.31 pip ticaret başına kar
Otomatik raporda hesaplanan ve raporlanan istatistiklerin "zaman serisine özgü" olduğunu anlamak önemlidir. Yani, kelimenin tam anlamıyla yalnızca, piyasanın kendisinin aynı zaman serisi özelliklerine sahip olması koşuluyla, gelecekteki ticari özelliklerin tahmin edilmesiyle ilgilidir.
Bir geriye dönük test raporunun istatistiklerinden geleceği tahmin etmeye çalışırken gerçekten umutsuzca kaybolabilirsiniz. En kötü ihtimalle geriye dönük testin sonuçları tamamen ve tamamen yararsızdır, en iyi ihtimalle geriye dönük test yöntemini doğru bir şekilde hazırladıysanız, o zaman kullanılan zaman serileriyle ilişkisiz olması gereken şeylerle konuşmanıza izin veren bazı veri parçaları oluşturabilirsiniz. geri test.
Sadece durağan bir süreçle uğraşmadığınızı unutmayın. Pratik olarak, geriye dönük testlere dayalı olarak hesaplarken bulabileceğiniz her istatistik, gelecekteki sonuçların göstergesini sağlamakla ilgisizdir, çünkü ana dağıtım hiçbir zaman tam olarak örneklenmez (henüz mevcut olmadığı için olamaz, zaman daha fazla örneklenmemiş alan yaratır) ve istatistikler ortalama ve standart sapma gibi dağılım değişikliklerinin
Bu akılda tutularak, standart sapmanın gerçekte geriye dönük test sırasında karşılaşılan sınırlı örneklemeden elde edilenden daha geniş olması muhtemel olduğundan, Kayıp Riski hesaplamalarını "en iyi durum" sonucu olarak görmemiz gerekir.
tekrar merhaba :)
Örnek periyodu 50 işlemden oluşan gruplardan aylık hesaplamaya değiştirdim ve aşağıdaki sonuçları elde ettim:
bu değerlerin normal dağıldığını varsayarsak (burada gerçek bu olmayabilir)
1. ROR hesaplamasında çarpıklık ve basıklığı hesaba katmanın bir yolu var mı?
2. Bu gerçekten normal bir dağılım mı? Değilse başka nasıl tedavi edilebilir?
tekrar merhaba :)
Örnek periyodu 50 işlemden oluşan gruplardan aylık hesaplamaya değiştirdim ve aşağıdaki sonuçları elde ettim:
bu değerlerin normal dağıldığını varsayarsak (burada gerçek bu olmayabilir)
1. ROR hesaplamasında çarpıklık ve basıklığı hesaba katmanın bir yolu var mı?
2. Bu gerçekten normal bir dağılım mı? Değilse başka nasıl tedavi edilebilir?
Aşina olmayabileceğiniz bir tabir, "işte orada yatar" ve sanırım gevşek bir şekilde "şeytan ayrıntılardadır" gibi bir şeye dönüşüyor, çünkü önemli olan ayrıntıları fark ettiğinizde, bunun bir şeytan olduğunu anlıyorsunuz. uğraşmak.
Evet, sonuçlarınız normal bir dağılımı temsil etmese de normal bir dağılım varsayıyorsunuz.
Bu arada, tamamen bir yan konu, ancak kutu boyutunu optimize ederseniz histogramlarınızın size daha iyi hizmet ettiğini görebilirsiniz.
Histogram Bin Genişliği Optimizasyonu
Bu kodu MQL'de uyguladım, eğer yazılarıma bakarsan buraya yüklemiş bile olabilirim. Ancak, bunu sürdürmeye karar verirseniz, bunun gerçekten dalmanız ve kendinize öğretmeniz gereken şeylerden biri olduğunu söyleyeceğim, aksi takdirde optimize edilmiş bir bin genişlikli histogramın neden yararlı veya özel olduğunu gerçekten anlamayacaksınız.
Konunuza dönersek, ortaya çıkardığınız kilit nokta, geriye dönük test sonuçlarınız üzerinde çoğu zaman istatistiksel analizler yaptığınızda, yalnızca verileriniz bir gauss dağılımından alınan örneklerse kesin olarak doğru olan istatistikleri kullanacağınızdır. İnsanların bu noktada çabalarında başarısız olma eğiliminde oldukları yer, bu varsayımı test ederek, analizlerine normalleştirilmiş dağılım istatistiklerini uygulama konusunda herhangi bir meşruiyetleri olduğunu doğrulamaktır.
Bu noktada yol ayrımına varırsınız... "istatistiksel olarak karakterize edilebilir" sonuçların peşinden gitmeyi seçebilir, normalleştirilmiş dağılım istatistiklerine uymadıkları için görünüşte en uygun sonuçları atabilir veya daha genelleştirilmiş analiz yöntemleri ararsınız. yöntemlerin sağlam olması ve gelecekteki sonuçları tahmin etmek için size anlamlı ve faydalı ölçümler sağlaması için geriye dönük test sonuçlarınız.
İşte, arka test karakterizasyonlarımda normalleştirilmiş dağılım istatistiklerini kullanmanın saçmalığına ilişkin aydınlanmamı aldığım bir analiz örneği:
Kırmızı noktalar veri noktalarıdır, düz yeşil çizgi kırmızı veri noktalarına en uygun gauss işlevidir, açık mavi çizgi en uygun genelleştirilmiş gauss dağılım işlevidir.
Geleneksel gauss temelli dağılımın ötesinde istatistiksel analizler alanını takip etmeye matematiksel olarak yatkın mısınız ve korkmuyor musunuz? Yoksa bunun sizin tutkunuz ve tarzınız olmadığını düşünmeniz ve bu nedenle, görünüşte garip olan bu sonuçları bir kenara atıp görmezden gelmeyi ve daha kolay yorumlanabilir ölçütlere uyanları karakterize etmeye devam etmeyi mi tercih edersiniz?
Bu noktada hangi yolu seçeceğiniz konusunda bir fikir birliği yoktur, bu daha çok bir kişilik ve tutku meselesidir. Doğal ve kolay görüneni yapın.
Kâr, iyi bir optimizasyon parametresi değildir, kâr faktörü ve düşüş, bir strateji hakkında daha fazla şey söyler.
Bunu ikinci olarak yapacağım ve belki de iş parçacığındaki düşünceye yeniden odaklanacağım ...
Sağlam bir strateji çok fazla optimizasyona ihtiyaç duymamalı...?
Scalping yapıyorsanız, gideceğiniz gözlemlenmiş bir TP & SL seviyesi olmalıdır.
Şebeke ticareti ise, TP & SL, aralık ticaretinde olduğu gibi aşikardır.
Swing ticaretinin ATR veya Fibo tabanlı duraklara ihtiyacı olacak
Pozisyon takasları , optimizasyonla ilgili herhangi bir anlamlı istatistik üretmek için çok az olacaktır, bu yüzden...
Aradığımız şey nedir?
Bir strateji (aslında) tamamlanmadıysa, optimizasyon gerçekten farkı yaratacak mı?
FWIW
-BB-