交易中的机器学习：理论、模型、实践和算法交易 - 页 1140

新评论
 

你好，在交易中的人工智能学术界附近)))

我希望你们已经联合起来实施 "给我100%的年度回报，10比1的概率！！"的项目。" ???

你已经有了EA的原型吗？或者这种机器的正确名称是什么...)

 
pantural。

我可以告诉你们，先生们...

这些都是使用 黑盒子、外国图书馆等 的副作用。

我只能提供你在CSV中发布 你的研究的股权，我将告诉你什么是你的模型的正确夏普比率，你可以自己计算所附的代码（python）。


如果你把股权或PnL发给我，我会找出问题所在，我可以猜测，如果PnL是 "空载 "使用的，也就是说，交易之间有空隙（这肯定是不正确的），因此会出现缩放，我敢打赌100美元，这就是问题。

首先，这些公式可以在交易中的数学 这篇文章中找到。如何估计交易结果。

其次，这篇文章表明，夏普是根据交易（transition）的结果来计算的，而不是根据股票的波动。

 
拉希德-乌马罗夫。

首先，估算的公式可以在《交易中的数学》一文中找到。交易结果的估价。

其次，文章显示，夏普是根据交易（trade）的结果计算的，而不是根据股权波动。

我完全忘记了这篇文章，我认为可以把一些信息添加到HELP中，使其更清楚地说明计算的方法，以重现它。

事实证明，夏普比率取决于初始存款，这不允许对不同TS的潜力进行正确比较。即，那么有必要确定初始存款的所需价值。

 
阿列克谢-维亚兹米 金。

因此，事实证明，夏普比率取决于初始存款，不能用于正确比较不同TS的潜力。

它不依赖于它，因为它的计算方法是Ki=固定第i笔交易结果后的余额_固定利润_损失/固定结果前的余额。

Kn行包含1左右的数值。

  • 如果第i笔交易是盈利的，那么Ki>1。
  • 如果第i笔交易是亏损的，Ki<1。
 
阿列克谢-维亚兹米 金。

我给出了一个每分钟的变体，并附上测试者的交易报告。

但我对指标进行了一些改进。

夏普比率现在是0.29。

我拿着你的报告，复制了其中的交易，并在Excel中根据这些交易进行了计算。我附上文件

正如你所看到的，测试报告 中的夏普系数是正确的。


 
pantural。

实际夏普比率=~3.79

那些制定算法来计算你的数字的人的错误是显而易见的。 他们愚蠢地忘记了用系列长度的平方根来衡量返回者与变化的比例。

def SharpRatio(PnL):

PnL = [x for x in PnL if abs(x) > 0] 。

ret = sum(PnL) / len(PnL)

var = ((sum([(x - ret) ** 2 for x in PnL]) / len(PnL))** 0.5

返回 len(PnL) ** 0.5 * ret / var


PS：SR=3.79是相当乐观的，当然，如果它不是一个汗水（在某种程度上）和正确的测试的话

一般来说，在相信参数之前，最好先了解其含义。收到这样的数值后，你应该考虑一下，开始寻找计算中的错误。

由于夏普比率大于3，表明我们面对的是一个100%赚钱的策略，而且在上面获利的概率大于99.99%。 当然，如果PnL分布是正常的。

 
康斯坦丁-尼基丁。

根据我的观察，夏普比率还没有增加到1 以上。而且我也没有看到其他人的账户/图表有更高的数值。虽然我可能是错的。

而这并不令人惊讶。一个是夏普比率非常好的价值。关于此主题的更多信息 - 使用平衡图优化策略，并将结果与 "平衡+最大夏普比率 "标准 进行比较

 

对于单笔交易，我如何计算夏普比率？

 
雷纳特-阿赫蒂亚莫夫。

如何计算单笔交易的夏普比率？

你一定是在跟我开玩笑。我在这里写着，我的声音越来越沙哑，他们对我说："这一切都是徒劳的，让我们进一步谈谈吧。

 
拉希德-乌马罗夫。

你一定是在跟我开玩笑。我在这里写东西，我变得很粗糙，他们告诉我这一切都是徒劳的，让我们继续谈。

对不起，我没有注意到这个附件。
1...113311341135113611371138113911401141114211431144114511461147...3399
新评论