交易员的自欺欺人:对前锋的不信任。 - 页 11 1...4567891011121314151617 新评论 Youri Tarshecki 2015.07.25 16:19 #101 Yury Reshetov:这就是所谓的脑子里的蟑螂。所以要为自己说话,不要为其他人说话。如果你甚至不知道某件事情,这并不意味着其他人不利用它。例如,见RNN专家顾问。如果一个EA在1/2远期(一半回测,一半远期)没有获利,那么你应该把它扔掉。任何傻瓜都会在使用测试器GA的回测中获得利润。 我不明白我没有猜到什么?关于某种形式的EA?你的帖子的重点是什么?如果你是指远期分析,链接上的图片是一个单一的,这样的专家顾问,如果不值得立即放弃,但值得在许多波段上检查。 Yury Reshetov 2015.07.25 16:45 #102 Youri Tarshecki:我几乎从来没有看到过对基于前向的战略和系统的有效性的分析。 它是什么?缺乏传统或回避不愉快的情绪? ...我不明白我没有猜到什么?你的帖子的重点是什么? 参见PDF中的罗伯特-帕尔多尤里-塔舍基。 如果你说的是前瞻性分析,链接上的图片只是一个。CodeBase 不是冬宫,甚至不是卢浮宫,在那里安排匹诺曹的展览。 Роберт Пардо в PDF - MQL4 форум www.mql5.com Роберт Пардо в PDF - MQL4 форум Avals 2015.07.26 12:33 #103 Youri Tarshecki: 我正在测试所有的选项。现在我运行12段12个前锋,看看总体结果。 如果大多数前锋不满意,就不应该使用这个EA,它需要重新设计。通过重新 制作你的EA,并获得有关前锋的信息,你可以了解你的方向是否正确。随意将历史分割成前后两部分,不会有任何好处。 随机值甚至群组在某些片断的回测上可以变成最好的。也就是说,好的EA,但在第一次回测中,随机的一组选项变成了最好的,你选择了它来前进。相应地,它在前进中死亡))。与其他EA的方式相同--你越是碾压它们,统计学上的结果就越不正确。因此,在每个回溯测试和转发上必须有足够的交易,以保证统计的有效性。事实上,对于大多数甚至是日内系统来说,这将意味着他们需要至少20年的测试与你的分割线))。而且他们通常不会活那么久。因此,你已经正确地写道,最好的解决方案是将后区合并成一个,你会得到一个平均的,但更可靠的一套整体。而更精确的是每个优化参数的最佳区域。你不可能把历史划分为12个部门,有足够的交易来获得每个部门的可靠统计结果。而用统计学上不可靠 的结果来做一些事情,结果是侥幸的。 Youri Tarshecki 2015.07.26 14:49 #104 Слава:随机地把历史分成前后两部分,不会有任何好处。 随机值甚至群组在某些片断的回测上可以变成最好的。也就是说,好的EA,但在第一次回测中,随机的一组选项变成了最好的,你选择了它来前进。相应地,它在前进中死亡))。与其他人的情况相同--你分裂得越多,统计学上的结果就越不正确。因此,在每个回溯测试和转发上必须有足够的交易,以保证统计的有效性。事实上,对于大多数甚至是日内系统来说,这将意味着他们需要至少20年的测试与你的分割线))。而且他们通常不会活那么久。因此,你已经正确地写道,最好的解决方案是将后区合并成一个,你会得到一个平均的,但更可靠的一套整体。而更精确的是每个优化参数的最佳区域。你没有办法把历史分成12个部分,其中的交易将足以使每个部分的结果在统计上都是正确的。而做一些在统计学上不 可靠的结果是随机性的结果让我们了解一下什么是统计学的有效性。如果你相信平均数越大,有效性就越大,那么你为什么不在所有可用的历史上进行测试--平均数将是绝对的。但它会可靠吗?不太可能。正是因为市场的变化在统计学上是可靠的,你永远无法预测这个特定的集群是一个异常现象还是一个新趋势的开始。市场的这两个属性是截然相反的,需要一个辩证的解决方案,因为一个需要增加部分,另一个需要减少。我通过实验来解决这个问题。在我的特殊情况下,结果是12个月的远期投资的总和大于4个三个月的远期投资的总和,而这些又大于一年的,连续损失的数量也更好。你是否在实验中测试过你的后进比例?在什么基础上,你认为你的截断点是最理想的? Vasiliy Sokolov 2015.07.26 15:57 #105 Слава:随机地将历史分割成前后两部分不会有任何好处。 随机值甚至群组在某些片断的回测上可以变成最好的。也就是说,好的EA,但在第一次回测中,随机的一组选项变成了最好的,你选择了它来前进。相应地,它在前进中死亡))。所以对其他人也是如此--你分裂得越多,统计学上的结果就越不正确。因此,在每个回溯测试和转发上必须有足够的交易,以保证统计的有效性。事实上,对于大多数甚至是日内系统来说,这将意味着他们需要至少20年的测试与你的分割线))。而且他们通常不会活那么久。因此,你已经正确地写道,最好的解决方案是将后区合并成一个,你会得到一个平均的,但更可靠的一套整体。或者更准确地说,每个优化参数的最佳区域。将历史划分为12个区域,有足够的交易,使每个区域的结果在统计上都是正确的,这并不奢侈。而用统计学上不可靠 的结果去做一些事情,结果是侥幸的。 我同意每一个字。我要补充的是,我使用对获得的股票策略计算的R^2指标来确定TC参数的最稳定区域。在我看来,最好的运行是一个积极的结果,良好的R^2(大于0.8,0.9)和统计上有意义的交易数量。在这种情况下,绝对利润并不像有无亏损期那么重要。所有好的战略在某些时期都会失败。只是这些损失应该是在总的积极趋势之内。同样重要的是,手头要有一打,尽管是平均的,但稳定的(就R^2而言)策略,其不利的时刻不会绝对精确地相互重叠(完全相关很难实现)。 Avals 2015.07.26 17:04 #106 Youri Tarshecki:让我们了解一下什么是统计学的有效性。如果你认为平均数越大,有效性就越大,那么你为什么不在所有可用的历史上进行测试--平均数将是绝对的。但它会可靠吗?不太可能。正是因为市场的变化在统计学上是可靠的,你永远无法预测这个特定的集群是一个异常现象还是一个新趋势的开始。市场的这两个属性是截然相反的,需要一个辩证的解决方案,因为一个需要增加部分,另一个需要减少。专家顾问在一定时期内工作--粗略地说是其有利的阶段。因此,随意抽取过多的历史或根本就没有意义。而你的方法需要很多倍的统计和测试期。因此,任务是尽快找到一个工作主题,同时消除拟合,将历史分割成独立的片段,在此基础上做出决定,导致系统已经工作的历史会非常长(关于统计有效性的争论在前文中)。 尤里-塔舍基。我通过实验来解决这个问题。在我的特殊情况下,结果是12个月的远期投资的总和大于4个三个月的远期投资的总和,而这些又大于一年的,而连续损失的数量也更好。你是否在实验中测试过你的后进比例?在什么基础上,你认为你的拉伸是最理想的?我的方法不同)我不采取任何比例,也不使用正向测试。我通过股权质量来分析系统质量。 理想的系统是公平向上的)。即:Mo=const,Dispersion(分散)=0。在现实中,莫浮动,方差也不是零。粗略的说,振荡是围绕着一条完美的直线进行的。一个好的系统是在可靠的测试中具有小方差和正斜率的系统(交易数量是一个标准)。例如,PF认为。即一个具有良好的PF(和其他一些公平的数字特征)的系统,在可靠的测试时,将进一步检查其稳定性。这已经足以让它通过,而你的指标--分解,它们也会有质量))。 而一般来说,你需要了解系统的收入,并分别看系统的每一部分的可持续性。每个选项都应该成为一个单独的稳定性研究。而且你需要有一个足够的非延迟的系统关闭标准,这也是建立在对系统组件的理解上,对系统的性能有决定性的作用 Avals 2015.07.26 17:05 #107 Vasiliy Sokolov: 我同意每一个字。我想补充的是,为了确定TS参数的最稳定区域,我使用R^2指标对获得的股票策略进行计算。在我看来,最好的运行是一个积极的结果,良好的R^2(大于0.8,0.9)和统计上有意义的交易数量。在这种情况下,绝对利润并不像有无亏损期那么重要。所有好的战略在某些时期都会失败。只是这些损失应该是在总的积极趋势之内。同样重要的是,手头要有一打,尽管是平均的,但稳定的(就R^2而言)策略,其不利的时刻不会绝对精确地相互重叠(完全相关很难实现)。 我同意)除了手头有一打不相关的盈利策略是现实的以外) Vasiliy Sokolov 2015.07.26 17:35 #108 Слава:...大致围绕着一条完美的直线波动。一个好的系统是,当被可靠地测试时(交易数量是一个标准),具有小的方差和正的斜率。例如,PF认为。我当时试图使用PF,但问题是它与交易数量 成反比(而且非常明显),交易越多,PF越少。基于权益净变化的R^2(不考虑交易系统的空闲期)没有这种特点。荣耀。也就是说,一个具有良好的PF(和其他一些公平的数字特征)的系统,在测试可靠的情况下,将进一步测试其稳定性。这已经足以让它通过,而你的指标--分解,它们也会有质量))。正是如此。我们可以正式证明这句话:如果TS有几乎完美的股权直线朝上,那么这个股权的任意一段(向前)也会通过验证,因为它也会有正的结果。另一方面,正向测试将找到在历史上所有部分都有利可图的参数集,因此它将找到参数集,在这个参数集上,在整个历史上运行的TS将给出最稳定的积极结果。但由于在整个样本的优化过程中会得到同一组参数,所以没有必要将样本分成N个任意的部分。荣耀。一般来说,我们需要了解系统的收益情况,并分别考虑系统的每一部分的稳定性。每个选项都应该成为一个单独的稳定性研究。这很难。这可能是交易的圣杯。我们交易的是原因的后果,而原因几乎总是停留在幕后。例如,不是每一个趋势跟踪的TS都能在趋势市场上发挥作用。一些TS可能在一些市场上显示出很好的效果,而在其他市场上--除了不亏钱。虽然,这些市场之间没有明显的差异,甚至在其趋势性或任何其他统计数据方面也是如此。荣耀。而且有必要有一个足够的不滞后的系统断开标准,这也是基于对系统组件的理解,并且对其性能有决定性的作用。是的,这里比较容易,因为你可以精确地表述我们想要看到的东西:一条有正斜率的直线。如果TS已经停止挣钱,它的权益迟早会超过我们的预期模型,它将不得不被禁用。但是,这里的主要因素是一个心理因素--接受不可避免的踩踏,甚至是一定的损失,作为所选模型中TS的标准行为。 Avals 2015.07.26 18:09 #109 Vasiliy Sokolov:这是最棘手的部分。这可能是交易的圣杯。我们的交易是一个原因的结果,这个原因几乎总是在幕后。例如,不是每一个趋势跟踪的TS都能在趋势市场上发挥作用。一些TS可能在一些市场上显示出很好的效果,而在其他市场上--除了不亏钱。尽管这些市场之间没有明显的区别,甚至在其趋势性或任何其他统计数据方面也是如此。 像往常一样有两种方法))演绎和归纳。检验是归纳法--我们从统计研究中找到一个模式。还有就是演绎--从了解我们的收入(或者说有些人的损失或收益较少)和寻找它应该如何导致使用它的策略。这两种方法可以结合起来--归纳法给出见解,演绎法澄清。或反之亦然)) Vasiliy Sokolov 2015.07.26 18:18 #110 关于R^2再多说一点。对我来说,这是一个非常有力的指标,但还不够。在实践中,我遇到了一些TS,可以提供非常好的和平稳的股权上升。R^2非常高,他们的一组参数甚至可以破解最复杂的前进。下面是一个这样的TS的例子。它的公平性使人在市场上站稳脚跟,但并不是那么简单。适应的TS有一个显著的特点:它们的参数集几乎总是不稳定的,这些参数值的任何轻微变化都会极大地改变结果。例如,在这个TS中稍微改变一下关闭规则,就会导致以下结果。你可以看到,一个小小的变化导致了灾难性的结果。值得注意的是,在这个TS中只有2个优化参数。这一点上,事实上人们只需通过近似两点就能轻松获得拟合,TS的参数数量少并不表明其无法拟合。因此,一旦确定了最佳参数集,就有必要在多维优化空间中以某种数值转移参数,并查看在最佳点附近的运行结果。如果我们处于一个稳定的参数点,他们的位移不会极大地改变TS的行为。重要的是要明白,在实际交易中,这种转变会发生。在历史上,我们正在围绕一个静态市场移动TS参数。在真实的市场上,市场将围绕之前发现并由我们固定的参数移动其特征。 1...4567891011121314151617 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
这就是所谓的脑子里的蟑螂。所以要为自己说话,不要为其他人说话。如果你甚至不知道某件事情,这并不意味着其他人不利用它。例如,见RNN专家顾问。
如果一个EA在1/2远期(一半回测,一半远期)没有获利,那么你应该把它扔掉。任何傻瓜都会在使用测试器GA的回测中获得利润。
Youri Tarshecki:
我几乎从来没有看到过对基于前向的战略和系统的有效性的分析。
它是什么?缺乏传统或回避不愉快的情绪?
...
我不明白我没有猜到什么?你的帖子的重点是什么?
参见PDF中的罗伯特-帕尔多
如果你说的是前瞻性分析,链接上的图片只是一个。
CodeBase 不是冬宫,甚至不是卢浮宫,在那里安排匹诺曹的展览。
我正在测试所有的选项。现在我运行12段12个前锋,看看总体结果。 如果大多数前锋不满意,就不应该使用这个EA,它需要重新设计。通过重新 制作你的EA,并获得有关前锋的信息,你可以了解你的方向是否正确。
随意将历史分割成前后两部分,不会有任何好处。
随机值甚至群组在某些片断的回测上可以变成最好的。也就是说,好的EA,但在第一次回测中,随机的一组选项变成了最好的,你选择了它来前进。相应地,它在前进中死亡))。与其他EA的方式相同--你越是碾压它们,统计学上的结果就越不正确。因此,在每个回溯测试和转发上必须有足够的交易,以保证统计的有效性。事实上,对于大多数甚至是日内系统来说,这将意味着他们需要至少20年的测试与你的分割线))。而且他们通常不会活那么久。因此,你已经正确地写道,最好的解决方案是将后区合并成一个,你会得到一个平均的,但更可靠的一套整体。而更精确的是每个优化参数的最佳区域。
你不可能把历史划分为12个部门,有足够的交易来获得每个部门的可靠统计结果。而用统计学上不可靠 的结果来做一些事情,结果是侥幸的。
随机地把历史分成前后两部分,不会有任何好处。
随机值甚至群组在某些片断的回测上可以变成最好的。也就是说,好的EA,但在第一次回测中,随机的一组选项变成了最好的,你选择了它来前进。相应地,它在前进中死亡))。与其他人的情况相同--你分裂得越多,统计学上的结果就越不正确。因此,在每个回溯测试和转发上必须有足够的交易,以保证统计的有效性。事实上,对于大多数甚至是日内系统来说,这将意味着他们需要至少20年的测试与你的分割线))。而且他们通常不会活那么久。因此,你已经正确地写道,最好的解决方案是将后区合并成一个,你会得到一个平均的,但更可靠的一套整体。而更精确的是每个优化参数的最佳区域。
你没有办法把历史分成12个部分,其中的交易将足以使每个部分的结果在统计上都是正确的。而做一些在统计学上不 可靠的结果是随机性的结果
让我们了解一下什么是统计学的有效性。如果你相信平均数越大,有效性就越大,那么你为什么不在所有可用的历史上进行测试--平均数将是绝对的。但它会可靠吗?不太可能。正是因为市场的变化在统计学上是可靠的,你永远无法预测这个特定的集群是一个异常现象还是一个新趋势的开始。市场的这两个属性是截然相反的,需要一个辩证的解决方案,因为一个需要增加部分,另一个需要减少。
我通过实验来解决这个问题。在我的特殊情况下,结果是12个月的远期投资的总和大于4个三个月的远期投资的总和,而这些又大于一年的,连续损失的数量也更好。
你是否在实验中测试过你的后进比例?在什么基础上,你认为你的截断点是最理想的?
随机地将历史分割成前后两部分不会有任何好处。
随机值甚至群组在某些片断的回测上可以变成最好的。也就是说,好的EA,但在第一次回测中,随机的一组选项变成了最好的,你选择了它来前进。相应地,它在前进中死亡))。所以对其他人也是如此--你分裂得越多,统计学上的结果就越不正确。因此,在每个回溯测试和转发上必须有足够的交易,以保证统计的有效性。事实上,对于大多数甚至是日内系统来说,这将意味着他们需要至少20年的测试与你的分割线))。而且他们通常不会活那么久。因此,你已经正确地写道,最好的解决方案是将后区合并成一个,你会得到一个平均的,但更可靠的一套整体。或者更准确地说,每个优化参数的最佳区域。
将历史划分为12个区域,有足够的交易,使每个区域的结果在统计上都是正确的,这并不奢侈。而用统计学上不可靠 的结果去做一些事情,结果是侥幸的。
让我们了解一下什么是统计学的有效性。如果你认为平均数越大,有效性就越大,那么你为什么不在所有可用的历史上进行测试--平均数将是绝对的。但它会可靠吗?不太可能。正是因为市场的变化在统计学上是可靠的,你永远无法预测这个特定的集群是一个异常现象还是一个新趋势的开始。市场的这两个属性是截然相反的,需要一个辩证的解决方案,因为一个需要增加部分,另一个需要减少。
专家顾问在一定时期内工作--粗略地说是其有利的阶段。因此,随意抽取过多的历史或根本就没有意义。而你的方法需要很多倍的统计和测试期。因此,任务是尽快找到一个工作主题,同时消除拟合,将历史分割成独立的片段,在此基础上做出决定,导致系统已经工作的历史会非常长(关于统计有效性的争论在前文中)。
我通过实验来解决这个问题。在我的特殊情况下,结果是12个月的远期投资的总和大于4个三个月的远期投资的总和,而这些又大于一年的,而连续损失的数量也更好。
你是否在实验中测试过你的后进比例?在什么基础上,你认为你的拉伸是最理想的?
我的方法不同)我不采取任何比例,也不使用正向测试。我通过股权质量来分析系统质量。
理想的系统是公平向上的)。即:Mo=const,Dispersion(分散)=0。在现实中,莫浮动,方差也不是零。粗略的说,振荡是围绕着一条完美的直线进行的。一个好的系统是在可靠的测试中具有小方差和正斜率的系统(交易数量是一个标准)。例如,PF认为。即一个具有良好的PF(和其他一些公平的数字特征)的系统,在可靠的测试时,将进一步检查其稳定性。这已经足以让它通过,而你的指标--分解,它们也会有质量))。
而一般来说,你需要了解系统的收入,并分别看系统的每一部分的可持续性。每个选项都应该成为一个单独的稳定性研究。
而且你需要有一个足够的非延迟的系统关闭标准,这也是建立在对系统组件的理解上,对系统的性能有决定性的作用
我同意每一个字。我想补充的是,为了确定TS参数的最稳定区域,我使用R^2指标对获得的股票策略进行计算。在我看来,最好的运行是一个积极的结果,良好的R^2(大于0.8,0.9)和统计上有意义的交易数量。在这种情况下,绝对利润并不像有无亏损期那么重要。所有好的战略在某些时期都会失败。只是这些损失应该是在总的积极趋势之内。同样重要的是,手头要有一打,尽管是平均的,但稳定的(就R^2而言)策略,其不利的时刻不会绝对精确地相互重叠(完全相关很难实现)。
...大致围绕着一条完美的直线波动。一个好的系统是,当被可靠地测试时(交易数量是一个标准),具有小的方差和正的斜率。例如,PF认为。
我当时试图使用PF,但问题是它与交易数量 成反比(而且非常明显),交易越多,PF越少。基于权益净变化的R^2(不考虑交易系统的空闲期)没有这种特点。
也就是说,一个具有良好的PF(和其他一些公平的数字特征)的系统,在测试可靠的情况下,将进一步测试其稳定性。这已经足以让它通过,而你的指标--分解,它们也会有质量))。
正是如此。我们可以正式证明这句话:如果TS有几乎完美的股权直线朝上,那么这个股权的任意一段(向前)也会通过验证,因为它也会有正的结果。另一方面,正向测试将找到在历史上所有部分都有利可图的参数集,因此它将找到参数集,在这个参数集上,在整个历史上运行的TS将给出最稳定的积极结果。但由于在整个样本的优化过程中会得到同一组参数,所以没有必要将样本分成N个任意的部分。
一般来说,我们需要了解系统的收益情况,并分别考虑系统的每一部分的稳定性。每个选项都应该成为一个单独的稳定性研究。
这很难。这可能是交易的圣杯。我们交易的是原因的后果,而原因几乎总是停留在幕后。例如,不是每一个趋势跟踪的TS都能在趋势市场上发挥作用。一些TS可能在一些市场上显示出很好的效果,而在其他市场上--除了不亏钱。虽然,这些市场之间没有明显的差异,甚至在其趋势性或任何其他统计数据方面也是如此。
而且有必要有一个足够的不滞后的系统断开标准,这也是基于对系统组件的理解,并且对其性能有决定性的作用。
是的,这里比较容易,因为你可以精确地表述我们想要看到的东西:一条有正斜率的直线。如果TS已经停止挣钱,它的权益迟早会超过我们的预期模型,它将不得不被禁用。
但是,这里的主要因素是一个心理因素--接受不可避免的踩踏,甚至是一定的损失,作为所选模型中TS的标准行为。
这是最棘手的部分。这可能是交易的圣杯。我们的交易是一个原因的结果,这个原因几乎总是在幕后。例如,不是每一个趋势跟踪的TS都能在趋势市场上发挥作用。一些TS可能在一些市场上显示出很好的效果,而在其他市场上--除了不亏钱。尽管这些市场之间没有明显的区别,甚至在其趋势性或任何其他统计数据方面也是如此。
关于R^2再多说一点。
对我来说,这是一个非常有力的指标,但还不够。在实践中,我遇到了一些TS,可以提供非常好的和平稳的股权上升。R^2非常高,他们的一组参数甚至可以破解最复杂的前进。下面是一个这样的TS的例子。
它的公平性使人在市场上站稳脚跟,但并不是那么简单。适应的TS有一个显著的特点:它们的参数集几乎总是不稳定的,这些参数值的任何轻微变化都会极大地改变结果。例如,在这个TS中稍微改变一下关闭规则,就会导致以下结果。
你可以看到,一个小小的变化导致了灾难性的结果。值得注意的是,在这个TS中只有2个优化参数。这一点上,事实上人们只需通过近似两点就能轻松获得拟合,TS的参数数量少并不表明其无法拟合。因此,一旦确定了最佳参数集,就有必要在多维优化空间中以某种数值转移参数,并查看在最佳点附近的运行结果。
如果我们处于一个稳定的参数点,他们的位移不会极大地改变TS的行为。重要的是要明白,在实际交易中,这种转变会发生。在历史上,我们正在围绕一个静态市场移动TS参数。在真实的市场上,市场将围绕之前发现并由我们固定的参数移动其特征。