交易员的自欺欺人：对前锋的不信任。 - 页 12

新评论
 
Vasiliy Sokolov:

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TC，可以产生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转变都会大大改变结果。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。这就是为什么在确定了最佳参数集后，有必要将参数转移一些数值，并检查在最佳点附近的运行结果。

优化空间可以是多维的，但维度的数量在这里不起作用。如果我们处于一个稳定的参数点，他们的转变不会急剧改变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，我们围绕一个静态市场转移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。

如果不了解这个系统是如何运作的，你就无法检查它。一个期权的敏感性也是由这种理解决定的。有些选项可能是敏感的，有些可能是 "厚 "的。例如，你有一个模式，在一个小的开放时间 范围内工作，而这个区域的宽度是一个选择。当这种选择有哪怕是轻微的变化时，它就没有理由工作。

是的，而且变化的规模是有条件的。

 
Слава:
你不能在不了解一个系统如何运作的情况下看它。一个最佳的敏感性也是通过这种理解。有些选择可能是敏感的，有些可能是 "厚 "的。例如，你有一个模式，在一个小的开放时间 范围内工作，而这个区域的宽度是一个选择。当这种选择有哪怕是轻微的变化时，它就没有理由工作。
在这里，它确实如此。没有人说范围可以凭空选择，或者至少是自动选择。这就是自动交易系统的专业性，寻找有意义的参数和它们的范围。
 
Vasiliy Sokolov:
在这里，是的。没有人说范围可以凭空选择，或者至少是自动选择。这就是自动交易系统的专业性，寻找有意义的参数和它们的范围。

同意)))

 
Vasiliy Sokolov:

我们正在交易一个几乎总是在幕后的原因的后果。

2013年4月，由于关于奥巴马去世的 "谣言"，道琼斯指数在一瞬间下跌了13%。他们说阅读新闻的机器人被触发了。然后，这些机器人，本身就成了非常幕后的原因。

IMHO 测试的目的不是为了得到一组参数，而是为了尝试回答3个问题。

为专家顾问选择哪种金融工具。

在哪个市场交易。(趋势、平坦、挥发.....)

什么时候？- 在什么时候，考虑到不同时间段和季节的市场特点。

 
Avals:

一个EA在一定时期内工作--粗略地说是一个对它有利的阶段。这就是为什么随机抽取过多的历史或根本没有意义的原因。而你的方法需要很多倍的统计和测试期。即任务是尽快找到工作主题，同时消除拟合，而将历史分割成独立的片段，为其做出决定，导致系统所依据的历史已经工作了很长时间（关于统计有效性的论点在前文中）。


我的方法是不同的）我不采取任何比例，也不使用正向测试。我通过公平的质量来分析系统的质量。


而 "过多 "的历史意味着什么？你甚至不知道哪一个历史间隔对你的系统来说是最佳的。你永远不会明白，如果股票曲线显示的是 "工作主题 "或修正，无论你采取什么历史时期。
 
Youri Tarshecki:
而 "太多的 "历史意味着什么？你甚至不知道什么是你系统的最佳历史时期。

有这样一种东西，即统计学上的有效性。当涉及到交易时--为了相信在回溯测试中获得的结果，需要的最低交易数量是多少。这个数字取决于许多事情。例如，从平均盈利交易与平均亏损交易的比率来看。更简单地说， 这取决于tp/sl比率。当它等于1时，需要最小的交易数。与1相差越多，需要的交易就越多。但即使在tp/sl=1的情况下，交易也需要至少100个（这可以用montecarlo检查）。在你对12个回测中的每个回测的方法中，应该保留统计有效性。因此，我们需要至少1200笔交易用于回溯测试+相同数量的远期交易（其结果在统计学上也应该是正确的）。这导致的结果是，即使是日内交易，用这种方法我们也需要从国王戈罗克的时间开始测试))


尤里-塔舍基。

无论你采取什么历史时期，你永远不会明白，如果你发现了一个 "工作主题"，或根据股权曲线发生了修正。

好吧，你需要看一下不止一个股权））。如上所述，重要的是最佳区域的宽度和某些参数的系统改进的均匀性。例如，系统使用前一天的范围宽度，系统是突破性的。我们把它作为一个最佳选择。即，过滤--在Range_width<=X时交易。X-option的值越小，交易就越少（因为这样的日子比较少）。但如果系统质量提高了（如FF等参数），这就证实了系统和这个过滤器的稳健性。还有其他的统计方法来检查稳健性，例如多工具性。

 
Avals:

有这样一种东西，即统计学上的有效性。在交易方面--要相信回测中得到的结果，最少需要多少次交易。这个数字取决于许多事情。例如，从平均盈利交易与平均亏损交易的比率来看。更简单地说， 这取决于tp/sl比率。当它等于1时，需要最小的交易数。与1相差越多，需要的交易就越多。但即使在tp/sl=1的情况下，交易也需要至少100个（这可以用montecarlo检查）。在你对12个回测中的每个回测的方法中，应该保留统计有效性。因此，我们需要至少1200笔交易用于回溯测试+相同数量的远期交易（其结果在统计学上也应该是正确的）。它的结果是，即使是日内交易，用这样的方法我们也要测试自沙皇戈罗哈时代以来的情况)。


嗯，你必须要看的不仅仅是股权））））。如上所述，重要的是最佳区域的宽度和某些参数的系统改进的均匀性。例如，系统使用前一天的范围宽度，系统是突破性的。我们把它作为一个最佳选择。即，过滤--在Range_width<=X时交易。X-option的值越小，交易就越少（因为这样的日子比较少）。但如果系统质量提高了（如FF等参数），这就证实了系统和这个过滤器的稳健性。还有其他的统计方法来检查稳健性，例如多工具性。

我应该补充的是，需要一个长期的历史，不仅是因为对所获结果的统计意义的要求，而且也是为了测试不同市场条件下的TS。例如，欧元兑美元在半年多的时间里一直处于大幅下跌的趋势。即使是10 000次交易也会表明，在这个领域，空头是有利可图的。为了理解我们没有适应某种罕见的市场条件，我们需要一个长期的历史。

我注意到，对于转发，你只是从一种模式跳到另一种模式，真诚地不理解为什么你的TS在测试中赚了，而在转发中输了。答案很简单，与其为其中一个市场模式创建TS，不如创建TS，其结果不取决于当前选定的时间间隔。换句话说，不要交易市场，而是交易其低效率。

 
Avals:

有这样一种东西，即统计学上的有效性。

统计学中没有这种东西。
 
Yury Reshetov:
统计学中没有这样的概念。
更多的是翻译为 "统计学意义"
 
Vasiliy Sokolov:

我想补充的是，需要长期的历史，不仅是因为对所获结果的统计学意义的要求，而且也是为了测试不同市场条件下的TS。

比方说，你已经用 "蒙特卡尔 "确定了最小值。你的故事必须有多长？你的故事应该有多长？在你展示一个真正的计算优化截止点的方法之前--所有说的都只是一种SAMOUBMAN和对常识性话题的抒情方式。我已经说过，股票并不能使你免于适应。你所有的逻辑只导致了一个解决方案--对所有的历史进行测试。尽管如此，你确实把自己限制在这个范围内。为什么？如果你不需要转发--在所有可用的历史上测试，你的 "统计有效性 "将是最大的。

我的方法很简单，我比较在同一幅图上获得的前向之和，但步骤不同。最好的结果给出了最好的测试步骤。由于我不想要抽象的推理，而是要使利润最大化，所以我比较了前锋所显示的利润。那你用什么来比较呢？

1...567891011121314151617
新评论