交易员的自欺欺人：对前锋的不信任。 - 页 3

新评论
 
khorosh:
前进是一个有用的检查，但不是万能的。在优化结果 中，有可能选择一个参数的变体，提供一个良好的前进方向，但这并不能保证在实际中获得良好的结果。
建议采用更好的分析方法。
 
Youri Tarshecki:
专注于最后的变化是另一种自欺欺人。当然，你必须使用新的设置来交易。但是，如果你只局限于对上一时期的优化，你将永远无法了解你的专家顾问是否对未来的变化有抵抗力。看看我帖子中的第二张图片--你可以清楚地看到它。前进是对过去的比较。你的方法与前瞻性分析毫无关系。几乎所有的专家顾问都可以被优化成一个漂亮的回测。这里的规律是这样的--设置越是优化，回测越是漂亮。而越是丑陋的就是越是前进。前进有助于准确找到使用更多长期模式的逻辑，因此更有希望。

我没有看到合理的怀疑--你的断言是没有逻辑的结论。

证明过去3年的优化并在历史数据上进行检查（例如优化前的3年）比在6年历史的3年上进行优化以及随后对 过去3年的优化结果 进行验证的方法更糟糕？

在任何情况下，我的建议是修改EA，允许同时对6年的数据和3年的数据进行优化。

 
-Aleks-:

我没有看到合理的怀疑--你的断言是没有逻辑的结论。

证明过去3年的优化并在历史数据上进行检查（例如优化前的3年）比在6年历史的3年上进行优化以及随后对 过去3年的优化结果 进行验证的方法更糟糕？

在任何情况下，我建议修改专家顾问，允许你同时对6年的数据和3年的数据进行优化。

这不是关于检查的方向。这是关于前锋的数量。如果你喜欢寻找 "反向惯性 "而不是正常惯性，在你的情况下，你只能做一次。- 你被最后一次拉伸到现在的情况压制住了。做一个单一的，尽管是 "反转 "的前进是太不可靠了。此外，"支票 "部分离这个支票的实际目的--真正的贸易--有两倍的距离，因为后面的部分不是支票。但这不是主要的问题。你所做的是交叉前向比较的一个特殊案例。我自己没有做过，但根据一些评论，它的效果与连续转发的效果相同，而且只有在统计学上有很多人的情况下才有效。而你只有一个。而在MT方面，完全不清楚如何将这种方法自动化。
 
Youri Tarshecki:
这不是关于检查的方向。这是关于前锋的数量。如果你喜欢寻找 "反向惯性 "而不是正常惯性，在你的情况下，你只能做一次。- 你被最后一次拉伸到现在的情况压制住了。做一个单一的，尽管是 "反转 "的前进是太不可靠了。此外，"支票 "部分离这个支票的实际目的--真正的贸易--有两倍的距离，因为后面的部分不是支票。但这不是主要的问题。你所做的是交叉前向比较的一个特殊案例。我自己没有做过，但根据一些评论，它的效果与连续转发的效果相同，而且只有在统计学上有很多人的情况下才有效。而你只有一个。而在MT方面，根本不清楚如何将这种方法自动化。
我又一次不明白，把一年分成几个月，然后把结果平均化，这有什么好处？很明显，我们在分析过程中必须考虑市场状况--趋势或平淡，这种状况越多，包括一种状况向另一种状况的变化，画面就越容易理解和可靠。还是你的专家顾问是按分钟工作的？
 
-Aleks-:
我再次不明白，把一年分成几个月，然后把结果平均化，有什么好处？很明显，在分析过程中必须考虑到市场状况--趋势或平淡，而且这种状况越多，包括一种状况向另一种状况的变化，图片就越容易理解和可靠。或者是你的专家顾问在做会议记录？
我再问一遍--你为什么不在所有可用的历史上进行优化？根据你的逻辑，那么图片将是最准确的。分析的时间框架的相关性是一个实验性的，专家顾问是否在分钟上工作根本不重要。实验本身揭示了在哪种模式下有更少的缩减和更多的利润。此外，最近我一直有一些想法，认为每个变量必须有自己的最佳优化区间，但这可能是未来的事情。
 
Youri Tarshecki:
我再问一次--你为什么不对所有可用的历史进行优化？按照你的逻辑，照片就会是最可靠的。分析的时间框架的相关性是通过实验确定的，专家顾问是否在分钟上工作根本不重要。实验本身揭示了在哪种模式下有更少的缩减和更多的利润。

我在历史上优化了一些EA（通常从2000年开始），我不认为这有什么问题。

我明白，市场在变化。有更稳定的行为模式，也有不太稳定的行为模式，但发现这种模式越接近当前的历史，它的服务时间就越长--所以我不认为在不考虑当前数据的情况下在旧数据上进行优化有任何意义。我只在过去的数据上检查满意的结果，以检查逻辑的稳定性，我不期望数据在历史上更好，但我确实看到了一个趋势，让我评估模式的稳定性。

不，说实话，我不认为把历史分成小部分而不考虑图表有什么意义。但是，如果我们将历史按趋势和平局分组，并在它们上面测试专家顾问，例如，如果它在趋势下工作，但对切换到平局的理解很差，那么它就有意义。

我再次不明白为什么建议的自动化方法不适合你？

我再说一遍--我们必须在我们的EA中标记某些时间，并设置一个不开单的时间段，例如

Если (Дата_Открывать==1) Дата_старт=01.01.2015, Дата_стоп=10.05.2015;

Если (Дата_Открывать==2) Дата_старт=01.01.2014, Дата_стоп=31.12.2014;

在这里，我们有一个自动转发。

然后，我们在Excel中切割条纹--5分钟，插入准备好的公式，我们就很高兴了。

也许我没有正确理解这个优化问题？

 
-Aleks-:

这倒是真的。但前提是你确实发现了那个模式，而且不是发生了微不足道的配合。只有可重复性才能给人以信心，而单个实例中的前向测试将显示不多，如果只是因为前向测试通常比后向测试差的话。也就是说，将回溯测试与正向测试进行比较，甚至在单一实例中进行比较，一般来说是没有意义的。顺便说一句，我并不是坚持认为这些片段应该被 "压碎 "或 "放大"。我在强调，只有练习才会有清晰的认识，但你拿的琴越多，清晰的认识就越多。至于截止日期本身--我不知道在你的情况下哪个答案会更好，也许截止日期比你想象的还要好。
 
Yuri_Evseenkov:
建议采用更好的分析方法。
我还没有想好）。
 
Stanislav Korotky:

在我的记忆中，这就是我所做的--我把第一次交易的时间保存到框架中--这就是 "平衡"。因此，当在一个文件中记录所有运行的参数和指标时，很容易通过两个不同的日期来区分回测和正测。我已经将所有的运行保存在同一个文件中（在OnTesterInit中打开，在OnTesterDeinit中关闭）。


这已经比较有趣了。但我的情况更复杂。假设我试图通过日期来区分前后。但我要按历史上的一个区间的变量数，有20个背影，还有一个向前。由于我有12个片段，我将得到一年的大量日期（240个后退+12个前进），我只需尝试在那里识别它们。需要另一种解决方案。例如--我们需要在代码中增加保存报告的能力，不完全是为每次运行，而是当某些外部EA的信号出现时。假设启动所有运行的自动优化器可能会将一些条件数字写进一个链接文件。而 "专家顾问 "会读取它们，并将数据严格保存在那些需要的地方。例如，B-8-2（后表，第8个变量行，第2个运行栏），F-3-11（前表，第3个标准行，第11个运行栏）。
 

一切都以更简单的方式完成。

比如说。

有一个EA。它有10个设置--10套。优化是在十套方案中选择一套方案的本质。对吗？

我们在整个历史上运行所有的变体，并在同一个均匀的 时间尺度上布置结果。

Voila.现在，我们可以在任何时间点上戳，向它的左边分析到所需的深度，并选择我们喜欢的集合。这将是 "优化"。

接下来我们看一下这个点的右边--这将是 "向前"。

12345678910...17
新评论