进行滚动前进的方法 - 页 6

新评论
 
elibrarius:
我认为最好的办法是使用第三方工具做一个WF分析，然后给MQ看，要求他们把它建立在测试器中。

但有些东西告诉我，这将是困难的。比如说我，没有DB，我还没有下定决心。一个简单的计算。
1次优化就能产生10000多行
+ 1次转发 - 另有10000多行...

我有一个答案，没有必要收集任何东西。

如果一个内部测试人员在做行走步骤的回溯优化时使用了一些标准/健身函数，那么我们就保存一个具有其最大值的集合。它走到了最前面，建立了一个好的标准--YES，它也可以从框架上看所有的交易。具有高标准值的运行结果被计算出来--我们把它储存起来。也就是说，在对退步进行优化后，我们只有一个获胜的集合，在此基础上再进行前进的操作。

也就是说，对于12个步骤，将匹配12组。

 
Igor Volodin:

我有我的答案，没有必要收集任何东西。

如果一个内部测试人员在做行走步骤的回溯优化时使用了一些标准/健身函数，那么我们就保留一个具有其最大值的集合。它走到了最前面，建立了一个好的标准--YES，它也可以从框架上看所有的交易。具有高标准值的运行结果被计算出来--我们把它储存起来。也就是说，在对退步进行优化后，我们只有一个获胜的集合，在此基础上再进行前进的操作。

也就是说，对于12个步骤，将匹配12组。

如果你的健身函数在顶部带出了最好的选项呢？

例如，我为自己决定分析所有10000多个，以便通过改变选择标准，我可以得出在整个WF期间会产生一致结果的选择。在我之前的实验中，以<20%的缩水为一年的周期，我得到了2个月的缩水和排水的情况。

现在我想收紧统一的选择标准，尽量让缩水率<15%<10%。在选择标准中增加其他参数--交易数量、恢复、夏普等。但由于我们只存储了12个文件，我们将不得不重新优化所有的12个月+所有的远期。每次我改变选择标准时都要重新优化--这是我唯一要做的事情))这就是为什么我决定存储所有数据，然后重新优化它们。

 
elibrarius:

如果你的健身功能带出的不是最好的选择呢？

如果你想要自动的沃尔金--建立这样一个功能（选择标准），将最好的变体带到顶部））。如果没有这种功能，你在现实生活中如何工作？
 
elibrarius:
我指的是内置在终端测试器中的正向测试。也许应该把它包括在内，以完成这幅画？手动的我只能看到一些优化结果，而测试人员会把它们全部计算出来......但我不确定是否有必要在这上面浪费时间。也许，当看到所有的前锋时，我们可能会选择其他的东西，而不是以<20%的缩水作为单一的选择标准？

我这样做。

1.在TF D1上，我选择了所有可用的历史（对于欧元/美元，我从1973年初到现在）。

2.我优化了专家顾问的整个范围（超过10 000条），以确定恢复因子（RR）的最大值，即净利润（NPL）与最大跌幅（MP）的比率 - RR=58935/4657=12.66。交易数量=10730；预期报酬（EPC）=58935/10730=5.49点；预期损失（ELO）=4657/10730=0.434点；策略绩效标准（SEC）=EPC/ELO=5.49/0.437=12.66。

3.然后，我从任何历史时期的恒定参数中运行专家顾问--在这种情况下，从1974年、75年、.....、2012年开始，并确定当前值（KEST）=预期报酬率当前（EPC）/预期报酬率最终（EPC）=预期报酬率当前（EPC）/0.434，这表明TS随时间变化的稳定性或不稳定性。这个标准表明赢的概率超过输的概率的多少倍。

以下是我们从1973年到2013年这41年里得到的情况。


 
Yousufkhodja Sultonov:

我这样做。


2.我优化了整个范围(


这不是狼性的前进。你首先优化整个范围，然后对它做一些测量。在volking-forward过程中，优化的 区域比检查的区域要大，那些没有优化的区域被检查，然后它们被检查的区域的大小所移位，一切都在重复。
 

我已经想出了如何在纯MQL中使用原生的MT5优化器在一次优化中实现全周期的前行。

我将在稍后给出细节。

 
Igor Volodin:

我已经想出了如何在纯MQL中使用原生的MT5优化器在一次优化中实现全周期的前行。

我将在稍后给出细节。

我们将等待 )
 
Igor Volodin:

我已经想出了如何在纯MQL中使用MT5优化器在一次优化中实现全周期的走动。

我将在稍后给出细节。

只是有很多细微的差别，不仅仅是取样的问题。这只是冰山一角。

问题一，volkin forward会给什么？，对于那些想测试他们的系统的人来说，因此可以检查它--用你的心想的任何条件。原因是，战略可能是预先确定的。

虽然发展可能是一件好事。

 
Youri Tarshecki:
这不是沃尔金式的前进。你首先优化整个小区，然后在同一小区进行一些测量。在volking-forward过程中，优化的区域比检查的区域要老，而较新的未优化的区域被检查，然后它们被检查的区域的大小所移位，一切都在重复。
我不同意这一点。在整个43年的范围内进行优化是为了一劳永逸地确定TC的 "平均 "参数。然后，TC每年运行43次。假设，TC必然会遇到异常的市场情况。你的误解是，在历史上，你不能满足将来要满足的案例。既然TS能应对历史上的所有情况，我相信它也能应对未来，只是会有微小的变化。
 
Yousufkhodja Sultonov:
请允许我提出不同意见。
随你怎么反对，随你怎么做，这个主题是关于Walk-Forward的，如果你不想谈论它，让我请你离开这里。
12345678910111213
新评论