确定车辆的未来可操作性。 - 页 7 12345678910 新评论 Vladimir Paukas 2008.07.31 12:01 #61 Korey писал (а)>> 它可以是另一种方式 除了几个点的重新报价外，几乎100%匹配。 Shere Khan 2008.08.01 13:03 #62 LeoV писал (а)>> 也可以理解。但这并不是我所要问的。这些是建立一个未优化的TS的原则，最好是没有优化。我正试图从优化期和OOS期的报告中找出方法，以确定未来TS的能力。 为了获得足够的OOS统计数据，请尝试以下策略。 你有一个8个月的优化期和一个1个月的OOS期。 选择10个优化和验证期。比如说。 1.从2007年1月1日至2007年8月31日优化。然后从2007年9月1日至9月30日检查。 2.从2007年2月1日到2007年9月31日，我们进行优化。然后从2007年10月1日至10月30日，我们检查。 ... 10. 2007年11月1日至2008年6月30日，我们进行了优化。01.07-31.07.2008 我们检查。 通过检查这些统计数据，你将能够对系统及其参数做出统计学上的可靠判断。 Леонид 2008.08.01 21:06 #63 Shere-Khan писал (а)>> 为了获得足够的OOS统计数据，请尝试以下策略。 你有一个8个月的优化期和一个1个月的OOS期。 选择10个时期进行优化和验证。比如说。 1.从2007年1月1日至2007年8月31日优化。然后从2007年9月1日至9月30日检查。 2.从2007年2月1日到2007年9月31日，我们进行优化。然后从2007年10月1日至10月30日，我们检查。 ... 10. 2007年11月1日至2008年6月30日，我们进行了优化。01.07-31.07.2008 我们检查。 在收集了这些统计数据后，你将能够对系统及其参数进行可靠的统计判断。 我同意，"字里行间都有一个字母"。但有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。另一方面，我试图找到一些证实TC在近期内工作的证据，因为我不相信TC的永恒存在.....。 Artem Titarenko 2008.08.01 21:22 #64 LeoV писал (а)>> 我同意，'字里行间有这样一个字母'。但是有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。我试图在不久的将来找到一些TC的确认，因为我不相信TC的永恒存在.....。 >> 如果你可以的话，给我一个例子，远期分析是按照它应该做的（例如上面建议的方式），系统是有利可图的，但一旦使用时间一到，一切都变成了地狱。 Shere Khan 2008.08.03 04:32 #65 LeoV писал (а)>> 我同意，'字里行间有这样一个字母'。但是有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。我试图找到TS在不久的将来工作的一些证据，因为我不相信TS的永恒存在.....。 每个单独的交易都有自己的风险水平和获胜的概率。这同样适用于一系列的N个交易。如果我们知道并控制这些特征，我们就可以控制系统的盈利能力。事实上，正向测试的目的是估计系统的风险水平和获胜概率与我们在优化期间设定的风险水平和获胜概率有多大的接近，以及这些指标对市场变化的稳定性。 为了评估它，每月一次的前瞻性测试显然是不够的。我们需要一系列测试的统计数据。如果一系列远期测试的结果（例如，接近真实交易时间的10个一个月的测试）按风险水平和获胜概率给出了一致的类似结果，我们就可以自信地认为，真实交易中的系统将具有相同的参数特征。 只要实际结果与正向测试中显示的结果相符，我们就使用该系统。 Andrey 2008.08.08 18:52 #66 LeoV писал (а)>> 但是有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。 这表明，模式的数量很少，它们之间没有泛化，网络只是记住了输入的样本 LeoV 写道(a)>> 我正试图在不久的将来找到一些TC的证据，因为我不相信TC的永恒存在.....。 系统在历史上工作的统计实例越多，系统在未来继续成功工作的概率就越高，作为一项规则，系统在8个月和一年后在其训练的地区工作，并有轻微的权益修正。 Леонид 2008.08.08 19:01 #67 Garfish писал (а)>>该系统在历史上发挥作用时的统计数字越大，该系统在未来继续发挥作用并取得同样成功的概率就越高，作为一项规则，该系统在8个月后和一年后将在其训练的地区发挥作用，但有一点股权偏差。 你有什么例子吗？理论上一切都很清楚，你说的是正确的事情。但实际应用呢？ Andrey 2008.08.08 19:33 #68 LeoV писал (а)>> 有什么例子吗？理论上都很清楚，你说的是正确的事情。而实际应用呢？ 即使在模拟账户上也还没有实际的交易结果，现在我正忙着把系统转移到终端的MQL上。 但我已经在阿尔帕里论坛上展示了测试草图。 Леонид 2008.08.08 22:28 #69 Garfish писал (а)>> 即使在模拟账户上也没有实际的交易结果，目前忙于将系统转移到终端的MQL。 但我在Alpari论坛上展示了测试草图。 我在Alpari上看到的不是一个很好的例子。首先，缩水幅度大，股票不平稳，其次，我对优化（或训练）期不感兴趣，而是首先对OOS感兴趣，这是三个。这里显示的是优化期，而不是OOS。在优化过程中，每个人都可以做得很好，但在OOS会发生什么是个大问题，在OOS能工作多长时间也是个大问题。这就是我们在这里讨论的问题。系统在历史上运作的统计案例越多，这样的系统在未来成功运作的概率就越高，作为一项规则，这样的系统将在8个月和1年内运作，股权略有变化。这里的每个人都知道这一点。我正试图找出并了解具体情况。 Andrey 2008.08.09 01:25 #70 LeoV писал (а)>> 我在Alpari上看到的不是一个好例子。大幅缩水是一，持平的股本是二，我们对优化期（或训练）不感兴趣，但首先对OOS感兴趣是三。这里显示的是优化期，而不是OOS。在优化过程中，每个人都可以做得很好，但在OOS会发生什么是个大问题，在OOS能工作多长时间也是个大问题。这就是我们在这里讨论的问题。系统在历史上运作的统计案例越多，这样的系统在未来成功运作的概率就越高，作为一项规则，这样的系统将在8个月和1年内运作，股权略有变化。这里的每个人都知道这一点。我正试图找出并了解具体情况。 而你不知道如何在泥泞中捅出你的鼻子，你不知道如何???? 我不笨，这里不好，这是其一，其二....，了解具体情况，仔细阅读别人写的东西! 每个系统都有它的优点和缺点，为什么不谈系统的优点来争取，而不找自己的缺点呢？ 不是说我的画，而是说一般的。 这些图纸，2月3月4月。 我要么是自相矛盾，要么是我真的什么都不懂。"我在阿尔帕里看到的不是一个很好的例子"，但如果我们谈论的是统计中的事件数量，以及事件数量如何影响未来业绩的概率，我的盈利交易的概率密度更高！尽管你的盈亏比低于1.27，但你似乎有9个。 此外，我有一个15分钟的时间框架，而你有一个小时的时间框架，这意味着你的历史少了4倍，我的画有什么问题？ 关于OOS，我在Alpari上写道，数字并不是所有的历史，网络没有看到的数据只是过去的2-3个月（在上面的数字中是过去的4个月），但如果90%的论坛人都做 "#%$by，没有小学教育，结果显示一个股权图表，因为这个系统是建立在一个网络的神经解决方案和处理发生在一个插件与网络ll，它不分我用ns显示结果，对dll来说是一样的，对我来说并没有改变最后的结果，当然这是我当时最好的结果了。我无法改变最终结果的本质。 当然也有缩水，这是我当时最好的一次。因此，我将不得不牺牲，要么在未来增加系统的保真度和稳定性，但减少平等的公平；要么增加平等的公平，但减少保真度，在未来减少稳定的公平，虽然这也是一个反问句。我可以把它看作是我的TS的一个缺陷。因此，指出系统的缺点是愚蠢的，因为它有比任何其他参数更重要的优点，如果系统已经在12个月的15分钟内进行了训练，那么，即使其中一个月有缩水，它在未来以相同的等价交换角度工作的概率也会更高。在历史的另一边也观察到了同样的缩水，尽管如果你看一下用来设置系统的参数，这个月只占整个历史的7%，用来优化系统，我在接下来的2个月看到，3-4月股权在增长，角度将被保留，我只需要每个月转移历史。这实际上可以在下一个数字上看到。 12345678910 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
它可以是另一种方式
除了几个点的重新报价外，几乎100%匹配。
也可以理解。但这并不是我所要问的。这些是建立一个未优化的TS的原则，最好是没有优化。我正试图从优化期和OOS期的报告中找出方法，以确定未来TS的能力。
为了获得足够的OOS统计数据，请尝试以下策略。
你有一个8个月的优化期和一个1个月的OOS期。
选择10个优化和验证期。比如说。
1.从2007年1月1日至2007年8月31日优化。然后从2007年9月1日至9月30日检查。
2.从2007年2月1日到2007年9月31日，我们进行优化。然后从2007年10月1日至10月30日，我们检查。
...
10. 2007年11月1日至2008年6月30日，我们进行了优化。01.07-31.07.2008 我们检查。
通过检查这些统计数据，你将能够对系统及其参数做出统计学上的可靠判断。
为了获得足够的OOS统计数据，请尝试以下策略。
你有一个8个月的优化期和一个1个月的OOS期。
选择10个时期进行优化和验证。比如说。
1.从2007年1月1日至2007年8月31日优化。然后从2007年9月1日至9月30日检查。
2.从2007年2月1日到2007年9月31日，我们进行优化。然后从2007年10月1日至10月30日，我们检查。
...
10. 2007年11月1日至2008年6月30日，我们进行了优化。01.07-31.07.2008 我们检查。
在收集了这些统计数据后，你将能够对系统及其参数进行可靠的统计判断。
我同意，"字里行间都有一个字母"。但有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。另一方面，我试图找到一些证实TC在近期内工作的证据，因为我不相信TC的永恒存在.....。
我同意，'字里行间有这样一个字母'。但是有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。我试图在不久的将来找到一些TC的确认，因为我不相信TC的永恒存在.....。
>> 如果你可以的话，给我一个例子，远期分析是按照它应该做的（例如上面建议的方式），系统是有利可图的，但一旦使用时间一到，一切都变成了地狱。
我同意，'字里行间有这样一个字母'。但是有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。我试图找到TS在不久的将来工作的一些证据，因为我不相信TS的永恒存在.....。
每个单独的交易都有自己的风险水平和获胜的概率。这同样适用于一系列的N个交易。如果我们知道并控制这些特征，我们就可以控制系统的盈利能力。事实上，正向测试的目的是估计系统的风险水平和获胜概率与我们在优化期间设定的风险水平和获胜概率有多大的接近，以及这些指标对市场变化的稳定性。
为了评估它，每月一次的前瞻性测试显然是不够的。我们需要一系列测试的统计数据。如果一系列远期测试的结果（例如，接近真实交易时间的10个一个月的测试）按风险水平和获胜概率给出了一致的类似结果，我们就可以自信地认为，真实交易中的系统将具有相同的参数特征。
只要实际结果与正向测试中显示的结果相符，我们就使用该系统。
但是有一个 "但是"。例如，8个月前发现的那些模式，此刻可能已经不起作用。而且有很多这样的例子。
这表明，模式的数量很少，它们之间没有泛化，网络只是记住了输入的样本
我正试图在不久的将来找到一些TC的证据，因为我不相信TC的永恒存在.....。
系统在历史上工作的统计实例越多，系统在未来继续成功工作的概率就越高，作为一项规则，系统在8个月和一年后在其训练的地区工作，并有轻微的权益修正。
该系统在历史上发挥作用时的统计数字越大，该系统在未来继续发挥作用并取得同样成功的概率就越高，作为一项规则，该系统在8个月后和一年后将在其训练的地区发挥作用，但有一点股权偏差。
你有什么例子吗？理论上一切都很清楚，你说的是正确的事情。但实际应用呢？
有什么例子吗？理论上都很清楚，你说的是正确的事情。而实际应用呢？
即使在模拟账户上也还没有实际的交易结果，现在我正忙着把系统转移到终端的MQL上。
但我已经在阿尔帕里论坛上展示了测试草图。
即使在模拟账户上也没有实际的交易结果，目前忙于将系统转移到终端的MQL。
但我在Alpari论坛上展示了测试草图。
我在Alpari上看到的不是一个很好的例子。首先，缩水幅度大，股票不平稳，其次，我对优化（或训练）期不感兴趣，而是首先对OOS感兴趣，这是三个。这里显示的是优化期，而不是OOS。在优化过程中，每个人都可以做得很好，但在OOS会发生什么是个大问题，在OOS能工作多长时间也是个大问题。这就是我们在这里讨论的问题。系统在历史上运作的统计案例越多，这样的系统在未来成功运作的概率就越高，作为一项规则，这样的系统将在8个月和1年内运作，股权略有变化。这里的每个人都知道这一点。我正试图找出并了解具体情况。
我在Alpari上看到的不是一个好例子。大幅缩水是一，持平的股本是二，我们对优化期（或训练）不感兴趣，但首先对OOS感兴趣是三。这里显示的是优化期，而不是OOS。在优化过程中，每个人都可以做得很好，但在OOS会发生什么是个大问题，在OOS能工作多长时间也是个大问题。这就是我们在这里讨论的问题。系统在历史上运作的统计案例越多，这样的系统在未来成功运作的概率就越高，作为一项规则，这样的系统将在8个月和1年内运作，股权略有变化。这里的每个人都知道这一点。我正试图找出并了解具体情况。
而你不知道如何在泥泞中捅出你的鼻子，你不知道如何????
我不笨，这里不好，这是其一，其二....，了解具体情况，仔细阅读别人写的东西!
每个系统都有它的优点和缺点，为什么不谈系统的优点来争取，而不找自己的缺点呢？ 不是说我的画，而是说一般的。
这些图纸，2月3月4月。
我要么是自相矛盾，要么是我真的什么都不懂。"我在阿尔帕里看到的不是一个很好的例子"，但如果我们谈论的是统计中的事件数量，以及事件数量如何影响未来业绩的概率，我的盈利交易的概率密度更高！尽管你的盈亏比低于1.27，但你似乎有9个。
此外，我有一个15分钟的时间框架，而你有一个小时的时间框架，这意味着你的历史少了4倍，我的画有什么问题？
关于OOS，我在Alpari上写道，数字并不是所有的历史，网络没有看到的数据只是过去的2-3个月（在上面的数字中是过去的4个月），但如果90%的论坛人都做 "#%$by，没有小学教育，结果显示一个股权图表，因为这个系统是建立在一个网络的神经解决方案和处理发生在一个插件与网络ll，它不分我用ns显示结果，对dll来说是一样的，对我来说并没有改变最后的结果，当然这是我当时最好的结果了。我无法改变最终结果的本质。 当然也有缩水，这是我当时最好的一次。因此，我将不得不牺牲，要么在未来增加系统的保真度和稳定性，但减少平等的公平；要么增加平等的公平，但减少保真度，在未来减少稳定的公平，虽然这也是一个反问句。我可以把它看作是我的TS的一个缺陷。因此，指出系统的缺点是愚蠢的，因为它有比任何其他参数更重要的优点，如果系统已经在12个月的15分钟内进行了训练，那么，即使其中一个月有缩水，它在未来以相同的等价交换角度工作的概率也会更高。在历史的另一边也观察到了同样的缩水，尽管如果你看一下用来设置系统的参数，这个月只占整个历史的7%，用来优化系统，我在接下来的2个月看到，3-4月股权在增长，角度将被保留，我只需要每个月转移历史。这实际上可以在下一个数字上看到。