ATC.经验、知识和实践。 - 页 5

新评论
 
Unicornis:

为了测试，从一个典型的日内交易中抽取x2 x3的点差，至少x10的点差。20%以内的关键输入参数的变化对盈利能力的影响不应超过5%。如果sl>tp，则按所得sl的大小制作网格。

现在我们变得具体了））。
 
Evgeny Dyuka:

我读过你关于马丁格尔的文章，我不明白在策略中使用马丁格尔的元素有什么问题。我们在这里是为了挣钱，而不是为了捍卫我们的原则。如果马丁格尔法=大的风险和证券的损失，这些风险必须有一些标准。因此，我回到了我的问题--必须满足什么条件才能认为机器人是正常的，可以接受使用它来赚取真钱？为了满足这些标准，应该如何 "诚实 "地进行回测？

一般来说，什么是适合的框架，或者说没有这样的框架，整个讨论归结为冷笑和讽刺（这不是针对你）。

在gsb（随机行走图）上，马汀并没有任何优势。
但由于外汇是一个比GSB更平坦的市场，所以马丁在上面的效果更好。

叶夫根尼-迪尤卡。

如果马丁格尔法=大风险和损失存款，那么这些风险必须有一些标准。

与其他系统相同;)

叶夫根尼-迪尤卡。

因此，我又回到了我的问题上--必须满足什么条件才能认为机器人是正常的，可以接受使用真钱的？为了满足这些标准，应该如何 "诚实 "地进行回测？

对其他系统也是如此。
 
multiplicator:
在GSB（随机行走图）上，马丁并没有提供任何优势。
但由于外汇是一个比GSB更平坦的市场，马丁在这方面的工作更好。

与其他系统相同;)

我需要它在回测和远期（不同时期）显示一个正常的结果。
谢谢你的答复，要求不是致命的。
我的策略在小的时间框架上根据指标进行交易，但如果价格没有向正确的方向发展，机器人会继续逆势开仓（马丁）。在趋势强劲之前，它是有效的，当趋势开始时，机器人为了不成为马丁格尔的人质，离开亏损的头寸，继续像往常一样交易，无视悬挂的头寸，小前锋让他在趋势中也能抓住波浪。然后，他要么设法在泡沫的早期或后期关闭盘旋的位置，要么将它们削减到负值。结果在上面的利润图上可以看到，该策略的奇特之处在于，机器人总是处于100-300英镑的缩水状态（绿线滞后于蓝线）--这种放弃的头寸创造了这样一个背景。该计划是有效的，但还没有100%普及，在一些货币对上没有利润或有小的损失。
订单中没有停顿和起飞，机器人根据情况 "手工 "完成一切。
 
我已经对每月+30%左右的收益率感兴趣了，但不仅仅是每月30%，而是从年头到年尾每个月(！)都是如此，没有例外！"。一个机器人有可能做到这一点吗？我不排除它是可能的，但我也不排除它是不可能的（原谅我的同义词），因此我在这个领域不再做任何研究和开发。

这在手工交易 中也是不可能的。缩减是不可避免的。而保证利润是一种幻想。虽然有些人一生都很幸运。如果你运气好，你会赚，如果你运气不好，你会输。你可以想出你自己的想法。他们还没有学会如何影响运气。

除了策略，经纪人的可靠性，银行账户的成功，终端的故障，经纪人的失败。这一切真的影响到了这一切。

即使是一个有利可图的战略也不能保证收益。

你有一个机会--交易。不，工作和交易。 然后你就会变老。你只能通过欺骗别人来发财--发布信号，或者把他们当做信任。

首先要远离外汇。关于股票市场。我理解你仍然处于道路的起点。都有经验。

 

在这里，有两点是需要理解的。

1）根据定义，任何由一个人在家里开发和/或可能开发的 "自制 "机器人，尽管个人痴迷于寻找机器人工业，实际上比大型交易基金和投资公司（高盛、贝莱德等）的自动或半自动交易系统要弱数百倍，在那里有数百名创造性的数学家、战略家和程序员正在工作。因此，在机器人 "人群 "之间的竞争中，algodtrader总是会输（他们的机器人策略的结果是由神经网络近似计算出来的，就像有自主决策的赌博交易者的行为一样）。

2）手工机器人比经过训练的人脑弱很多倍，无法解决由交易基金的新闻和交易产生的动态计算问题。

这导致了一个简单的结论：单个交易者花时间在算法垃圾交易上是没有意义的，只能训练自己的 "神经元 "来解决手动 交易问题（+在MQL5或其他平台上开发驱动/扫描器和其他支持算法）。这就是金融市场上角斗士的方式，为金钱而练习和战斗。

关于我：去年夏天，在经过5年的算法研究后，得出了这个结论，现在我完全专注于训练我的大脑+开发后台系统（市场扫描、风险管理等）。到目前为止，还没有令人惊叹的结果，但我正在走这条路线，学习、辅导->交易，找出我的失误，然后再次交易。到目前为止，唯一的缺点是我不得不完全放弃酒精。

 
Evgeny Dyuka:

- 一个工作在1H或更高的机器人每周产生2-3个交易，这是废话，它在回测中看起来很好，在真实市场上尝试是不现实的）））你必须等待一年...
- 我不能完全放弃马丁格尔，它的一些要素仍然需要。

我的TC联赛的结果反驳了这种说法。

我有很多TS已经在演示中工作了很长时间（有些已经工作了一年多），并在演示中显示出正常的结果。

 
Evgeny Dyuka:

在这里，从2018.01.19到今天，在欧元兑美元上运行我的，开始1000，最后4200，进入2镑，杠杆500，最多可以开50个仓位，去重在5%以内，每天大约10次交易。

你应该把它放在演示中。并看看会发生什么。然后告诉我利润的情况。

 
Sergey Lebedev:

在这里，有两点是需要理解的。

1）根据定义，任何由个人在家庭工业中开发和/或潜在开发的 "自制 "机器人，尽管个人痴迷于寻找机器人工业，但实际上比雇用了数百名创造性数学家、战略家和程序员的主要交易基金和投资公司（高盛、贝莱德等）的自动或半自动交易系统弱数百倍。因此，在机器人之间的竞争中，藻类交易商的 "人群 "总是会输（他们的机器人策略的结果是由神经网络近似计算的，就像独立决策的赌徒的行为）。

我不同意。

同样，TC联盟的经验告诉我，最简单的系统可以赚到和 "超级大系统 "一样多的钱。事实上，我对交易的介绍是从写一个基于这个由数百条规则组成的超级系统的机器人开始的。15年来，它在历史上显示出良好的效果。当我在真实账户上尝试时，它似乎开始赚钱，三个月后我失去了所有的收益，就像最简单的TS。问题来了--如果它们的工作方式与最简单的相同，为什么要使用复杂的系统？集中精力选择以相同方式工作的简单系统，而不是创造一个超级大的系统，不是更好吗？

 
Georgiy Merts:

我不同意。

同样，TC联盟的经验告诉我，最简单的系统可能和 "超级大系统 "一样好赚。事实上，我对交易的认识是从使用这个由数百条规则组成的超级系统编写一个机器人开始的。15年来，它在历史上显示出良好的效果。当我在真实账户上尝试时，它似乎开始赚钱，三个月后我失去了所有的收益，就像最简单的TS。问题来了--如果它们的工作方式与最简单的相同，为什么要使用复杂的系统？集中精力选择以相同方式工作的简单系统，而不是创造一个超级大的系统，不是更好吗？

如果像你说的那样，简单的东西工作起来一样糟糕，那么在简单的东西上花时间有什么意义呢？那就把时间花在数学上好了。

 
Stanislav Aksenov:

如果像你说的那样，简单的东西工作起来一样糟糕，那么在简单的东西上浪费时间有什么意义呢？最好把时间花在数学上。

是的，因为花在简单的时间较少，而且有很多简单的可以选择。我有600多个TC在同时工作，所以有很多选择。而且我可以断言，并非没有证据，简单的系统是很有能力赚取利润的。

如果你在基础知识上花了时间，然后在一周的工作中得到了损失，那么学习基础知识的意义何在？

1234567
新评论