类似反网格的系统的统计 - 页 5

新评论
 
zzuegg:
arr，我们要离开这个话题 :( 把它带回来

好吧，很抱歉指出来，但我觉得这个话题也陷入了死胡同。我认为你最初的问题"这些结果对一个类似于反网格的系统是否有用，这种系统的关键因素是什么？"已经被回答为提款。如果你想评估系统的最佳赌注/凯利之类的东西，对不起，我不知道如何计算这些，因为手的大小是可变的，而且是在一串依赖交易中。但是，如果你想知道这个系统与其他赢家系统（趋势或其他）相比有什么优势，那么这就是它现在的发展方向。

既然你有每笔交易的所有赢亏数据。我认为球落在了你的球场上，以提供像方差和标准偏差 这样的东西，这可以用于其他统计计算，如回报率、比率、风险等。最后一个问题，你是否尝试在所有可用的价格数据上运行这个系统（包括其他货币）？如果你做了，系统有没有崩溃过？事实上，问题不在于像这样的系统是否会崩溃，而在于它的频率。

 

zzuegg:

> 这是危险区，范围比网格大小大，但不是两倍大。

7月25日以来，它的表现如何？

-BB-

 

我向zzuegg道歉，因为他昨天显然让这个主题偏离了方向。然而，我的帖子的主要观点是表明反网格系统的统计性能优于简单的趋势跟踪系统，所以我很惊讶地成为ubzen大力攻击的对象（尽管有点偏离目标）。

@ubzen，一眼看去，你关于趋势跟踪方法的主题看起来很有趣。我一定会去看的。 你还在我的帖子中贴出了我用来做分析的软件的网站链接，这大概意味着你收回了你先前对优化的断然建议。

你提出了一个有趣的问题：重新优化的频率。 我得出的逻辑结论是，在实际交易中，非常频繁地重新优化是没有坏处的（用一种具有良好走势的方法），但我还没有从经验上说服自己这能带来很多改进。 更重要的是优化期的长度--很容易使其过短。 但是使用MetaTrader和前行分析器，有一个重要的原因是，对于不经常交易的系统，短的测试期会产生误导。这就是任何在期末开放的交易都会在午夜不切实际地被平仓。我不喜欢这个 "功能"--在我看来，测试器应该让交易一直运行到规则退出，但这是我们必须要做的。这使结果失真，在测试期的交易越少，结果就越大。

是的，我的测试确实 和使用每一个刻度线一样准确（下划线是因为我以前说过，现在仍然是这样）。原因是，在开盘时执行交易 是非常实用的，事实上这正是我的代码所做的。所有的逻辑都是基于指数为1或更大的条形上的指标值。顺便说一下，这是一种实用的、流行的方法，可以避免在同一个柱子中捕捉几个信号的愚蠢情况。如果你想频繁地捕捉信号，那就使用更小的条形图吧!关于偶尔出现的巨大的15分钟条形图的观点很好，但在这种情况下它们不是不准确的来源。

谢谢你对我的例子系统的结果质量的赞誉，但是对于我的目的来说，这还不够好，与zuegg的系统相比，例如，相形见绌。需要改进的地方很多，所以我有很多东西要学!我一直认为欧元兑美元比其他市场更容易操作，在手动交易和基于规则的交易中，我在那里得到了最好的结果。但我偶尔会尝试其他市场，并将继续这样做。我几年来一直在研究的一个想法是，在挑选交易的货币对之前，先分析一篮子4到6种货币（6到15个货币对）中的每一个货币对。

永远不要停止学习!

 
@Elroch:对不起，我没有攻击任何人的意思。我试图保持我的答案简短，所以可能会出现这样的情况。我自己也有很多关于MT4的知识需要学习，目前我正在学习货币篮子的 编程。我也很想做自我优化的EA和神经网络的EA，希望我能进入状态并开始这些工作。要说什么是不成功的，什么是成功的，这很容易。要说什么会有效，那就难多了。我想，活到老，学到老。我在这里所说的一切都只是我的观点。我倾向于采取的态度是，有些东西对我不起作用，并不意味着它对你不起作用。因此，这就是为什么我发现自己在重新发明轮子，而不是盲目地接受别人的建议。
 
BarrowBoy:

zzuegg:

> 这是危险区，范围比网格大小大，但不是两倍大。

7月25日以来，它的表现如何？

-BB-

嗨，BB，系统按预期工作。即使市场有波动，波动的大小也在200点+左右。由于标准的网格大小是50点，我在这样的阶段没有问题。看起来，这个系统的波动期也是相当理想的。

在这段时间里，基本上没有危险区。下面是7月至今的测试。

注意：平衡性的大幅下降是由于目前出口信条的变化。我已经将退出形式从简单的在利润目标处退出改为 "通过股票追踪退出"。


@Elroch，不断地重新选择当然听起来非常好，特别是对于趋势跟踪系统。对我来说，这个问题是，你需要指定市场条件发生变化和需要重新优化的边界。当然，你可以在飞行中使用优化，（在mql5部分有一篇很好的文章）。但这也要求市场条件在较大的时期内保持不变。每一个变化都要付出代价。你的优化越合适，市场条件的变化就越小，就会失败。我想我不会走这条路，例如我的自适应强度系统没有输入，没有为它的指标定义周期。我已将一个指标作为基础编程，它显示我上升和下降周期的平均长度。其他参数是基于这些结果的。我希望得到一个能自动适应当前市场条件的系统。在测试器中看起来不错，但正如所说。到现在为止，实际结果一点都不好。(但我让EA运行，因为长期的结果是重要的，而且他是在一个小的辅助账户上运行）。

@ubzen，是的，神经网络可能是那个东西。因为我的学位是基于这个主题的，我真的相信这种系统可以快速适应新的市场条件。我梦想着神经网络能分析市场条件，并根据具体的市场条件自动选择或重新训练一个新的神经网络。不过，我离解决这个问题还很远。仅仅对一个最先进的网络进行编程是一项艰巨的任务。


//z

 

@ubzen，这很好。在互联网讨论中，很容易产生错误的印象。争论是澄清理解的一个相当好的方式，这一点从古希腊就已经知道了:-)

@zzuegg，干得好你觉得你的新退出方法提供了优越的性能吗？

顺便说一下，非常频繁的优化并不比不太频繁的优化对市场的行为有更多的要求，但可能不值得这么麻烦。我的第一感觉是，如果我现在的系统参数 受到过去一定时间内的市场行为的影响，我希望这个时间段尽可能的近。这可以通过非常频繁的重新优化来实现。例如，如果你每周使用1年的数据进行重新优化，你总是使用相当接近最新的数据，但如果你每3个月重新优化一次，有些时候你使用的优化时期是3个月前的。然而，我相信性能上的差异可能是非常小的，有几个原因。首先，最近的一年和3个月前结束的一年之间有很大的重叠--事实上，3/4的数据是相同的。其次，优化是一个非常不精确的过程。最近一年的优化结果与3个月前结束的一年的优化结果之间的很大一部分差异可能是由于机会，而不是两个时期的市场特征之间的重大差异。第三，对市场特征的预期，其变化可能被优化所捕获，可能随着时间的推移而缓慢变化。第四，无论我们的优化受到什么特征的影响，与样本外数据的特征之间的相关性都很低，进一步稀释了对结果的影响。最后，我们试图捕捉的市场变化的任何特征，只能解释系统在样本外数据上的部分结果。其结果是，性能的差异可能非常小。用一个真实的例子来科学地测试这一点会很好，看看性能的统计差异，但它需要一个相当大的测试来减少结果的随机变化，并且需要一个非常大的测试来识别由于非常频繁的重新优化而带来的小的改进，我想。

 

> 神经网络可能是那个东西

我理解围绕NN的兴奋点，但我一直认为，由于训练和再训练来自于......历史数据，我们只是在用更多的CPU周期进行同样的老循环......

-BB-

 

同样的旧循环，但有更多的CPU周期......

是的，我也有同样的感觉，但我想的是快乐的事。）

我希望NN能比我更好地完成我的系统开发过程。我的意思是，从一个失败的路径中学习并尝试另一条路线的过程。

 

有几个想法。历史数据就是历史数据，但这几乎是我们所得到的全部数据 :-)NNs有一点神秘感，但实际上它们是一种回归机器。我的意思是，NN可以在其输入和输出之间编码一类函数，而训练的过程包括确定函数的自由参数，以适合它的训练集。

历史数据的问题让我想起了我最喜欢的一个无稽的交易信条 "指标滞后，价格不滞后"。当前的价格 不会滞后，这是真的，但是试着只用当前的价格进行交易，而忽略所有其他的价格（现在是1.41665--你想买还是卖？ 没有其他信息可用）。以前的价格显然是滞后的。它们的滞后性是否小于指标？好吧，假设你有一组长度为1、2、3的SMA，以此类推。其中的前N个决定了最后N个价格。我认为在任何实际意义上，这意味着SMAs不会比价格更滞后。赞同这种流行教条的人会认为，当你谈论一个发生在N个柱子之前的价格极端所产生的支持时，这是一个价格不滞后的例子，但是如果你谈论价格与N个周期的SMA的关系，这将是一个滞后指标。很有趣。

 

现在是1.41665 - 你想买还是卖？

哇，这真不错，我以前从来没有这样教过它。伙计，我更喜欢这个人了，他让我思考。请允许我把我的教条添加到列表中。Rsi, Macd, CCi, Adx, Sma或任何你最喜欢的指标已经向上移动了100点，你想买入还是卖出？

1234567
新评论