Diskussion zum Artikel "Kontinuierliche Walk-Forward-Optimierung (Teil 4): Optimierungsmanager (automatische Optimierung)"
Top!
Habe den Code noch nicht ausprobiert aber ich werde.
Das, was man sieht, macht einen sehr professionellen Eindruck.
Und das beste: Die Links zu früheren Artikeln
Weiter so, mit gefällt es 👌
Christian:
Top!
Habe den Code noch nicht ausprobiert aber ich werde.
Das, was man sieht, macht einen sehr professionellen Eindruck.
Und das beste: Die Links zu früheren Artikeln
Weiter so, mit gefällt es 👌
Thank you for a good review. I hope that this program will be useful.
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Kontinuierliche Walk-Forward-Optimierung (Teil 4): Optimierungsmanager (automatische Optimierung) :
Der Hauptzweck des Artikels besteht darin, den Mechanismus der Arbeit mit unserer Anwendung und deren Möglichkeiten zu beschreiben. Daher kann der Artikel als eine Anleitung zur Benutzung der Anwendung betrachtet werden. Er behandelt alle möglichen Fallstricke und Besonderheiten bei der Verwendung der Anwendung.
Um mit der Analyse des erstellten Programms fortzufahren, müssen wir zunächst den Zweck dieses Projekts definieren. Wir entschieden uns für einen wissenschaftlichen Ansatz beim Handel und begannen mit der Schaffung klar programmierter Handelsalgorithmen (egal, ob wir es mit indikatorbasierten Robotern oder mit solchen zu tun haben, die Fuzzy-Logik und neuronale Netze anwenden — alle sind programmierte Algorithmen, die bestimmte Aufgaben ausführen). Daher sollte auch der Ansatz für die Auswahl der Optimierungsergebnisse formalisiert werden. Mit anderen Worten, wenn während der Verweigerung der Anwendung von Zufälligkeit im Handelsprozess, dann sollte auch der Prozess der Vorbereitung auf den Handel automatisiert werden. Andernfalls können wir die Ergebnisse, die uns gefallen, nach dem Zufallsprinzip auswählen, was näher an der Intuition als am Systemhandel liegt. Diese Idee ist das erste Motiv, das mich dazu bewogen hat, diese Anwendung zu schaffen. Das Nächste ist die Möglichkeit, Algorithmen zu testen, indem man sie optimiert — mit Hilfe der in der folgenden Abbildung gezeigten kontinuierlichen Walk-Forward Optimierung.
Die kontinuierliche Walk-Forward-Optimierung wechselt zwischen historischen (gelb) und vorwärtsgerichteten (grün) Optimierungsdurchläufen in einem gegebenen Zeitintervall. Angenommen, Sie haben eine 10-jährige Historie. Wir bestimmen, dass die Optimierungsperiode aus einem Intervall von einem Jahr und einem Vorwärtsintervall aus einem Quartal (oder 3 Monaten) bestehen soll. Als Ergebnis haben wir ein Intervall von 1,25 Jahren (1 Jahr + 1 Quartal) für einen Optimierungsdurchgang + einen Vorwärtstest. In der Abbildung charakterisiert jede Zeile dieses Zeitintervall.
Autor: Andrey Azatskiy