Die Selbsttäuschung des Händlers: Misstrauen gegenüber der Zukunft. - Seite 15

 
Vasiliy Sokolov:
Aus der Menge der Läufe von 1998 bis 2008 wird der beste Lauf für 1998-2001 genommen und sein Ergebnis für 2002 in die resultierenden Aktien geschrieben, dann wird der beste Lauf für 1999-2002 genommen und sein Ergebnis für 2003 an den vorherigen Lauf angehängt, und so weiter. Viele Läufe werden im Voraus für die gesamte Geschichte erhalten. Im Wesentlichen ein triviales Schiebefenster. Hier gibt es keine Magie und keine Wiederholungen.
Sie irren sich. Mehrere Läufe werden nicht im Voraus, sondern nacheinander durchgeführt, d. h. dasselbe Verfahren wird wiederholt, jedoch in unterschiedlichen Zeitabständen. Sie müssen den Text nicht einmal lesen - Sie können ihn ganz deutlich im Bild sehen. Ich habe genau denselben Algorithmus in meinem Auto-Optimierer implementiert, aber ich lasse jede Variable in jedem Segment separat laufen.
 
Vasiliy Sokolov:

Ein wenig mehr über R^2.

Für mich ist dies ein sehr aussagekräftiger Indikator, aber nicht genug. In der Praxis habe ich die Erfahrung gemacht, dass einige TCs sehr gute und gleichmäßige Aufwärtsbewegungen des Aktienkurses erzeugen können. Ihr R^2 ist sehr hoch und ihr Parametersatz knackt jede noch so kleine ................................






Guten Tag. Wassili. Geben Sie mir die R-Quadrat-Formel. Nicht vertraut...
 
Roman Shiredchenko:
Guten Tag. Wassili. Geben Sie mir die Formel für R-Quadrat. Nicht vertraut mit...
  1. Berechnen Sie eine lineare Regressionslinie zum equti Ihrer Strategie (anstelle des equti können Sie auch den regulären, in MT4 generierten Balance Chart verwenden);
  2. Berechnen Sie den Pearson-Korrelationskoeffizienten zwischen der erhaltenen Regressionslinie und dem Eigenkapital Ihrer Strategie;
  3. Quadrieren Sie den Korrelationskoeffizienten - Sie erhalten den Wert R^2.
 
Youri Tarshecki:
Sie irren sich. Mehrere Läufe werden nicht im Voraus, sondern nacheinander durchgeführt, d. h. dasselbe Verfahren wird wiederholt, jedoch in unterschiedlichen Zeitabständen. Sie brauchen den Text nicht einmal zu lesen - er ist auf dem Bild deutlich zu sehen. Ich habe genau denselben Algorithmus in meinem Auto-Optimierer implementiert, aber ich führe jede Variable bei jedem Schritt separat aus.
Carl, warum sollte ich erneut optimieren, wenn die Parameter der Optimierungswolke dieselben sind? Lernen Sie das Rechnen, wie man sagt.
 
Vasiliy Sokolov:
Karl, warum sollte man die Optimierung wiederholen, wenn die Parameter der Optimierungswolke dieselben sind? Lernen Sie die Grundlagen, wie man so schön sagt.
Bei Walk-Forward gibt es keine Optimierungswolke. Niemand testet das gesamte Segment auf einmal, wie Sie fälschlicherweise annehmen, und sei es nur, weil es unmöglich wäre, innerhalb dieses großen Segments optimierte Parameter für ein Segment zu isolieren. Der Sinn der wiederholten Optimierung einiger sich überschneidender Abschnitte besteht nicht darin, sie mehrmals zu optimieren, sondern jedes Mal, wenn sie in der Zusammensetzung eines anderen Optimierungssegments sind, das mit einer Verschiebung genommen wird. Dies hat zur Folge, dass ein und derselbe Punkt der Geschichte mehrmals optimiert wird - zuerst, dann in der Mitte und dann am Ende des optimierten Intervalls, aber die entsprechenden Vorwärtsbewegungen scheinen aufeinander zu folgen und sich nicht zu überschneiden. D.h. du musst nicht nur Mathe, sondern auch Englisch lernen, wenn dich ein einfaches Gif nicht überzeugt.
 
Youri Tarshecki:
Bei Walk-Forward gibt es keine optimierte Wolke. Der Sinn der wiederholten Optimierung von sich überschneidenden Bereichen ist, dass sie jedes Mal Teil eines anderen Optimierungssegments sind, das mit einer Verschiebung genommen wird. Dies hat zur Folge, dass ein und derselbe Punkt der Geschichte mehrmals optimiert wird - zuerst, dann in der Mitte und dann am Ende des optimierten Intervalls, aber die entsprechenden Vorwärtsbewegungen scheinen aufeinander zu folgen und sich nicht zu überschneiden. Du musst also nicht nur Mathe, sondern auch Englisch lernen, wenn dich ein einfaches Gif nicht überzeugt.
Für die besonders Begabten sage ich noch einmal: Die Optimierung wird einmal für den gesamten Testzeitraum durchgeführt. Optimieren Sie Ihren TS für den Zeitraum von 2000 bis 2015. Wählen Sie den besten Lauf für 2005 - 2008. Optimieren Sie dann die gleiche CU für 2005-2008. Wähle wieder den besten Lauf. Stellen Sie sich vor, die Ergebnisse mit den Parametern stimmen mit dem Pfennig überein. Dies ist auf dem Hyphoto zu sehen. Wenn Sie sich selbst an die Wand fahren wollen - willkommen, machen Sie bei jeder Iteration eine Über-Optimierung.
 
Youri Tarshecki:
Niemand testet den gesamten Abschnitt auf einmal, wie Sie fälschlicherweise annehmen, und sei es nur, weil es unmöglich wäre , die optimierten Parameter für den Abschnitt als Teil dieses großen Abschnitts zu isolieren.
Ich meine, wie kann das unmöglich sein? Sie haben einen TS mit einem vorgegebenen Satz von Parametern. Aber Sie behaupten, dass sie nicht extrahiert werden!? Definieren Sie zuerst Ihre Terminologie, Wikipedia-Liebhaber.
 
Vasiliy Sokolov:
Für die besonders Begabten möchte ich es noch einmal sagen: Die Optimierung wird nur einmal während des gesamten Testzeitraums durchgeführt. Optimieren Sie Ihren TS für den Zeitraum von 2000 bis 2015. Wählen Sie den besten Lauf für 2005 - 2008. Dann optimieren Sie dieselbe CU für 2005-2008. Wähle wieder den besten Lauf. Stellen Sie sich vor, die Ergebnisse mit den Parametern stimmen bis auf den letzten Cent überein. Dies ist auf dem Hyphoto zu sehen. Wenn Sie sich umbringen wollen, sollten Sie bei jeder Iteration eine Überoptimierung vornehmen.

er automatische Walk-Forward-Test ist eine Technik zur Systementwicklung und -validierung, bei der Sie die Parameterwerte anhand eines vergangenen Marktdatensegments ("in-sample") optimieren und dann die Leistung des Systems überprüfen, indem Sie es anhand von Daten, die auf das Optimierungssegment folgen, in der Zukunft testen ("out-of-sample"). Sie bewerten das System danach, wie gut es bei den Testdaten ("out-of-sample") abschneidet, nicht bei den Daten, für die es optimiert wurde. Der Vorgang kann in den folgenden Zeitabschnitten wiederholt werden.

Das Hyphoto zeigt die Ergebnisse überhaupt nicht, sondern nur die Optimierungs- und Vorwärtssegmente. Bitte verschmutzen Sie meinen Thread nicht mehr.

 
Youri Tarshecki:

er automatische Walk-Forward-Test ist eine Technik zur Systementwicklung und -validierung, bei der Sie die Parameterwerte anhand eines vergangenen Marktdatensegments ("in-sample") optimieren und dann die Leistung des Systems überprüfen, indem Sie es anhand von Daten, die auf das Optimierungssegment folgen, in der Zukunft testen ("out-of-sample"). Sie bewerten das System danach, wie gut es bei den Testdaten ("out-of-sample") abschneidet, nicht bei den Daten, für die es optimiert wurde. Der Vorgang kann in den folgenden Zeitabschnitten wiederholt werden.

Das Hyphoto zeigt die Ergebnisse überhaupt nicht, sondern nur die Optimierungs- und Vorwärtssegmente. Bitte verschmutzen Sie meinen Thread nicht mehr.

Versuchen Sie überhaupt zu verstehen, was ich meine? Nennen Sie mir lieber ein Beispiel, Schritt für Schritt, wie Sie wft verstehen. Es wäre einfacher zu erklären. Wahrscheinlich sollten Sie das aber nicht tun, denn es ist ein schwieriger Fall.
 
Vasiliy Sokolov:
Versuchen Sie überhaupt zu verstehen, was ich meine? Geben Sie mir ein Beispiel, Schritt für Schritt, wie Sie wft verstehen. Das würde es einfacher machen, es zu erklären. Obwohl Sie das wahrscheinlich nicht tun sollten, denn der Fall ist hart.
Das Gif zeigt Ihnen bereits alles. Schritt für Schritt. Schritt 1, Schritt2...was bedeutet Schritt 1, Schritt2...Noch einmal, bitte nicht meinen Thread vermüllen, wenn Sie wikipedia und Hersteller Amitrade, die sogar Walk-Forward in seine Plattform eingebaut ist nicht maßgebend - ich habe nichts damit zu tun.
Grund der Beschwerde: