Grundsätze der Arbeit mit einem Optimierer und grundlegende Möglichkeiten zur Vermeidung von Anpassungen. - Seite 3
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
Warum muss ein Muster stationär sein? Nehmen wir an, wir haben ein Arbeitsmuster. Die Verteilung des Auftretens über die Zeit ist starr nicht normal. Die Hauptmerkmale dieses Musters sind ebenfalls nicht stationär und schwanken mit der Zeit. Na und? Die wichtigste Bedingung ist nur eine - dass sie weiterhin erscheint und nicht verschwindet. Unsere MO wird einfach nicht stationär sein, aber immer noch positiv, und das ist die Hauptsache. Ein weiterer Punkt ist, dass die Nicht-Stationarität die Suche nach eben diesen Mustern erheblich erschwert. Wir können uns nicht auf die Standardmethoden der Statistik verlassen, um es zu identifizieren und dabei zu nutzen. Wenn es zum Beispiel im letzten Jahr jeden Tag auftauchte und heute plötzlich verschwunden ist, wird die Statistik sagen, dass das Muster nicht mehr funktioniert. Aber das stimmt nicht, denn es erscheint, wann es will, und ist nicht verpflichtet, stationäre Merkmale zu erzeugen. Dies ist die grundlegende Eigenschaft, die die Notwendigkeit einer erneuten Optimierung der Algorithmen bestimmt. Denn so oder so arbeiten wir mit festen Parametern, die nur in der Geschichte perfekt mit einem bestimmten Muster übereinstimmen. Morgen wird es etwas anders sein, was bedeutet, dass es eine Verschiebung vom Extremum unserer Anpassung geben wird.
Und es geht nur darum, die morgige Schicht zu überleben. Und wir können mit relativ stabilen Regelmäßigkeiten oder (und) ausreichend groben (einfachen) Methoden der Identifizierung und des Umgangs mit ihnenüberleben , so dass ihre grobe Schätzung eine Veränderung der Regelmäßigkeit selbst in ausreichend weiten Grenzen zulassen würde.
Das ist meine Begründung, warum einfache Methoden in der Regel effektiver sind als komplexe, und warum es überhaupt möglich ist, am Markt Geld zu verdienen.
Ich habe nachgeforscht und fand -
Stationarität ist die Eigenschaft eines Prozesses, seine Merkmale im Laufe der Zeit nicht zu verändern.
Eine nicht-stationäre Reihe ändert also ihre Merkmale im Laufe der Zeit. Das heißt aber nicht, dass es nicht auch ein Muster geben kann.
Sie verwechseln eine nicht-stationäre, finanzielle Reihe mit einer chaotischen Reihe. Eine chaotische Reihe kann keine Regelmäßigkeiten aufweisen, aber eine nicht-stationäre Reihe, die ihre Merkmale im Laufe der Zeit ändert, schon. Außerdem kann es Regelmäßigkeiten geben, die diese Veränderungen vorgeben.
Schon auf den ersten Blick lassen sich einige Regelmäßigkeiten in den Finanzreihen erkennen -
Eine klare Aufwärts- und Abwärtsbewegung in Form eines Trends. Ein Muster? - Ein Muster.
Eine ausgeprägte, unbestimmte Seitwärtsbewegung als Wohnung. Regelmäßigkeit? - Regelmäßigkeit.
Kopf und Schultern", "Fahnen" und andere Formen. Regelmäßigkeit? - Regelmäßigkeit.
Und vieles mehr......)))))
Warum muss ein Muster stationär sein? Nehmen wir an, wir haben ein Arbeitsmuster. Die Verteilung ihres Auftretens über die Zeit ist streng nichtnormal. Die Hauptmerkmale dieses Musters sind ebenfalls nicht stationär und schwanken mit der Zeit. Na und? Die wichtigste Bedingung ist nur eine - dass sie weiterhin erscheint und nicht verschwindet. Unsere MO wird einfach nicht stationär sein, aber immer noch positiv, und das ist die Hauptsache. Ein weiterer Punkt ist, dass die Nicht-Stationarität die Suche nach eben diesen Regelmäßigkeiten erheblich erschwert. Wir können uns nicht auf die üblichen statistischen Methoden verlassen, um sie zu ermitteln und dabei zu nutzen. Wenn zum Beispiel ein Muster seit einem Jahr jeden Tag auftaucht und heute plötzlich verschwindet, sagt die Statistik, dass das Muster nicht mehr funktioniert. Aber das stimmt nicht, denn er erscheint, wenn er will, und muss keine stationären Merkmale erzeugen. Dies ist die grundlegende Eigenschaft, die die Notwendigkeit einer erneuten Optimierung der Algorithmen bestimmt. Denn so oder so arbeiten wir mit festen Parametern, die nur in der Geschichte perfekt einem bestimmten Muster entsprechen. Morgen wird das Muster etwas anders aussehen, was bedeutet, dass es eine Verschiebung vom Extremum unserer Anpassung geben wird.
Es handelt sich um Quasistationarität - eine Änderung der Geschwindigkeit in einem bestimmten Bereich. Vielleicht geht es nicht nur um die Frage, aber in diesem Zusammenhang ist es diejenige, die uns am meisten interessiert.
Und die Frage aller Fragen ist, wie man die Verschiebung von morgen überlebt. Und wir können mit relativ stabilen Regelmäßigkeiten oder (und) hinreichend groben (einfachen) Identifizierungsmethodenauskommen und mit ihnen arbeiten, so dass ihre grobe Abschätzung es erlaubt, die Regelmäßigkeit selbst in einem ausreichend großen Bereich zu verändern.
Das ist meine Begründung, warum einfache Methoden in der Regel effektiver sind als komplexe, und warum es überhaupt möglich ist, am Markt Geld zu verdienen.
Es kann also eine superkomplexe Methode geben, aber eine ziemlich grobe Schätzung des Musters). Es ist eher eine Frage der Anzahl der Systemparameter und der Empfindlichkeit des Ergebnisses gegenüber deren Veränderung. Wenn eine kleine Änderung des Parameters eine Änderung des Ergebnisses bewirkt, ist das nicht gut. Es gibt noch andere Zeichen. Ich habe erst kürzlich hier darüber geschrieben https://www.mql5.com/ru/forum/137614/page5
Versuchen Sie, den Rest nicht immer, sondern selektiv in Stücken zu nehmen. Wenn Sie wissen, wie Sie den Anfang und das Ende solcher Abschnitte in einer Reihe identifizieren können (natürlich nicht nachträglich), reicht dies für den Handel aus. Wenn nicht, müssen Sie das Modell wechseln.
Noch einmal: Es gibt keine festen Teile.
Noch einmal: Sie wollen positive Werte gewinnen und nicht mehr als die vordefinierten Verluste in einem Handel. Dies sind die quasistationären Teile vom Eingang bis zum Ausgang. Und sie sind natürlich in den gehandelten Preisreihen enthalten.
Eigenkapitalzuwächse sind quasistationär und variieren vorzugsweise innerhalb kleiner Grenzen. Andernfalls besteht keine Notwendigkeit für eine solche Gleichheit und das System, das sie erzeugt.
faa1947: Еще раз: не бывает стационарных кусов.
Noch einmal: Wenn Sie einen Handel eingehen, möchten Sie ein positives Ergebnis erzielen und nicht mehr als einen vorher festgelegten Verlust? Dies sind die quasistationären Abschnitte vom Einstieg bis zum Ausstieg aus dem Handel.
Genau darum geht es in diesem Thread.
In der Tat ist sie quasistationär, in der Vorhersage ist sie nichtstationär. Der Test, einschließlich des Vorwärtstests, ist quasistationär, während die Zukunft nicht stationär ist, und daher sagt der Test nichts aus. Es ist notwendig, den Zukunftsquotienten in einen quasi-stationären Zustand zu überführen. Dies kann nur durch eine zumindest teilweise Simulation der Nicht-Stationarität erreicht werden.
Dies kann nur durch eine zumindest teilweise Modellierung der Nicht-Stationarität erreicht werden.
Wen stört's, modelliert es)) Aber wie auch immer, wenn man Marktveränderungen modelliert, muss man sich auf die Statistiken der Vergangenheit und auf eine Art unveränderliches Modell stützen. Das heißt, nur die Parameter dieses Modells ändern sich auf der Grundlage der nächstgelegenen Geschichte. Anpassungsfähigkeit ist eine normale Eigenschaft von TS :)