Diskussion zum Artikel "Permutieren von Preisbalken in MQL5"

Neuer Kommentar
 

Neuer Artikel Permutieren von Preisbalken in MQL5 :

In diesem Artikel stellen wir einen Algorithmus zur Permutation von Preisbalken vor und erläutern, wie Permutationstests verwendet werden können, um Fälle zu erkennen, in denen die Leistung einer Strategie gefälscht wurde, um potenzielle Käufer von Expert Advisors zu täuschen.

Die Permutation von Preisbalken ist etwas schwieriger zu bewerkstelligen, da mehrere Zeitreihen beteiligt sind. Ähnlich wie bei der Permutation von Tickdaten bemühen wir uns bei der Behandlung von Preisbalken, den allgemeinen Trend der ursprünglichen Preisreihe beizubehalten. Es ist auch wichtig, dass wir niemals zulassen, dass der Eröffnungs- oder Schlusskurs eines Balkens über oder unter die Grenzen des Hochs bzw. Tiefs geht. Ziel ist es, eine Reihe von Balken zu erhalten, deren Verteilung der Merkmale genau mit den ursprünglichen Daten übereinstimmt.

Neben dem Trend müssen wir auch die Streuung der Kursveränderungen im Verlauf der Serie vom Eröffnungs- bis zum Schlusskurs beachten. Die Spanne der Kursveränderungen zwischen Eröffnungs- und Schlusskurs sollte in den umgewandelten Balken gleich groß sein wie in den ursprünglichen. Außerhalb der Balken selbst müssen wir sicherstellen, dass die Verteilung der Preisänderungen von Balken zu Balken ebenfalls gleich ist. Genauer gesagt, die Differenz zwischen dem Schlusskurs eines Balkens und dem Eröffnungskurs des nächsten.


Dies ist wichtig, um die getestete Strategie nicht zu benachteiligen. Die allgemeinen Merkmale der Serien sollten ähnlich sein, der einzige Unterschied sollten die absoluten Werte jedes Open, High, Low, Close (OHLC) zwischen dem ersten und letzten Balken sein. Der Code zur Implementierung dieser Funktion ähnelt dem der Klasse CPermuteTicks, die im Artikel Monte Carlo Permutation im MetaTrader 5 vorgestellt wurde. Der Code für die Permutation der Preisbalken wird in der Klasse CPermuteRates gekapselt, die in PermuteRates.mqh enthalten ist.

Autor: Francis Dube

 

Die weltweit schnellste Geschwindigkeit in einem Auto oder einem anderen landgestützten Fahrzeug - 1.228 km/h - wurde am 15. Oktober 1997 von dem Engländer Andy Green mit einem Thrust SSC Jet Car demonstriert .

Die 21 Kilometer lange Strecke wurde auf dem Grund eines ausgetrockneten Sees in der Black Rock Desert, Nevada, USA, markiert.

//---

Wir wollen sehen, ob die Strecke zur Täuschung der Öffentlichkeit erfunden wurde.

Wir machen genau dieselbe Strecke, legen aber Steine darauf und versuchen, sie zu fahren.

So finden wir heraus, dass die Wahrscheinlichkeit, die gleiche Geschwindigkeit wie Andy Green zu erreichen, gegen Null Prozent tendiert. Das zeigt eindeutig, dass der Geschwindigkeitsrekord von ̶c̶о̶о̶в̶е̶t̶n̶и̶k̶k̶ fiktiv ist.

:)

//---

Das Beispiel für die Verwendung dieser Methode zur Ermittlung individueller Kostenvoranschläge ist nicht korrekt.

 
Permutationstests können auch nach der Optimierung verwendet werden для определения степени переобучения. Um auf Übertraining zu testen, müssen wir die Leistung in einer Stichprobe von Permutations- und Nicht-Permutations-Datensätzen testen und vergleichen. Das Ausmaß, in dem sich die Leistung ohne Umstellung von den permutationsdominierten Ergebnissen unterscheidet, kann zur Quantifizierung des Überlernens verwendet werden. Wenn das Überlernen dominiert, ist der Unterschied zwischen den Ergebnissen der Permutations- und Nicht-Permutationsleistung gering. Wir werden ziemlich große p-Werte sehen.
Es ist nicht klar, warum ein übertrainiertes Modell nach dem Zufallsprinzip gut abschneiden sollte. Soweit mir bekannt ist, wird das Modell im Gegenteil als robuster angesehen, wenn es mit generierten, plausiblen Daten getestet wird, indem es verallgemeinert und nicht auswendig lernt (Übertraining).
Neuer Kommentar