Diskussion zum Artikel "Selbstoptimierende Expert Advisors in MQL5 (Teil 8): Analyse mehrerer Strategien (3) – Gewichtetes Abstimmungsverhalten"

[MetaQuotes]

Neuer Artikel Selbstoptimierende Expert Advisors in MQL5 (Teil 8): Analyse mehrerer Strategien (3) – Gewichtetes Abstimmungsverhalten :

In diesem Artikel wird untersucht, wie die Bestimmung der optimalen Anzahl von Strategien in einem Ensemble eine komplexe Aufgabe sein kann, die durch den Einsatz des genetischen Optimierers von MetaTrader 5 leichter zu lösen ist. Die MQL5 Cloud wird auch als Schlüsselressource zur Beschleunigung von Backtests und Optimierung eingesetzt. Alles in allem schafft unsere Diskussion hier die Grundlage für die Entwicklung statistischer Modelle zur Bewertung und Verbesserung von Handelsstrategien auf der Grundlage unserer ersten Ensemble-Ergebnisse.

Bei der Zusammenstellung eines Ensembles von Strategien stellt sich natürlich die Frage, wie wir beweisen können, dass alle von uns ausgewählten Strategien notwendig sind. Wie können wir einigermaßen sicher sein, dass wir mit einigen wenigen von ihnen nicht besser abschneiden würden? Wie können wir uns selbst etwas davon beweisen?

Glücklicherweise kann der genetische Optimierer bei der Beantwortung solch schwieriger Fragen helfen, vorausgesetzt, wir formulieren die Frage sorgfältig für ihn. 

Um dies zu erreichen, werden wir unseren Strategien erlauben, durch eine Demokratie zusammenzuarbeiten, wobei jede Strategie nur eine Stimme haben darf. Das Gewicht der Stimme, die jede Strategie abgibt, kann ein Tuning-Parameter sein, der vom genetischen Optimierer angepasst wird. Wenn der Optimierer feststellt, dass eine unserer Strategien keinen positiven Beitrag zur Gesamtleistung leistet, setzt er die Gewichtung der Stimme dieser Strategie auf nahezu Null. Ebenso werden die Strategien, die rentabel sind, mehr Gewicht erhalten.

Daher stellen wir diesen Rahmen als eine gewichtete Abstimmungspolitik vor, bei der wir zunächst ein Benchmark-Leistungsniveau festlegen, indem wir jeder unserer Strategien gleichmäßig verteilte Stimmgewichte zuweisen. In unserem Beispiel beginnt jede Strategie mit einer Stimmgewichtung von 0,5 auf einer Skala von 0 bis 1. 

Von dort aus erlauben wir dem genetischen Optimierer, diese Gewichte anzupassen, um die Rentabilität zu maximieren und zu bestimmen, ob alle drei Strategien wirklich hilfreich sind.

Es stellt sich heraus, dass dieses Verfahren eine breite Palette verschiedener Konfigurationen liefert, die jeweils zeigen, wie sich die Nützlichkeit einer Strategie je nach den jeweiligen Strategieeinstellungen ändern kann. In jeder einzelnen Konfiguration verschiebt sich das Gewicht der einzelnen Strategien. So kann es eine Konstellation geben, in der sich nur eine Strategie als nützlich erweist, während in einer anderen Konfiguration alle drei einen positiven Beitrag leisten. 

Das macht die Frage „Sind alle drei Strategien notwendig?“ zu einer echten Herausforderung, die es zu beantworten gilt. Unsere Ergebnisse deuten darauf hin, dass die Antwort von der Konfiguration abhängt, die die Anwendung in erster Linie verwendet. Lassen Sie uns beginnen.

Autor: Gamuchirai Zororo Ndawana