Diskussion zum Artikel "Neuronale Netze im Handel: Generalisierung von Zeitreihen ohne Abhängigkeit von spezifischen Datensätzen (Fazit)"
Результаты тестирования представлены ниже.
Bitte füge dem Screenshot noch die entsprechende TST-Datei hinzu. Vielen Dank.
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 Neuronale Netze im Handel: Generalisierung von Zeitreihen ohne Abhängigkeit von spezifischen Datensätzen (Fazit) :
Als Trainingsdatensatz verwendeten wir Ein-Minuten-Kurse für EURUSD über das gesamte Jahr 2024. Um die experimentelle Strenge zu wahren, wurden die abschließenden Tests anhand historischer Daten aus dem Zeitraum Januar bis März 2025 durchgeführt – einem Zeitraum, der nicht für das Training verwendet wurde. Alle anderen Parameter blieben unverändert, um eine objektive und faire Bewertung der Strategie zu gewährleisten.
Die Testergebnisse sind im Folgenden aufgeführt.
Wir müssen zugeben, dass hier eine recht hohe Frequenz von Trades zu beobachten ist. Die durchschnittliche Haltedauer einer Position beträgt etwas mehr als 3 Minuten. Insgesamt führte das Modell während des Testzeitraums 2.677 Trades durch, von denen 1.240 mit Gewinn abgeschlossen wurden. Obwohl die Anzahl der verlustbringenden Trades etwas höher war, gelang es dem Modell, im Testzeitraum einen Gewinn zu erzielen, und wir können ein recht stetiges Wachstum der Balancekurve beobachten. Dies lässt sich zum Teil dadurch erklären, dass Positionen mit einem relativ engen Stop-Loss eröffnet und anschließend entsprechend verwaltet werden. Der geringe Unterschied zwischen dem durchschnittlichen und dem maximalen Verlust pro Trade untermauert diese Annahme. Gleichzeitig ist der Gewinn aus dem profitabelsten Trade fast siebenmal so hoch wie der durchschnittliche Gewinn pro Trade.
Autor: Dmitriy Gizlyk