Discusión sobre el artículo "Aplicando el método de Monte Carlo para optimizar estrategias comerciales"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Aplicando el método de Monte Carlo para optimizar estrategias comerciales:
Antes de iniciar un robot en la cuenta comercial, habitualmente lo probamos y optimizamos usando el historial de las cotizaciones. Pues, aquí surge una pregunta razonable, ¿cómo nos pueden ayudar los resultados anteriores en el historial en el futuro? En este artículo, se muestra la aplicación del método de Monte Carlo para construir sus propios criterios de optimización de las estrategias comerciales. Aparte de eso, se consideran los criterios de la estabilidad del Asesor Experto.
En adelante, vamos a usar la primera variante, ya que es la más simple y universal. Al trader no le interesa mucho conocer la propia función. Es importante saber qué valores indican en un posible beneficio gracias al trabajo del EA, en el riesgo de su uso y en la estabilidad del beneficio. Se puede obtener estos valores sabiendo la función de la distribución.
Concretizamos el algoritmo de la modelación en nuestro caso. El objeto que nos interesa es un posible resultado del trabajo del EA en el futuro. Se establece unívocamente por la secuencia de transacciones. Cada transacción se establece por el valor del beneficio. Los beneficios están distribuidos de acuerdo con la descripción empírica descrita antes. Tenemos que generar un gran número de estas secuencias y calcular las características necesarias para cada una de ellas. La generación de cada de estas secuencias es simple. Definimos la secuencia de beneficios de las transacciones obtenidos en el historial a través de k1, k2, ..., kn. Generando las secuencias con longitud N, vamos a seleccionar uno de ki (muestra con devolución) N veces de modo aleatorio (con la probabilidad igual a 1/n). Habitualmente, es N=n, puesto que con N grandes la precisión de la aproximación F(x) con distribución empírica disminuye. A veces, esta versión del método de Monte Carlo se llama el método de bootstrap.
Vamos a ilustrar lo arriba mencionado con la imagen. Se muestran varias curvas del capital, cada una de las cuales se determina por la secuencia generada de transacciones. Para la conveniencia de la percepción, las he marcado con varios colores. En realidad, su cantidad es mucho más grande (varias decenas de miles). Para cada una de ellas, calculamos las características necesarias y hacemos conclusiones estadísticas a base de su conjunto. Es obvio que la característica más importante es el beneficio final.
Autor: Aleksey Nikolayev