Autoengaño del comerciante: desconfianza en los delanteros. - página 15

 
Vasiliy Sokolov:
Del conjunto de ejecuciones de 1998 a 2008, se toma la mejor para 1998-2001 y su resultado para 2002 se escribe en las acciones resultantes, luego se toma la mejor para 1999-2002 y su resultado para 2003 se anexa al anterior, y así sucesivamente. Se obtienen muchas carreras por adelantado para toda la historia. Esencialmente una ventana deslizante trivial. Aquí no hay magia ni repetía.
Te equivocas. Las ejecuciones múltiples no se obtienen por adelantado, sino de forma secuencial, es decir, se repite el mismo procedimiento, pero a intervalos diferentes. Ni siquiera hace falta leer el texto: se ve claramente en el gif. He implementado exactamente el mismo algoritmo en mi auto-optimizador, pero ejecuto cada variable por separado en cada segmento.
 
Vasiliy Sokolov:

Un poco más sobre R^2.

Para mí es un indicador muy potente, pero no suficiente. En la práctica me he encontrado con que algunas CTs, pueden producir una equidad muy buena y suave hacia arriba. Su R^2 es muy alto y su conjunto de parámetros romperá cualquier incluso ................................






Buen día. Vasily. Dame la fórmula de R cuadrado. No me es familiar...
 
Roman Shiredchenko:
Buen día. Vasily. Dame la fórmula de R al cuadrado. No estoy familiarizado con...
  1. Calcule una línea de regresión lineal al equti de su estrategia (en lugar del equti, puede utilizar el gráfico de balance regular generado en MT4);
  2. Calcule el coeficiente de correlación de Pearson entre la línea de regresión obtenida y el patrimonio de su estrategia;
  3. Si se eleva al cuadrado el coeficiente de correlación, el valor obtenido será R^2.
 
Youri Tarshecki:
Te equivocas. Las ejecuciones múltiples no se obtienen por adelantado, sino de forma secuencial, es decir, se repite el mismo procedimiento, pero a intervalos diferentes. Ni siquiera es necesario leer el texto: se ve claramente en el gif. He implementado exactamente el mismo algoritmo en mi auto-optimizador, pero ejecuto cada variable por separado en cada paso.
Carl, ¿por qué debería optimizar de nuevo si los parámetros de la nube de optimización son los mismos? Aprende las matemáticas, como se dice.
 
Vasiliy Sokolov:
Karl, por qué optimizar de nuevo si los parámetros de la nube de optimización son los mismos. Aprende lo básico, como se dice.
Con Walk-Forward no hay ninguna nube de optimización. Nadie prueba todo el segmento a la vez, como usted cree erróneamente, aunque sólo sea porque sería imposible aislar los parámetros optimizados para un segmento dentro de ese grande. El objetivo de la optimización repetida de algunas secciones superpuestas no es optimizarlas muchas veces, sino que cada vez están en la composición de otro segmento de optimización tomado con un desplazamiento. Como resultado, un mismo punto de la historia se optimiza varias veces, primero, en la mitad y luego al final del intervalo optimizado, pero los correspondientes avances parecen ser consecutivos y no se intersectan. Es decir, necesitas estudiar no sólo matemáticas, sino también inglés, si un simple gif no te convence.
 
Youri Tarshecki:
Con Walk-Forward no hay una nube optimizada. El sentido de la optimización repetida de las zonas de intersección es que cada vez forman parte de otro segmento de optimización tomado con un desplazamiento. Como resultado, un mismo punto de la historia se optimiza varias veces, primero, en la mitad y luego al final del intervalo optimizado, pero los correspondientes avances parecen ser consecutivos y no se intersectan. Así que tienes que estudiar no sólo matemáticas sino también inglés, si un simple gif no te convence.
Para los especialmente dotados, repito: la optimización se hace una vez para todo el periodo de pruebas. Optimice su ST para el periodo de 2000 a 2015. Elige la mejor racha de 2005 a 2008. A continuación, optimice la misma CU para 2005-2008. Vuelve a elegir la mejor carrera. Vaya por delante que los resultados con los parámetros van a coincidir con el céntimo. Esto es lo que se muestra en la foto. Si quieres matarte, haz una sobreoptimización en cada iteración.
 
Youri Tarshecki:
Nadie prueba toda la sección a la vez, como usted cree erróneamente, aunque sólo sea porque sería imposible aislar los parámetros optimizados para la sección como parte de esa gran.
¿Cómo es imposible? Usted tiene un TS con un conjunto predeterminado de parámetros. ¿Pero usted afirma que no se extraen? Define primero tu terminología, amante de la wikipedia.
 
Vasiliy Sokolov:
Para aquellos especialmente dotados, quiero decirlo una vez más: la optimización se realiza una sola vez durante todo el período de prueba. Optimice su ST para el periodo de 2000 a 2015. Elige la mejor racha de 2005 a 2008. A continuación, optimice la misma CU para 2005-2008. Vuelve a elegir la mejor carrera. Vaya por delante que los resultados con los parámetros coincidirán con el céntimo. Esto es lo que se muestra en la foto. Si quieres matarte, haz una sobreoptimización en cada iteración.

a prueba automática de avance es una técnica de diseño y validación de sistemas en la que se optimizan los valores de los parámetros en un segmento pasado de datos de mercado ("dentro de la muestra") y, a continuación, se verifica el rendimiento del sistema probándolo hacia adelante en el tiempo con datos posteriores al segmento de optimización ("fuera de la muestra"). El sistema se evalúa en función de su rendimiento en los datos de prueba ("fuera de muestra"), no en los datos en los que se ha optimizado. El proceso puede repetirse en los siguientes segmentos de tiempo.

La hipofotografía no muestra los resultados en absoluto, sólo muestra la optimización y los segmentos de avance. Por favor, no ensucies más mi hilo.

 
Youri Tarshecki:

a prueba automática de avance es una técnica de diseño y validación de sistemas en la que se optimizan los valores de los parámetros en un segmento pasado de datos de mercado ("dentro de la muestra") y, a continuación, se verifica el rendimiento del sistema probándolo hacia adelante en el tiempo con datos posteriores al segmento de optimización ("fuera de la muestra"). El sistema se evalúa en función de su rendimiento en los datos de prueba ("fuera de muestra"), no en los datos en los que se ha optimizado. El proceso puede repetirse en los siguientes segmentos de tiempo.

La hipofotografía no muestra los resultados en absoluto, sólo muestra la optimización y los segmentos de avance. Por favor, no ensucies más mi hilo.

¿Intentas siquiera entender lo que quiero decir? Será mejor que me des un ejemplo, paso a paso, de cómo entiendes el wft. Sería más fácil de explicar. Aunque probablemente no deberías, porque es un caso difícil.
 
Vasiliy Sokolov:
¿Intentas siquiera entender lo que quiero decir? Dame un ejemplo, paso a paso, de cómo entiendes el wft. Así sería más fácil de explicar. Aunque probablemente no deberías, porque el caso es duro.
El gif ya lo muestra todo. Paso a paso. Paso 1, Paso2...que significa Paso 1, Paso2...Una vez más, por favor, no ensucie mi hilo si wikipedia y fabricante Amitrade, que incluso construido Walk-Forward en su plataforma no es autorizada - no tengo nada que ver con él.
Razón de la queja: