¡Optimización! Comparta sus experiencias, por favor. - página 8
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
4 meses más o menos ha estado funcionando... ( tal como se predijo)
Por poner un ejemplo... Gráfico de EA durante 7 años... ( beneficio 10 p) stop 300 pero el beneficio flota con el precio aunque esté en pérdida.... La relación entre beneficios y detracciones es de unos 25 durante siete años... en principio no es mucho... pero es posible obtener unos 200 beneficios anuales.
Sin embargo, siendo realistas, este no es el caso. Es un hermoso espejismo. Y hay muchos. Esto debe tenerse siempre en cuenta.
¿Cuál es el beneficio medio en pips? ¿Y durante qué periodo de tiempo? Gracias por la respuesta :)
Por poner un ejemplo... Gráfico de EA durante 7 años... ( beneficio 10 p) stop 300 pero el beneficio flota con el precio aunque esté en pérdida.... La relación entre beneficios y detracciones es de unos 25 durante 7 años... en principio no es mucho... pero son unos 200 anuales.
Sin embargo, siendo realistas, este no es el caso. Es un hermoso espejismo. Y hay muchos. Esto debe tenerse siempre en cuenta.
¿Cuál es el beneficio medio en pips? ¿Y durante qué periodo de tiempo? Gracias por la respuesta :)
4 meses más o menos corriendo... ( también como se predijo)
No, puedo contarlo... escribir a clin-p@inbox.ru... En mi opinión, el comerciante se separa del gran dinero no sólo por la ausencia de un buen algoritmo, sino por algo más :))
Por el momento tengo los mejores resultados sólo para aquellos parámetros de optimización con curva de rendimiento ascendente (se filtra si desactivas los resultados inútiles) y el coeficiente de correlación lineal de esta curva se acerca a 1 en valor absoluto. Es decir, el programa toma una a una las variantes dadas por el optimizador, ejecuta una prueba en cada una de ellas y analizando los beneficios y las pérdidas encuentra la que tiene la gráfica más parecida a una línea recta. Evidentemente, un gráfico de este tipo nunca dará el mejor resultado de optimización, en la mayoría de los casos es uno intermedio. Pero las curvas de rendimiento que son más lineales tienen una caída muy pequeña y prácticamente tampoco se observan movimientos alcistas anormales.
Y no se trata sólo de reducir el riesgo. Creo que el aspecto principal es la funcionalidad del ST. La ausencia de detracciones significativas demuestra la idoneidad del sistema, es decir, que utiliza propiedades reales del mercado. Y esto, a su vez, significa que los parámetros sobre los que se consigue no son el resultado de un estúpido ajuste a la historia, sino que reflejan estas mismas propiedades.
Por cierto, por desgracia, no sé qué es el "coeficiente de correlación lineal" y en qué se diferencia de un coeficiente de correlación simple.
Utilizaría la RMS para evaluar la calidad de la aproximación de la curva de rendimiento mediante una línea de regresión lineal. Entonces, ¿podrías explicar qué es y cómo la opción del coeficiente de correlación lineal es mejor que la estimación RMS?
Por cierto, no sé qué es un "coeficiente de correlación lineal" y en qué se diferencia de un coeficiente de correlación simple.
Son la misma cosa. Es un juego de palabras que significa el mismo concepto.
PD: La afirmación es cierta, por supuesto, para este caso, ya que los participantes en la conversación se refieren a la misma correlación.
Por cierto, no sé qué es un "coeficiente de correlación lineal" y en qué se diferencia de un coeficiente de correlación simple.
Es lo mismo. Es un juego de palabras que significa el mismo concepto.
Actualmente tengo los mejores resultados sólo para aquellos parámetros de optimización con curva de rendimiento ascendente (se filtra si desactivas los resultados inútiles) y el coeficiente de correlación lineal de esta curva se acerca a 1 en valor absoluto. Es decir, el programa toma una a una las variantes dadas por el optimizador, ejecuta una prueba en cada una de ellas y analizando los beneficios y las pérdidas encuentra la que tiene la gráfica más parecida a una línea recta. Evidentemente, un gráfico de este tipo nunca dará el mejor resultado de optimización, en la mayoría de los casos es uno intermedio. Pero las curvas de rendimiento que son más lineales tienen una caída muy pequeña y prácticamente tampoco tienen picos excesivos de subida.
Y no se trata sólo de reducir el riesgo. Creo que el aspecto principal es la funcionalidad del ST. La ausencia de detracciones significativas demuestra la idoneidad del sistema, es decir, que utiliza propiedades reales del mercado. Y esto, a su vez, significa que los parámetros sobre los que se consigue no son el resultado de un estúpido ajuste a la historia, sino que reflejan estas mismas propiedades.
Por cierto, por desgracia, no sé qué es el "coeficiente de correlación lineal" y en qué se diferencia de un coeficiente de correlación simple.
Utilizaría la RMS para evaluar la calidad de la aproximación de la curva de rendimiento mediante una línea de regresión lineal. Así que tal vez usted puede explicar lo que es y cómo la opción del coeficiente de correlación lineal es mejor que la estimación RMS ?
"El grado de correlación entre dos cantidades x e y (valores de coordenadas de puntos en el plano) puede medirse mediante el coeficiente de correlación lineal - r. Si el valor de r es cercano a 0, se puede rechazar la afirmación de que existe una relación lineal entre las cantidades x e y. Si r es cercano a (+/-)1, entonces debemos suponer que los puntos se encuentran alrededor de alguna recta y = A*x + B. Si las magnitudes no están correlacionadas, podemos calcular la probabilidad de que el coeficiente de correlación de una muestra aleatoria modulo supere algún valor de r0 con un tamaño de muestra N. Si el número de mediciones es pequeño, la probabilidad de obtener un valor grande del coeficiente de correlación |r| > 0,5 puede ser alta para las variables no correlacionadas".
Las dos últimas frases dicen que si la curva de rendimiento se ha trazado con un número pequeño de transacciones (volumen de muestra pequeño), es posible que el coeficiente de correlación supere el valor 0,5, es decir, que se produzca un ajuste.
De hecho, también se puede calcular el RMS, pero hay que tener en cuenta que el RMS de una línea recta, pero no de una horizontal, siempre será mayor que 0. Y el coeficiente de correlación lineal de cualquier línea recta, independientemente de su pendiente, será 1.
De hecho, se puede calcular el RMS, pero hay que tener en cuenta que el RMS para una línea recta, pero no para una horizontal, siempre será mayor que 0. Y el coeficiente de correlación lineal para cualquier línea recta, independientemente de su pendiente, será 1.
Me refería al error RMS de una regresión lineal que aproxima la curva de rendimiento.
En este caso, el RMS será 0 sólo si la línea de rendimiento es una línea recta. En este caso, el resultado no depende del ángulo de inclinación de la línea. En todos los demás casos el RMS>0. En general creo que el error RMS está relacionado con el coeficiente de correlación (ya que es el mismo que el coeficiente de correlación lineal) y esta relación no es difícil de expresar analíticamente. Por lo tanto, hay que suponer que las variantes son equivalentes. La única diferencia es que el error RMS permite estimar la detracción en un nivel de riesgo determinado. ¿Qué te parece?
Reshetov, me alegra mucho que se dirija a mí como "usted". Muchas gracias.
Pero la frase
Si no puedes abrir un libro de matemáticas y leerlo...
¡es una obra maestra! Me he divertido mucho. ¿No crees que hay una mezcla de estilos en ella? :-))Esencialmente, también se puede calcular el RMS, pero hay que tener en cuenta que el RMS de una línea recta, pero no de una línea horizontal, siempre será mayor que 0. Y el coeficiente de correlación lineal de cualquier línea recta, independientemente de su pendiente, será 1.
Me refería a la RMS del error de la regresión lineal que aproxima la curva de rendimiento.
En este caso, la RMS será 0 sólo si la línea de rendimiento es una línea recta. En este caso, el resultado no depende del ángulo de inclinación de la línea. En todos los demás casos el RMS>0. En general creo que el error RMS está relacionado con el coeficiente de correlación (ya que es el mismo que el coeficiente de correlación lineal) y esta relación no es difícil de expresar analíticamente. Por lo tanto, hay que suponer que las variantes son equivalentes. La única diferencia es que el error RMS permite estimar la detracción en un nivel de riesgo determinado. ¿Qué te parece?
Reshetov, me alegra mucho que me llames "tú". Muchas gracias.
Pero la frase
Si no te animas a abrir un manual de matemáticas y leer...
¡es una obra maestra! Me he divertido mucho. ¿No crees que hay un poco de mezcla de estilos en ella? :-))Me gustaría saber cómo se aproxima la curva de rendimiento sin calcular el coeficiente de correlación lineal.