Por favor, díganos su opinión. - página 5
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
El resultado es bonito, pero sólo el mercado sabe lo que pasará después. Durante dos años he estado escribiendo EAs basados en el mismo principio y he notado una peculiaridad - alternancia abrupta de secciones rentables y fallidas. A veces parece que es un verdadero grial, la mitad de un año de tratos hacia adelante es tan hermosa, y los siguientes seis meses... Mi rango con 50 operaciones rentables puede cambiarse por un rango con operaciones perdedoras. ¿Por qué es así? No lo entiendo del todo, pero sospecho que de vez en cuando el mercado adquiere una especie de "naturaleza espontánea", cuando su comportamiento depende ligeramente del periodo anterior, lo que es aprovechado por NS para el aprendizaje/aprendizaje/adaptación (según la realización).
En cualquier caso, el resultado tiene buena pinta, y las posibilidades de robustez están ahí, no hagas caso a nadie :) (IMHO).
Entonces, en su opinión, ¿no es posible determinar la viabilidad futura del ST?
Bueno, no creo en la existencia de la TS eterna, con o sin redes neuronales, no es importante. Cualquier ST tiene una vida útil, como todo en este mundo. Así que escribí que habíamos entrenado a la ST y obtenido una buena equidad durante el período de entrenamiento y el período fuera de la muestra, pero ¿qué sigue? Al fin y al cabo, todo esto no garantiza ningún trabajo en el futuro. Por ejemplo, no tengo problema en hacer un TS y conseguir una buena equidad en OOS y formación. Incluso es muy bueno en OOS. Pero esta TS no siempre funciona bien en el mercado real. Puede ser mejor o peor. No está claro de qué depende. Así que estoy luchando con la pregunta: ¿cómo evaluar y calcular si esta ST funcionará en el futuro?
Неее, матожидание это не то.....
Laexpectativa de ganar es la expectativa matemática de ganar. Este indicador calculado estadísticamente refleja el beneficio/pérdida medio de una operación. También se puede considerar que refleja la rentabilidad/pérdida esperada de la siguiente operación.
Sí. El resultado medio de una operación (su "expectativa") es el resultado total en el intervalo de prueba dividido por el número de operaciones (es decir, el beneficio neto con signo dividido por el número de operaciones). Francamente, no entiendo cuál es el problema y en qué se diferencia lo que tú dices de lo que yo digo. La expectativa es más o menos la misma que la media, y no tiene ninguna relación directa con el futuro.
Metaquotes tiene aquí una pequeña imprecisión terminológica: no es el m.o. de una victoria, sino una estimación del m.o. de una operación (ya que la operación media también puede ser una pérdida). Basta con tomar y dividir las cifras del informe entre sí. Obtendrá exactamente "m.o.s. de ganancias".
En general, sólo podemos hablar de m.o. cuando ya tenemos un modelo probabilístico del fenómeno, es decir, es una noción puramente terweriana. Todavía no tenemos un modelo, sino sólo una muestra de la población mítica, por lo que tenemos - estadísticas. Por tanto, sólo podemos hablar correctamente de estimación de expectativas.
Entonces, en su opinión, ¿no es posible determinar el rendimiento futuro de la ST según ningún criterio?
Pues yo no creo en la existencia de la TS eterna, con o sin redes neuronales, da igual. Cualquier ST tiene una vida útil, como todo en este mundo. Así que escribí que habíamos entrenado a la ST y obtenido una buena equidad durante el período de entrenamiento y el período fuera de la muestra, pero ¿qué sigue? Al fin y al cabo, todo esto no garantiza ningún trabajo en el futuro. Por ejemplo, no tengo problema en hacer un TS y conseguir una buena equidad en OOS y formación. Incluso es muy bueno en OOS. Pero esta TS no siempre funciona bien en el mercado real. Puede ser mejor o peor. No está claro de qué depende. Así que estoy luchando con la pregunta: ¿cómo entender, evaluar o calcular si la ST funcionará en el futuro?
Definitivamente es imposible, es posible con algún grado de probabilidad esperar un resultado favorable, pero esta probabilidad en la mayoría de los casos tiende al 50%) Probablemente con la rara excepción de los sistemas de pipswise, pero así trabajan con el ruido, no con el movimiento, aunque suene paradójico, y desde un punto de vista práctico, no soportan la crítica.
Pero cuento con un sistema eterno). Una de las direcciones para el trabajo futuro que he elegido es negarse a todos los entrenamientos, confiando en el autoaprendizaje y la plena autonomía del sistema de comercio. Espero aumentar la probabilidad de que el sistema funcione en el futuro utilizando este método. El tiempo mostrará cómo funciona)
Y de nuevo, tu resultado no es malo de todas formas, y merece la pena probarlo en el trading (yo lo probaría seguro). Si se descartan esos resultados, ¿qué hay que negociar?
Cuento con un sistema perpetuo). Una de las direcciones del trabajo posterior, he optado por rechazar toda la formación, todas las apuestas en el autoaprendizaje y la plena autonomía del sistema de comercio. Espero aumentar la probabilidad de que el sistema funcione en el futuro utilizando este método. El tiempo mostrará cómo funciona)
Pues bien, la autoformación también es una formación. Sólo desde un lado. De todos modos, hay que elegir el criterio de parada del autoaprendizaje. ¿Cuándo debe completar (el sistema) su autoaprendizaje para poder trabajar de forma rentable en el futuro?
Cuento con un sistema perpetuo). Una de las direcciones del trabajo posterior, he optado por rechazar toda la formación, todas las apuestas en el autoaprendizaje y la plena autonomía del sistema de comercio. Espero aumentar la probabilidad de que el sistema funcione en el futuro utilizando este método. El tiempo mostrará cómo funciona)
Pues bien, la autoformación también es una formación. Sólo desde un lado. De todos modos, debemos elegir el criterio de autoaprendizaje. ¿Cuándo debe completar (el sistema) su autoaprendizaje para funcionar de forma rentable en el futuro?
También es cierto, por supuesto... Pero en mi opinión, el componente de "ajuste" de tales sistemas se introduce exactamente durante el entrenamiento/optimización inicial, cuando se seleccionan los parámetros del sistema que permanecen inalterados, ya sea el periodo del indicador de entrada o incluso la propia topología de la red... Aquí tienes la formación de finales de 2007, la prueba de 2008 -> actualizada. Y aunque en el proceso de trabajo aparezcan capacidades adaptativas del sistema y se cambien algunos parámetros (por ejemplo, se ajustan los pesos de las sinapsis, se cambian las probabilidades, y algo obtenido durante el entrenamiento inicial en 2007 no se modifica, ¿verdad? De lo contrario, no tendría sentido esta formación. Eso es exactamente lo que intento eliminar con el aprendizaje eterno).
Excepto que los sistemas son pesados, pero eso probablemente esté fuera del alcance de este hilo....
También es cierto, por supuesto... Pero en mi opinión, el componente de "ajuste" de estos sistemas se introduce precisamente en el entrenamiento/optimización inicial, cuando se eligen los parámetros del sistema para que no cambien, ya sea el periodo del indicador de entrada, o incluso la propia topología de la red... Aquí tienes la formación de finales de 2007, la prueba de 2008 -> actualizada. Y aunque en el proceso de trabajo aparezcan capacidades adaptativas del sistema y se cambien algunos parámetros (por ejemplo, se ajustan los pesos de las sinapsis, se cambian las probabilidades, y algo obtenido durante el entrenamiento inicial en 2007 no se modifica, ¿verdad? De lo contrario, no tendría sentido esta formación. Eso es lo que intento eliminar con el aprendizaje eterno)
Estoy de acuerdo. Yo también creo que sólo los CTs adaptables pueden aguantar en este mercado durante un periodo de tiempo más largo. Pero todavía se plantea la cuestión de cómo establecer el criterio para dejar de entrenar o autoaprender (como quieras llamarlo). Al fin y al cabo, si este criterio no está claro, será imposible programarlo. Al fin y al cabo, cuanto más tiempo se entrena o autoaprende la ST, más probable es que se ajuste a los datos históricos y más probable es que falle en el comercio real.
Ajustarse a los datos históricos y adaptarse son cosas diferentes. La lengua rusa es rica y no en vano se la denomina con diferentes palabras.
Sí, gracias, sé que es diferente...... La pregunta es diferente. Parece que he escrito sin errores)))))))))))))))
Es difícil decir algo sobre la solidez del sistema a partir de la forma de la curva. La solidez está en la idea. Para NS, la idea es el preprocesamiento correcto de los datos de entrada, y la topología, etc., pasa a un segundo plano. Los datos de entrada deben describir de forma más precisa e inequívoca el proceso de mercado que se utiliza, y para ello es necesario tener una idea de él. Y los criterios correctos para la regla de rechazo del sistema.
Es difícil decir algo sobre la solidez del sistema a partir de la forma de la curva. La solidez está en la idea. Para NS, la idea es el preprocesamiento correcto de los datos de entrada, y la topología, etc., pasa a un segundo plano. Los datos de entrada deben describir de forma más precisa e inequívoca el proceso de mercado que se utiliza, y para ello es necesario tener una idea de él. Y los criterios correctos para la regla de rechazo del sistema.
Lo has escrito todo correctamente. Estoy de acuerdo. Pero es muy general encontrar la solución adecuada. Como se dice "de todo y de nada". Quiero ser específico.
Además de la forma de la curva, puedes ver mucha otra información útil. Beneficio, número de operaciones, expectativa matemática, etc. ...... Me parece que esta información puede ser útil a la hora de estimar la capacidad de trabajo de mi ST en el futuro. ¿O me equivoco?
Aunque la última frase no es clara.......