Gama de optimización - página 4

Nuevo comentario
 

La tarea de optimización consiste en encontrar tales parámetros de TS, en los que obtenemos un resultado estable en el período probado... Cuanto más amplio sea el rango de tiempo, más se puede confiar en los resultados obtenidos en el futuro.... Al realizar las pruebas, obtenemos una información casi completa... También me gustaría ver las curvas de balance y de equidad según el tiempo... Pero probablemente sea sólo un sueño...

Pregunta: ¿para qué sirven estas curvas? Para dibujar líneas discontinuas en ellos, o más bien zigzags para determinar la extrema.... Los altibajos... Analizamos los resultados y seleccionamos los parámetros...

Hoy en día, después de las pruebas, sólo conocemos un extremo: la reducción máxima, que obviamente no es suficiente ...

 
Vinsent_Vega писал(а) >>

lo que es verdad es verdad... así que me estoy preguntando si tomarle la palabra a Neutrón o no...

Optimizado - ¿cómo? ¿Sólo optimizó su asesor o qué? Pensé que se había hecho una investigación seria... (No he leído a Yezhov, así que pensé que era su cifra: "4")


Vinsent, no soy un apóstol para ser creído. Todo lo que he citado en mis posts es fácilmente comprobable por repetición trivial.

En cuanto al coeficiente, se puede determinar de dos maneras no superpuestas: por deducción directa, lo que me resulta difícil, y por estimación. Ezhov y Shumsky han demostrado la dependencia analítica de la longitud óptima de la historia en el número de parámetros ajustables a una constante de precisión del orden de la unidad. Esta dependencia no tiene limitaciones en el ámbito de aplicación, por lo que basta con encontrar su valor óptimo a través de varios ejemplos y asegurarse de su estacionariedad, para no jugar con complicados cálculos matemáticos sin mucha necesidad. Eso se ha hecho.

 

Bien, muchas gracias... :)


Por qué me meto tanto en ello - para mí esta cuestión (rango de optimización) es central en este momento... Tal vez rider tenga razón, en muchos aspectos es una cuestión de psicología, quiero convencerme de la fiabilidad de mi elección... Pero necesito tener una buena razón (preferiblemente alguna investigación científica seria) para elegir uno u otro esquema de optimización...


pero aparentemente, tendré que confiar sólo en mi experiencia e intuición...

 
Vinsent_Vega писал(а) >>

Por qué me meto tanto en ello, para mí este tema (rango de optimización) es central en este momento... tal vez el jinete tenga razón...

En realidad no tiene razón Rider, sino más bien Kharko:

kharko escribió >>

La tarea de la optimización es encontrar tales parámetros de TS, cuando obtenemos un resultado estable en el marco de tiempo probado... Cuanto más amplio sea el rango de tiempo, más se puede confiar en los resultados obtenidos en el futuro....

El problema es mucho más amplio y delicado, paradójicamente. En efecto, si acudimos a la fórmula que muestra la dependencia del error de generalización del probador de estrategias, vemos que disminuye monotónicamente con el aumento del número de transacciones P: E=Eapprox+ Ecomplex=d/W+W/P, es decir, cuanto mayor sea la muestra de entrenamiento, mejor... Pero esto es cierto bajo el supuesto de inmutabilidad (estacionariedad) del mercado, pero de hecho es cambiante, y a partir de algunos P los ejemplos se vuelven inútiles, es más - perjudiciales. En estas condiciones, es importante definir el límite a partir del cual aumentar el número de ejemplos sólo empeora la situación. Necesitamos determinar el límite izquierdo para el parámetro P. Esto ocurrirá cuando el error debido a la complejidad del modelo sea comparable al error de aproximación o ligeramente menor que éste, y no tienda a cero, como sería el caso propuesto por kharko. Por lo tanto, hay un óptimo suave por el parámetro P=k*W alrededor de k=3-6.

De ahí viene el coeficiente, está en la naturaleza de la no estacionariedad de los procesos en el mercado.

 
Neutron >> :

En realidad no es rider quien tiene razón, sino kharko:

El problema es mucho más amplio y delicado, paradójicamente. En efecto, si nos referimos a la fórmula que muestra la dependencia del error de generalización del probador de estrategias, vemos que disminuye monotónicamente con el aumento del número de transacciones P: E=Eapprox+ Ecomplex=d/W+W/P, es decir, cuanto mayor sea la muestra de entrenamiento, mejor... Pero esto es cierto bajo el supuesto de inmutabilidad (estacionariedad) del mercado, pero de hecho es cambiante, y a partir de algunos P los ejemplos se vuelven inútiles, es más - perjudiciales. En estas condiciones, es importante definir el límite a partir del cual aumentar el número de ejemplos sólo empeora la situación. Necesitamos determinar el límite izquierdo para el parámetro P. Esto ocurrirá cuando el error debido a la complejidad del modelo sea comparable al error de aproximación o ligeramente menor que éste, y no tienda a cero, como sería el caso propuesto por kharko. Por lo tanto, hay un óptimo suave por el parámetro P=k*W alrededor de k=3-6.

De ahí viene este coeficiente, está en la naturaleza de la no estacionariedad de los procesos en el mercado.

Que Dios la acompañe con la derecha.... no insisto, y no encuentro tal derecho para mí )))..... me gustaría mucho creer en su k=3-6 y prescindir de cualquier forwards...... (((..... pero algo no me deja entrar, y lo más importante, que las operaciones de rutina no son cada vez menos: se podría establecer en el optimizador el número de transacciones para un determinado intervalo - otra conversación tendría lugar.....

¿Puedo tener un enlace a Yezhov, etc.?

 
rider писал(а) >>

y ¿puedo obtener un enlace a Yezhov, etc., por favor?

Catch, páginas 64-66.

Archivos adjuntos:
ts.zip  1592 kb
 
gracias
 
Neutron писал(а) >>

No, no. ¡Espera!

La frecuencia de los tratos por sí misma, y su número óptimo en el historial de pruebas por sí mismo. Usted optimiza los parámetros de TS mirando los resultados de las operaciones - encuentra el máximo de alguna funcionalidad, en este caso, puede ser el ingreso acumulado o la rentabilidad (número de puntos por transacción). Ahora tiene una pregunta: dado el número de parámetros ajustables, necesita encontrar el número más óptimo de transacciones, en el que el probador optimizará la estrategia. Tenga en cuenta, no el tiempo, sino el número de entradas y salidas al mercado.

En resumen, la tarea incluye sólo el número de operaciones - no deben ser ni más ni menos que el número óptimo. Ha encontrado la rentabilidad óptima: el comercio. Después de un cierto período de tiempo, se empieza a sobreoptimizar y se hace todo el tiempo. ¿Cómo implementarlo en el Probador de Estrategias? Tienes que pensar...

....

Si tenemos 5 parámetros optimizados en el probador (por ejemplo, los periodos de agitación), entonces la longitud óptima del historial debe ser tal que el probador realice 4*5=20 transacciones en él. Puede llevar de 1 a ...200 días de historia, todo depende de la estrategia adoptada. La reducción de este número conducirá al ajuste del probador a la historia, y el aumento - al deterioro de la calidad de la aproximación y, como consecuencia, al empeoramiento de la precisión de la predicción.

Extractos citados de sus publicaciones.... Conclusiones...

Usted sostiene que hay un número óptimo de operaciones, dependiendo del número de parámetros de ajuste... Bien... acordemos....

Ahora nuestra tarea es encontrar para cada ejecución el rango de tiempo óptimo en el que la ST realizó el número óptimo estimado de trades.... Es decir, para algunos parámetros el historial de 1 día es suficiente, y para otros incluso un año no es suficiente... Esta variante no es adecuada...

BIEN... Simplifiquemos la tarea.... Dejemos un intervalo de tiempo constante... Consideremos sólo las carreras que nos dan el número óptimo de acuerdos...

¿Cuál es el mejor? La respuesta es obvia... El que tiene la mayor expectativa matemática....

Pero, ¿qué pasa con esas carreras que hemos filtrado...? ¿No son utilizables?

Supongamos que el número óptimo de operaciones es N... Hay una carrera con ese número de oficios... Pero hay una carrera con K veces más ofertas...

Mientras que nuestra carrera ideal hará 1 operación, otra no ideal en número de operaciones, ya hará K operaciones....

Ahora comparemos el beneficio que obtendremos de las carreras perfectas y no perfectas... Para ello, multiplica el número de operaciones por el valor correspondiente de la ganancia esperada...

Si el beneficio de una corrida no ideal parece ser mayor, significa que tomamos un período de tiempo demasiado grande para optimizar esta corrida, ya que obtuvimos una cantidad de tratos diferente a la óptima... Hay otra discrepancia...

Incluso si tomamos 1 ejecución que cumpla la condición del número óptimo de operaciones, entonces si simplemente desplazamos el intervalo de tiempo a la derecha o a la izquierda, obtendremos resultados diferentes para el número de operaciones...

Conclusión: el método de optimización propuesto es una utopía.

 

a Neutrón

Una cosa más sobre el número de operaciones: en mi EA hay un parámetro como el número máximo de órdenes y si los parámetros se eligen correctamente, el aumento del número de operaciones simultáneas realizadas por el EA aumenta el beneficio, pero por otro lado, obtenemos un número no óptimo de operaciones en un marco de tiempo determinado en relación con el número de parámetros de entrada para el EA, ¿cómo debemos lidiar con esto?

 

¿Quiere considerar este tipo de optimización y backtesting?

int start()
{
   if(IsTesting()==true)
   {
      if(IsOptimization()==true && DayOfWeek()&0xE==DayOfWeek())return;
      if(IsOptimization()==false && DayOfWeek()&0xE!=DayOfWeek())return;
   }
//код советника
//код советника
}

En lugar de 

DayOfWeek()
puedes poner otra función, por ejemplo

Month()

o al revés, uno más pequeño. 

  Hour()
1234567
Nuevo comentario